01 NumPy란?
- NumPy : Numerical Python, 수치적 파이썬
- Python에서 대규모 다차원 배열을 다룰 수 있게 도와주는 라이브러리이다.
- NumPy를 사용하는 이유는 데이터의 대부분이 숫자 배열로 이루어져 있기 때문이다.
- 반복문 없이 배열 처리가 가능하고, 파이썬 리스트에 비해 빠른 연산 지원과 효율적인 메모리 사용이 가능하다.
02 NumPy 사용하기
- NumPy VS List
- List 배열 생성 및 출력 형태 확인
- numpy 배열 생성 및 출력 형태 확인
- import 키워드를 이용해서 numpy 모듈 불러오기
- ndarray : n 차원의 배열 ( n - dimensional array )
- 리스트는 class list로 1차원이고, numpy 배열은 class numpy로 ndarray로 n 차원 배열이기 때문에 서로 다르다.
03 배열의 기초
- 배열의 데이터 타입 : dtype
- 파이썬 리스트와 달리 같은 데이터 타입 (단일 데이터)만 저장이 가능하다.
- astype ( 데이터_타입 ) 은 배열의 데이터 타입을 변경해주는 모듈이다.
- 배열의 여러가지 데이터 타입
- 배열의 속성
- ndarray의 차원 관련 속성 : ndim & shape
- ndim : n + dimention의 약자, 차원의 수를 구하는 함수
- shape : 배열의 모양을 구하는 함수
- ndarray의 크기 속성과 shape 조절
- arr.shape로 배열의 모양을 임의로 변경할 수 있다.
04 Indexing & Slicing
- Indexing : 인덱스로 값을 찾아낸다.
- arrange(n) 으로 함수를 생성하면 0부터 n-1 까지 배열이 생성된다.
- arrange (x, y, z) 로 함수를 생성하면 x 부터 y까지 z만큼 증가하면서 배열이 생성된다.
- Slicing : 인덱스의 값으로 배열의 일부분을 가져온다.
- x [ n : m ] : n부터 m까지 배열의 값을 가져오고, 3번째 수는 간격을 의미한다.
- Boolean Indexing : 배열의 각 요소의 선택 여부를 Boolean mask를 이용하여 지정하는 방식
- 조건에 맞는 데이터를 가져오고나서, 참인지 거짓인지 알려준다.
- Fancy Indexing : 배열의 각 요소 선택을 Index 배열을 전달하여 지정하는 방식
- Indexing X Slicing : 원하는 요소 지정을 위해 인덱싱과 슬라이싱을 조합하여 사용이 가능하다.
'2022 AI SW 온라인 교육 > AI 데이터 분석 트랙' 카테고리의 다른 글
| [AI 데이터 분석] 데이터 분석을 위한 라이브러리 - 04. Matplotlib 데이터 시각화 (2) | 2022.12.15 |
|---|---|
| [AI 데이터 분석] 데이터 분석을 위한 라이브러리 - 03. 데이터 조작 및 분석을 위한 Pandas 기본 (0) | 2022.12.15 |
| [AI 데이터 분석] 데이터 분석을 위한 라이브러리 - 01. 파이썬의 여러가지 모듈과 패키지 (0) | 2022.12.14 |
| [AI 데이터 분석] 핵심 파이썬 기초 프로그래밍 - 05. 같은 듯 다른 함수와 메서드 (2) | 2022.12.14 |
| [AI 데이터 분석] 핵심 파이썬 기초 프로그래밍 - 04. 파이썬에서 자료를 담는 여러가지 방식 (0) | 2022.12.14 |