• 파이썬 라이브러리 설치 방법 (vs R)
1
2
3
4
5
6
7
8
9
10
# R install.pakages("패키지명")
# 파이썬 라이브러리 설치 코드에서 실행 (x)
# 터미널에서 설치
# 방법 1. conda 설치
# --> 아나콘다 설치 후, conda 설치 (데이터 과학)
# 방법 2. pip 설치 (개발 + 데이터과학 + 그외)
# --> 아나콘다 설치 안함 / 파이썬만 설치

# git bash 열고, pip install numpy
# pip install numpy

NumPy 라이브 불러오기

1
2
import numpy
print(numpy.__version__)
1.21.5

1
2
import numpy as np
print(np.__version__)
1.21.5

배열로 변환

  • 1부터 10까지의 리스트를 만든다.
  • NumPy 배열로 변환해서 저장한다.
1
2
3
4
temp = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
arr = np.array(temp)
print(arr)
print(temp)
[ 1  2  3  4  5  6  7  8  9 10]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

1
2
print(type(temp))
print(type(arr))
<class 'list'>
<class 'numpy.ndarray'>
  • arr 배열 숫자 5 출력
1
arr[4:8]
array([5, 6, 7, 8])
  • NumPy를 사용하여 기초 통계 함수를 사용한다.
1
2
3
4
np.mean(arr)
np.sum(arr)
np.median(arr)
np.std(arr)
2.8722813232690143

사칙연산

1
2
3
4
5
math_scores = [90, 80, 88]
english_scores = [80, 70, 90]

total_scores = math_scores + english_scores
total_scores
[90, 80, 88, 80, 70, 90]

1
2
3
4
5
6
7
8
math_scores = [90, 80, 88]
english_scores = [80, 70, 90]

math_arr = np.array(math_scores)
english_arr = np.array(english_scores)

total_scores = math_arr + english_arr
total_scores
array([170, 150, 178])

1
np.min(total_scores)
150

1
np.max(total_scores)
178

1
2
3
4
5
6
7
8
9
10
11
12
math_scores = [2, 3, 4]
english_scores = [1, 2, 3]

math_arr = np.array(math_scores)
english_arr = np.array(english_scores)

# 사칙연산
print("덧셈:", np.add(math_arr, english_arr))
print("뺄셈:", np.subtract(math_arr, english_arr))
print("곱셈:", np.multiply(math_arr, english_arr))
print("나눗셈:", np.divide(math_arr, english_arr))
print("거듭제곱:", np.power(math_arr, english_arr))
덧셈: [3 5 7]
뺄셈: [1 1 1]
곱셈: [ 2  6 12]
나눗셈: [2.         1.5        1.33333333]
거듭제곱: [ 2  9 64]

배열의 생성

  • 0차원부터 3차원까지 생성하는 방법
1
2
3
4
temp_arr = np.array(20)
print(temp_arr)
print(type(temp_arr))
print(temp_arr.shape)
20
<class 'numpy.ndarray'>
()

1
2
3
4
5
6
# 1차원 배열
temp_arr = np.array([1, 2, 3])
print(temp_arr)
print(type(temp_arr))
print(temp_arr.shape)
print(temp_arr.ndim) # 몇 차원인지 알아보는 법
[1 2 3]
<class 'numpy.ndarray'>
(3,)
1

1
2
3
4
5
6
# 2차원 배열
temp_arr = np.array([[1, 2, 3], [4, 5, 6]])
print(temp_arr)
print(type(temp_arr))
print(temp_arr.shape) # 2 * 3 배열이다
print(temp_arr.ndim)
[[1 2 3]
 [4 5 6]]
<class 'numpy.ndarray'>
(2, 3)
2

1
2
3
4
5
6
# 3차원 배열
temp_arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(temp_arr)
print(type(temp_arr))
print(temp_arr.shape)
print(temp_arr.ndim)
[[[1 2 3]
  [4 5 6]]

 [[1 2 3]
  [4 5 6]]]
<class 'numpy.ndarray'>
(2, 2, 3)
3

1
2
3
4
5
temp_arr = np.array([1, 2, 3, 4], ndmin = 2) # ndmin으로 인해 2차원 배열로 바뀜
print(temp_arr)
print(type(temp_arr))
print(temp_arr.shape)
print(temp_arr.ndim)
[[1 2 3 4]]
<class 'numpy.ndarray'>
(1, 4)
2

소수점 정렬

1
2
temp_arr = np.trunc([-1.23, 1.23])
temp_arr # 소수점 아래 자리가 절삭됨.
array([-1.,  1.])

1
2
temp_arr = np.fix([-1.23, 1.23])
temp_arr
array([-1.,  1.])

1
2
temp_arr = np.around([-1.23789, 1.23789], 4)
temp_arr
array([-1.2379,  1.2379])

1
2
temp_arr = np.round([-1.23789, 1.23789], 4)
temp_arr
array([-1.2379,  1.2379])

1
2
temp_arr = np.floor([-1.23789, 1.23789]) # 내림
temp_arr
array([-2.,  1.])

