[Python] AI를 위한 Numpy 기본 사용법

Numpy란?

다차원 배열을 효과적으로 처리할 수 있도록 도와주는 도구로써,

현실 세계의 다양한 데이터를 배열 형태로 표현하고 python list 기능에 비해 빠르고 강력한 기능을 제공합니다.

 

↓↓↓     Numpy의 차원    ↓↓↓

(0, 0)	(0, 1)	(0, 2)	(0, 3)
(1, 0)	(1, 1)	(1, 2)	(1, 3)

가로는 행(Row), 세로는 열(Column) 입니다.

 

 

 

Numpy를 사용할 때는 아래 코드를 Import 해주면 됩니다.

$ import numpy as np

 

 

np.array()

---

np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15], dtype = int)

array 함수에 원하는 정보를 첫번째 파라미터로 넣어주고,

dtype을 이용해서 type을 지정해줍니다.

 

 

np.zeros()

---

$ np.zeros((3, 5), dtype = int)

zeros()는 array(배열)안에 '0'으로 가득 채워주는 함수입니다.

 

 

np.ones()

---

$ np.ones((4, 4), dtype = int)

ones()는 array(배열)안에 '1'로 가득 채워주는 함수입니다.

 

 

np.random.rand()

---

$ np.random.rand(1, 5)

random.rand()는 0부터 1까지의 난수를 (x, y) x행 y열만큼 반환해주는 함수입니다.

 

 

np.random.randn()

---

$ np.random.randn(1, 5)

np.random.randn()은 평균 0과 표준편차 1인 가우시안 표준정규분포에서 난수를 (x, y) x행 y열만큼 반환해주는 함수입니다.

 

 

 

object.shape

---

ndarray = np.ones((2,4))

ndarray.shape

shape는 튜플(Tuple) 배열의 차원을 알려줍니다.

(Row, Column)

 

 

 

object.ndim

---

ndarray = np.ones((2, 4, 1))

ndarray.ndim

ndim은 array의 차원을 알려줍니다.

 

 

 

object.reshape()

---

ndarray = np.ones((2, 4))
ndarray.reshape(4, 2)

reshape는 배열의 구조를 재배열해줍니다.

 

 

ndarray = np.ones((2, 4))
ndarray.reshape(1, -1)

reshape 파라미터에 '-1'을 넣으면 랜덤으로 열(or 행)의 차원을 정해줍니다.

 

 

object.dtype

---

ndarray = np.ones((2, 4))
ndarray.dtype

ndarray의 데이터 타입을 알려줍니다.

 

 

np.arrange().reshape()

---

ndarray = np.arange(2, 22).reshape(4, 5)
ndarray

arraynge() 함수 안에는 array 안에서 증가할 값의 범위가 파라미터로 들어가며, 

reshape() 함수에는 array의 차원을 지정해 줍니다.

 

 

np.dot()

---

ndarray1 = np.arange(2, 22).reshape(4, 5)
ndarray2 = np.arange(0, 5).reshape(5, 1)

ndarray3 = np.dot(ndarray1, ndarray2)
ndarray3

dot() 함수는 두 행렬의 내적을 구해주는 함수입니다.

 

 

 

object.T

---

ndarray1 = np.arange(2, 22).reshape(4, 5)
ndarray2 = np.arange(0, 5).reshape(5, 1)

ndarray3 = np.dot(ndarray1, ndarray2)
ndarray3.T

T는 transpose의 약자로 행렬을 전치시키는 역할을 합니다.

 

 

np.add()

---

ndarray1 = np.arange(2, 22).reshape(4, 5)
ndarray2 = np.arange(0, 5).reshape(5, 1)

ndarray3 = np.dot(ndarray1, ndarray2)
ndarray4 = ndarray3.reshape(2, 2)

np.add(ndarray4, ndarray4)

add()는 두 행렬을 더해주는 함수입니다.

 

 

np.subtract()

---

ndarray1 = np.arange(2, 22).reshape(4, 5)
ndarray2 = np.arange(0, 5).reshape(5, 1)

ndarray3 = np.dot(ndarray1, ndarray2)
ndarray4 = ndarray3.reshape(2, 2)

np.subtract(ndarray4, ndarray4.T)

subtract()는 두 행렬을 빼주는 함수입니다.

 

 

np.multiply()

---

ndarray1 = np.arange(2, 22).reshape(4, 5)
ndarray2 = np.arange(0, 5).reshape(5, 1)

ndarray3 = np.dot(ndarray1, ndarray2)
ndarray4 = ndarray3.reshape(2, 2)

np.multiply(ndarray4, ndarray4.T)

multiply()는 두 행렬을 곱하는 함수입니다.

 

 

np.divide()

---

ndarray1 = np.arange(2, 22).reshape(4, 5)
ndarray2 = np.arange(0, 5).reshape(5, 1)

ndarray3 = np.dot(ndarray1, ndarray2)
ndarray4 = ndarray3.reshape(2, 2)

np.divide(ndarray4, ndarray4.T)

divide()는 두 행렬을 나누는 함수입니다.

 

 

ndarray1 < 10

---

ndarray1 = np.arange(2, 22).reshape(4, 5)
ndarray1

index = ndarray1 < 10
index

부등호를 통해 조건을 정해주면 True/False로 결과가 출력됩니다.

 

 

ndarray1[index]

---

ndarray1 = np.arange(2, 22).reshape(4, 5)
index = ndarray1 < 10

ndarray1[index]

 

index 조건에 맞는 값을 출력해줍니다.

 

 

 

◡̈