JINHEE's lab

이번에 사용할 예시 배열

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

세 가지 방법으로 위에 배열에서 필요한 요소만 잘라내보자.

1. ndarray를 슬라이싱 하는 첫번째 방법은 가로 세로 줄을 그려 영역을 crop하는 느낌이라고 생각하면 된다.

    [n:c , n1:c1] n:c만큼 가로로 먼저 영역 긋고 n1:c1만큼 또 세로로 영역을 긋는 것이다.

arr_1 = arr[:2,1:3]            # [:2]= 위에서 아래로 0에서 2이전 까지 이동, [1:3] = 좌에서 우로 1에서 3 이전까지 이동 해서 슬라이싱
print(arr_1)

출력>
[[2 3]
 [5 6]]

2. 내가 원하는 요소를 바로 가져오는 방법 : 배열이름[N, N1] 여기사 N은 배열, N1은 인덱스 넘버

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


arr [0,2]              # 배열0번의 2번째 데이터 가져와라

출력>
3

3. 조건을 달아서 조건에 맞는 데이터/안맞는 데이터로 나눈 후 참인 것만 나오게 하는 방법

arr = np.array([[1,2,3],[4,5,6]])
idx = arr > 3                   # arr에서 3이상인것    조건식을 달면 조건에 따른 값 따로 나타난다
print(idx)
[[False False False]                    #위의 print의 결과
 [ True  True  True]]              
arr[idx]                                    # 이 조건을 배열 옆에 각진괄호 안에 써준다!


출력>
array([4, 5, 6])                       # 조건식에 참인 데이터만 나온다

np 배열은 같은 차원(위치) 데이터끼리 연산이 된다. 아래 예시로 여러 방식으로 배열간의 연산을 해보자.

첫 번째 방법: array끼리 연산자로 계산식 써주기

(예시1)

arr1 = np.array([[1,2],[3,4]])
arr2 = np.array([[5,6],[7,8]])
print(arr1 + arr2)                       
print(arr1 - arr2)
print(arr1 * arr2)

출력>
[[ 6  8]
 [10 12]]
[[-4 -4]
 [-4 -4]]
[[ 5 12]
 [21 32]]

두 번째 방법: 명령어로 연산식 써주기

(예시2)

print(np.add(arr1,arr2))                     
print(np.multiply(arr1,arr2))

출력>
[[ 6  8]
 [10 12]]
[[ 5 12]
 [21 32]]

ndarray 배열의 타입을 바꿀 때 : <array name>.astype(np.type)

예시1. 데이터 타입int64 array를 float64로 바꿀때

arr_int = np.array([1,2,3,4])
print(arr_int.dtype)                           # 이 때 데이터는 int이다
arr_float = arr_int.astype(np.float64)    # 데이터 타입을 바꿔야할 때
print(arr_float.dtype)

​

예시2. 데이터 타입을 str에서 int64로 바꿀 때

arr_str = np.array(['1','2','3','4'])                # 문자열로 배열 만들기
print(arr_str.dtype)                                #  출력에 U1이라 나오는 것은 유니코드(문자)를 나타낸것
arr_int = arr_str.astype(np.int64)
print(arr_int.dtype)

ndarray?

n차원(dimension) 배열을 뜻한다.

예제로 사용할 배열

arr = np.array([[1,2,3],[4,5,6]])               
print(arr)

1. 배열의 차원을 확인하는 방법 : (어레이).ndim

arr.ndim    

출력 : 2

2. 데이터의 모양을 확인하는 방법 : (어레이).shape

arr.shape

출력: (2,3)

3. 데이터 타입의 확인

print(type(arr))               # 배열의 데이터 타입 확인
print(arr.dtype)               # 배열 안의 데이터 타입 확인

출력 : <class 'numpy.ndarray'>
           int64

직접 colab에서 아래 예시들 출력해보기

1.기본 Numpy 생성 예시

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

출력:
[1 2 3 4]
<class 'numpy.ndarray'>

2. 0으로 채워진 3x3 배열 생성

array = np.zeros((3,3))

3. 1로 채워진 2x2 배열 생성

array2 = np.ones((2,2))

4. 비워진 값의 4x4 배열 생성

np.empty((4,4))

   # 그러나 작업시 그러나 비어진 값의 배열보다는 0이나 1로 초기화해서 사용하는 것이 훨씬 값이 깔끔하다

5. 특정 범위의 array를 생성할 때

print(np.arange(10))                  
print(np.arange(1,10))                       # (시작지점, 끝지점, 증가값)
print(np.arange(1,10, 2))

Numpy

​

(1) 가장 많이 사용되는 라이브러리(모듈은 아니다), 기본 속도가 빠르고 수학 배열을 쉽게 해준다C언어로 개발된 파이썬에서 과학적 계산을 위한 핵심 라이브러리.

​

(2) 다차원 배열 객체와 배열과 함께 작동하는 도구들을 제공한다. 하지만 고수준의 데이터 분석기능을 제공하지는 않기 때문에 Numpy배열과 함께 Pandas와 같은 도구를 함께 사용한다.

​

​

불러올 때 명령어

import numpy as np

# 임포트는 해줘야 함. as(알리아싱:별명을 지어주는 행위)를 통해 np로 명명해준다.