[Python] [Data Analysis] Numpy 기초

Numpy¶

• python에서 사용하는 과학 계산용 오픈 소스 라이브러리
• python의 느린 연산 속도를 보완
• ndarray라는 데이터 타입을 사용
• C, C++, 포트란으로 만들어짐

선형대수¶

• 스칼라(scalar)
  • 하나의 숫자로만 이루어진 데이터
  • 예) 1
• 벡터(vector)
  • 여러개의 숫자가 특정한 순서대로 모여 있는 것
  • 예) [1, 2, 3]
  • $\mathbf{v}=\begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix}$
• 행렬(matrix)
  • 2차원 배열로 구성
  • 행(rows)과 열(columns)
  • 예) [[1, 2, 3], [4, 5, 6]]

In [1]:

import numpy as np

01. ndarray 객체 생성¶

In [4]:

scalar = np.array(5)
type(scalar)

Out[4]:

numpy.ndarray

In [8]:

vector = np.array([1, 2, 3])
vector

Out[8]:

array([1, 2, 3])

In [10]:

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
matrix

Out[10]:

array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

In [14]:

# 배열의 차원 확인
print(scalar.ndim, vector.ndim, matrix.ndim)

0 1 2

In [15]:

# 배열의 모양 확인
print(scalar.shape, vector.shape, matrix.shape)

() (3,) (3, 3)

In [19]:

# 문자열도 배열 데이터 생성이 가능
str_vector = np.array(list('ABCD'))
str_vector

Out[19]:

array(['A', 'B', 'C', 'D'], dtype='<U1')

In [21]:

# numpy는 한 가지 데이터 타입으로만 인식
ls = [1, 2, 3, 'D']
np.array(ls)

Out[21]:

array(['1', '2', '3', 'D'], dtype='<U21')

In [24]:

# .astype()으로 데이터 타입 변경
print(np.array([1, 2, 3, '4']).astype(np.float64))
print(np.array([1, 2, 3, '4']).astype(np.int64))

[1. 2. 3. 4.]
[1 2 3 4]

02. np.arang()¶

In [30]:

print(list(range(5)))
print(list(np.arange(5)))

[0, 1, 2, 3, 4]
[0, 1, 2, 3, 4]

In [34]:

print(list(np.arange(1, 5)))
print(list(np.arange(1, 5, 2)))  # stride = 2

[1, 2, 3, 4]
[1, 3]

03. np.zeros(), np.ones()¶

• np.zeros() : 0으로 채워진 데이터
• np.ones() : 1로 채워진 데이터
• 초기화 값을 지정하는 경우 활용

In [35]:

mat_zero = np.zeros((2, 2, 3))
print(mat_zero)

[[[0. 0. 0.]
  [0. 0. 0.]]

 [[0. 0. 0.]
  [0. 0. 0.]]]

In [36]:

mat_ones = np.ones((2, 2, 3))
print(mat_ones)

[[[1. 1. 1.]
  [1. 1. 1.]]

 [[1. 1. 1.]
  [1. 1. 1.]]]

04. np.random()¶

In [137]:

# 정수 데이터 타입을 균일분포로부터 생성
np.random.randint(10, size = (2, 3))  # 0~9

Out[137]:

array([[7, 8, 9],
       [1, 0, 8]])

In [166]:

# seed
# seed 값을 고정하면 동일한 출력 
np.random.seed(10)
np.random.randint(0, 10, size = 10)

Out[166]:

array([9, 4, 0, 1, 9, 0, 1, 8, 9, 0])

In [224]:

np.random.choice(5, 10)  # 5가 end point (5 포함x)

Out[224]:

array([3, 1, 3, 2, 1, 2, 0, 4, 2, 2])

In [241]:

# 0~4 숫자 중 한 개 선택
# 반환할 샘플의 개수, 10개
# 선택 확률 지정
# 확률은 선택할 수 있는 값의 배열과 길이가 동일해야 합니다.
np.random.choice(5, 10, p = [0.1, 0, 0.3, 0.6, 0])

Out[241]:

array([2, 3, 3, 3, 3, 0, 3, 3, 2, 3])

05. np.linspace()¶

np.linspace(start, stop, num = 50, endpoint = True)

• 시작값과 종료값 사이에서 지정된 개수만큼 균등간격으로 선형적으로 분포하는 값 생성
• endpoint: True로 설정하면, stop 값을 배열에 포함

In [249]:

np.linspace(10, 20, 11)

Out[249]:

array([10., 11., 12., 13., 14., 15., 16., 17., 18., 19., 20.])