1
2
temp_arr = np.ceil([-1.23789, 1.23789]) # 올림
temp_arr
array([-1.,  2.])
  • shape는 axis 축을 설정함

배열을 생성하는 다양한 방법들

1
2
temp_arr = np.arange(5)
temp_arr
array([0, 1, 2, 3, 4])

1
2
temp_arr = np.arange(1, 11, 3)
temp_arr
array([ 1,  4,  7, 10])

1
2
3
4
5
6
zero_arr = np.zeros((2, 3))
print(zero_arr)
print(type(zero_arr))
print(zero_arr.shape)
print(zero_arr.ndim)
print(zero_arr.dtype) # float64 -> 64는 bit
[[0. 0. 0.]
 [0. 0. 0.]]
<class 'numpy.ndarray'>
(2, 3)
2
float64

1
2
3
4
5
6
temp_arr = np.ones((4, 5), dtype = "int32") # 데이터 타입도 인위적으로 수정 가능
print(temp_arr)
print(type(temp_arr))
print(temp_arr.shape)
print(temp_arr.ndim)
print(temp_arr.dtype)
[[1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]]
<class 'numpy.ndarray'>
(4, 5)
2
int32

1
2
3
4
5
6
7
temp_arr = np.ones((2, 6), dtype = "int32")
temp_res_arr = temp_arr.reshape(2, 2, 3) # (5, 3)을 했을때 cannot reshape array of size 12 into shape (5,3)
print(temp_res_arr)                   # 사이즈를 12로 바꾸면 되서 4, 3 또는 3, 4 등 바꿔주면 됨.
print(type(temp_res_arr))
print(temp_res_arr.shape)
print(temp_res_arr.ndim)
print(temp_res_arr.dtype)
[[[1 1 1]
  [1 1 1]]

 [[1 1 1]
  [1 1 1]]]
<class 'numpy.ndarray'>
(2, 2, 3)
3
int32

1
2
3
4
5
6
7
temp_arr = np.ones((12, 12), dtype = "int32")
temp_res_arr = temp_arr.reshape(5, -1) # np.ones(12, 12) -> 12*12 = 144 약수가 아니면 error
print(temp_res_arr) 
print(type(temp_res_arr))
print(temp_res_arr.shape)
print(temp_res_arr.ndim)
print(temp_res_arr.dtype)
---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last)

<ipython-input-60-dfc75cfbf69a> in <module>()
      1 temp_arr = np.ones((12, 12), dtype = "int32")
----> 2 temp_res_arr = temp_arr.reshape(5, -1)
      3 print(temp_res_arr)
      4 print(type(temp_res_arr))
      5 print(temp_res_arr.shape)


ValueError: cannot reshape array of size 144 into shape (5,newaxis)

numpy 조건식

  • np.where()
1
2
temp_arr = np.arange(10)
temp_arr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

1
2
3
# 5보다 작은 값은 원래값으로 반환
# 5보다 큰 값은 원래 값 * 10
np.where(temp_arr < 5, temp_arr, temp_arr * 10)
array([ 0,  1,  2,  3,  4, 50, 60, 70, 80, 90])

1
2
3
4
5
# 0 - 100 까지의 배열을 만들고, 50보다 작은 값은 곱하기 10, 나머지는 그냥 원래 값으로 반환
# np.where 은 조건식이 하나만 필요할 떄 사용
temp_arr = np.arange(101)
# temp_arr
np.where(temp_arr < 50, temp_arr * 10, temp_arr)
array([  0,  10,  20,  30,  40,  50,  60,  70,  80,  90, 100, 110, 120,
       130, 140, 150, 160, 170, 180, 190, 200, 210, 220, 230, 240, 250,
       260, 270, 280, 290, 300, 310, 320, 330, 340, 350, 360, 370, 380,
       390, 400, 410, 420, 430, 440, 450, 460, 470, 480, 490,  50,  51,
        52,  53,  54,  55,  56,  57,  58,  59,  60,  61,  62,  63,  64,
        65,  66,  67,  68,  69,  70,  71,  72,  73,  74,  75,  76,  77,
        78,  79,  80,  81,  82,  83,  84,  85,  86,  87,  88,  89,  90,
        91,  92,  93,  94,  95,  96,  97,  98,  99, 100])
  • np.select()
1
2
3
4
temp_arr = np.arange(10)
temp_arr

# 5보다 큰 값은 곱하기 2, 2보다 작은 값은 더하기 100
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

1
2
3
condlist = [temp_arr > 5, temp_arr < 2]
choicelist = [temp_arr * 2, temp_arr + 100]
np.select(condlist, choicelist, default = temp_arr)
array([100, 101,   2,   3,   4,   5,  12,  14,  16,  18])