Numpy
Numpy 는 파이썬이 계산과학분야에 이용될 때 핵심 역할을 하는 라이브러리입니다.
Numpy 는 고성능의 다차원 배열 객체와 이를 다룰 도구를 제공합니다.
배열
Numpy 배열은 동일한 자료형을 가지는 값들이 격자판 형태로 있는 것 입니다. 각각의 값들은 튜플( 양의 정수만을) 형태로 색인 됩니다. rank 는 배열이 몇 차원인지를 의미합니다. shape는 각 차원의 크기를 알려주는 정수들이 모인 튜플입니다.
import numpy as np
a = np.array([1, 2, 3]) # rank가 1인 배열 생성
print (type(a)) # 출력 "<type 'numpy.ndarray'>"
print (a.shape) # 출력 "(3,)"
print (a[0], a[1], a[2]) # 출력 "1 2 3"
a[0] = 5 # 요소를 변경
print (a) # 출력 "[5, 2, 3]"
b = np.array([[1,2,3],[4,5,6]]) # rank가 2인 배열 생성
print (b.shape) # 출력 "(2, 3)"
print (b[0, 0], b[0, 1], b[1, 0]) # 출력 "1 2 4"
import numpy as np
a = np.zeros((2,2)) # 모든 값이 0인 배열 생성
print (a) # 출력 "[[ 0. 0.]
# [ 0. 0.]]"
b = np.ones((1,2)) # 모든 값이 1인 배열 생성
print (b) # 출력 "[[ 1. 1.]]"
c = np.full((2,2), 7) # 모든 값이 특정 상수인 배열 생성
print (c) # 출력 "[[ 7. 7.]
# [ 7. 7.]]"
d = np.eye(2) # 2x2 단위행렬 생성
print (d) # 출력 "[[ 1. 0.]
# [ 0. 1.]]"
e = np.random.random((2,2)) # 임의의 값으로 채워진 배열 생성
print (e) # 임의의 값 출력 "[[ 0.91940167 0.08143941]
# [ 0.68744134 0.87236687]]"
배열 인덱싱
Numpy 는 배열을 인덱싱하는 몇 가지 방법을 제공합니다.
슬라이싱 : 파이썬 리스트와 유사하게, Numpy 배열도 슬라이싱이 가능합니다. Numpy 배열은 다차원인 경우가 많기에, 각 차원별로 어떻게 슬라이스 할건지 명확해야 합니다.
import numpy as np
# Create the following rank 2 array with shape (3, 4)
# [[ 1 2 3 4]
# [ 5 6 7 8]
# [ 9 10 11 12]]
a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
# 슬라이싱을 이용하여 첫 두 행과 1열, 2열로 이루어진 부분배열을 만들어 봅시다;
# b는 shape가 (2,2)인 배열이 됩니다:
# [[2 3]
# [6 7]]
b = a[:2, 1:3]
# 슬라이싱된 배열은 원본 배열과 같은 데이터를 참조합니다, 즉 슬라이싱된 배열을 수정하면
# 원본 배열 역시 수정됩니다.
print (a[0, 1]) # 출력 "2"
b[0, 0] = 77 # b[0, 0]은 a[0, 1]과 같은 데이터입니다
print (a[0, 1]) # 출력 "77"