06. ndarray 객체에서 데이터 선택¶

• 오프셋 인덱스, 인덱싱, 슬라이싱

In [257]:

vec = np.random.randint(10, size =10)
print(vec)

[2 8 5 8 0 9 7 7 4 0]

In [259]:

# 처음부터 시작하고, 3번째 인덱스 값 까지 선택해주세요
print(vec[:3])

[2 8 5]

In [261]:

# 역순에서 3번째 값부터 시작하고, 끝가지 선택해주세요
print(vec[-3:])

[7 4 0]

In [262]:

# 역순에서 4번째 값을 선택해주세요
print(vec[-4])

7

In [263]:

# 처음부터 끝까지 역순으로 2단계씩 건너띄어 주세요
print(vec[::-2])

[0 7 9 8 8]

행렬에서 슬라이싱 (1)¶

In [268]:

mat = np.random.randint(5, size = (3, 3))
print(mat)

[[1 3 3]
 [0 2 0]
 [4 1 3]]

In [272]:

print(mat[0][1])
print(mat[0, 1])

3
3

행렬에서 슬라이싱 (2)¶

In [279]:

# 1~25까지의 정수가 담긴 열 벡터 생성
vec = np.arange(1, 26)
print(vec)
print(len(vec))

[ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
 25]
25

In [282]:

mat = vec.reshape(5, 5)
print(mat)

[[ 1  2  3  4  5]
 [ 6  7  8  9 10]
 [11 12 13 14 15]
 [16 17 18 19 20]
 [21 22 23 24 25]]

In [298]:

# 세번째 행 전체 선택
print(mat[2])
print(mat[2,:])

[11 12 13 14 15]
[11 12 13 14 15]

In [299]:

# 세번째 열 전체 선택
print(mat[:, 2])

[ 3  8 13 18 23]

In [302]:

# 두번째 행부터 세번째 행
# 두번째 열부터 세번째 열
print(mat[1:3, 1:3])

[[ 7  8]
 [12 13]]

In [345]:

# 행을 역순으로 변환
print(mat[::-1, :])

[[21 22 23 24 25]
 [16 17 18 19 20]
 [11 12 13 14 15]
 [ 6  7  8  9 10]
 [ 1  2  3  4  5]]

In [346]:

# 행렬 전체를 역순으로 변환
print(mat[::-1, ::-1])

[[25 24 23 22 21]
 [20 19 18 17 16]
 [15 14 13 12 11]
 [10  9  8  7  6]
 [ 5  4  3  2  1]]

07. 행을 역순으로 변환¶

np.reshape(a, newshape)

• a : 형태를 변경할 배열
• newshape : 새로운 형태로 재구성할 배열의 차원을 지정하는 튜플
• (6, 2)는 6행 2열
• (3, 4)는 3행 4열

In [324]:

a = np.arange(9)
print(a)
print(len(a))
print(a.reshape(3, 3))

[0 1 2 3 4 5 6 7 8]
9
[[0 1 2]
 [3 4 5]
 [6 7 8]]

In [319]:

a_reshape = np.reshape(a, (3, 3))
print(a_reshape)

[[0 1 2]
 [3 4 5]
 [6 7 8]]

In [321]:

# 차원이 맞지 않으면 에러
b = np.arange(10)
b.reshape(3, 3)

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
Cell In[321], line 3
      1 # 차원이 맞지 않으면 에러
      2 b = np.arange(10)
----> 3 b.reshape(3, 3)

ValueError: cannot reshape array of size 10 into shape (3,3)

In [328]:

# -1: 행을 3개로 설정하는데, 열은 자동으로 설정
a = np.arange(9)
print(a)
print(a.reshape(3, -1))

[0 1 2 3 4 5 6 7 8]
[[0 1 2]
 [3 4 5]
 [6 7 8]]

In [368]:

image = np.random.randint(0, 256, size = (32, 32, 3), dtype = np.uint8)
print(image.shape)

(32, 32, 3)

In [382]:

# 이미지 시각화 예시
import matplotlib.pyplot as plt
image = np.random.randint(0, 256, size = (32, 32, 3), dtype = np.uint8)
plt.imshow(image)
plt.show()

In [378]:

# 이미지 데이터 reshape 예시
image.reshape(32*32, 3)

Out[378]:

array([[247,  28, 165],
       [155,   9,  53],
       [ 58,   9, 126],
       ...,
       [ 67, 209,  70],
       [100, 195, 102],
       [ 31, 129, 155]], dtype=uint8)

08. np.where()¶

np.where(condition, [x, y])

• 조건에 따라 값을 선택
• condition
  • 조건을 나타내는 배열 또는 조건문
  • True or False
• x, y는 서로 동일한 크기(shape) 배열 형태
• condition이 True인 경우 x 값 반환
• condition이 False인 경우 y 값 반환

In [351]:

condition = [True, False, True]
x = [1, 2, 3]
y = [10, 20, 30]

np.where(condition, x, y)

Out[351]:

array([ 1, 20,  3])

In [388]:

# np.where()를 반복문으로 구현
result = []
for con, x_value, y_value in zip(condition, x, y):
    if con:
        result.append(x_value)
    else:
        result.append(y_value)
print(result)

[1, 20, 3]

In [389]:

# list comhrehension과 zip()을 사용한 구현
result = [xv if con else yv for con, xv, yv in zip(condition, x, y)]
print(result)

[1, 20, 3]