NumPy 기본 사용법

NumPy

NumPy 가져오기

import numpy as np

 

배열 생성

# 리스트로부터 생성

arr = np.array([1, 2, 3, 4, 5])

# 튜플로부터 생성

arr = np.array((1, 2, 3, 4, 5))

# 0으로 채워진 배열 생성

arr = np.zeros((2, 3)) # 2x3 배열

# 1로 채워진 배열 생성

arr = np.ones((2, 3)) # 2x3 배열

# 일정 범위의 값을 가지는 배열 생성

arr = np.arange(0, 10, 2) # 0부터 10까지 2씩 증가하는 배열

# 일정 간격으로 나눈 값을 가지는 배열 생성

arr = np.linspace(0, 1, 5) # 0부터 1까지 5개의 값을 가지는 배열

https://numpy.org/doc/stable/user/quickstart.html#creating-arrays

NumPy quickstart — NumPy v2.0 Manual

 

배열 정보 확인

arr.shape # 배열의 형태 반환  
arr.size # 배열의 요소 수 반환  
arr.ndim # 배열의 차원 수 반환  
arr.dtype # 배열의 데이터 타입 반환

https://numpy.org/doc/stable/reference/arrays.ndarray.html#attributes-of-array

The N-dimensional array (ndarray) — NumPy v2.0 Manual

 

배열 인덱싱 및 슬라이싱

# 인덱싱

arr[0] # 첫 번째 요소  
arr[-1] # 마지막 요소

# 슬라이싱

arr[1:3] # 인덱스 1부터 2까지의 요소  
arr[:3] # 처음 세 요소  
arr[::2] # 두 번째 요소마다

# 다차원 배열

arr2d = np.array([[1, 2, 3], [4, 5, 6]])  
arr2d[0, 0] # 첫 번째 행의 첫 번째 요소  
arr2d[0, :] # 첫 번째 행  
arr2d[:, 0] # 첫 번째 열

https://numpy.org/doc/stable/user/quickstart.html#indexing-slicing-and-iterating

NumPy quickstart — NumPy v2.0 Manual

 

배열 조작

# 형태 변경

arr = arr.reshape((3, 2)) # 3x2 배열로 형태 변경

# 전치

arr = arr.T # 배열 전치

# 평탄화

arr = arr.flatten() # 1차원 배열로 평탄화

# 배열 연결

arr1 = np.array([1, 2, 3])  
arr2 = np.array([4, 5, 6])  
arr = np.concatenate((arr1, arr2)) # 두 배열 연결

# 배열 쌓기

arr_v = np.vstack((arr1, arr2)) # 수직 쌓기  
arr_h = np.hstack((arr1, arr2)) # 수평 쌓기

https://numpy.org/doc/stable/reference/routines.array-manipulation.html

Array manipulation routines — NumPy v2.0 Manual

 

수학 연산

# 요소별 연산

arr = np.array([1, 2, 3])  
arr + 1 # 각 요소에 1을 더함  
arr * 2 # 각 요소에 2를 곱함

# 유니버설 함수

np.sqrt(arr) # 각 요소의 제곱근  
np.exp(arr) # 각 요소의 지수  
np.sin(arr) # 각 요소의 사인  
np.log(arr) # 각 요소의 자연 로그

# 집계 함수

np.sum(arr) # 모든 요소의 합  
np.mean(arr) # 모든 요소의 평균  
np.max(arr) # 최대 요소  
np.min(arr) # 최소 요소  
np.std(arr) # 모든 요소의 표준 편차

https://numpy.org/doc/stable/reference/routines.math.html

Mathematical functions — NumPy v2.0 Manual

 

난수

# 난수 생성

np.random.rand(3, 2) # 0과 1 사이의 균일 분포 난수  
np.random.randn(3, 2) # 표준 정규 분포 난수  
np.random.randint(0, 10, (3, 2)) # 0부터 10 사이의 정수 난수

https://numpy.org/doc/stable/reference/random/index.html

Random sampling (numpy.random) — NumPy v2.0 Manual

 

선형 대수

# 내적

arr1 = np.array([[1, 2], [3, 4]])  
arr2 = np.array([[5, 6], [7, 8]])  
np.dot(arr1, arr2) # 내적

# 행렬식

np.linalg.det(arr1) # 배열의 행렬식

# 역행렬

np.linalg.inv(arr1) # 배열의 역행렬

# 고유값 및 고유벡터

vals, vecs = np.linalg.eig(arr1) # 고유값과 고유벡터

https://numpy.org/doc/stable/reference/routines.linalg.html

Linear algebra (numpy.linalg) — NumPy v2.0 Manual

 

 

NumPy 치트시트: https://www.kaggle.com/discussions/getting-started/255139

🔥 10 Best NumPy Cheat Sheets ✔️ | Kaggle