JINHEE's lab

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.