PANDAS 자료 구조 (numpy)

pip install numpy

NumPy는 파이썬에서 과학 계산을 위한 강력한 라이브러리입니다. 이 라이브러리를 사용하면 배열 연산, 선형 대수, 통계 등 다양한 수학적 계산을 효율적으로 수행할 수 있습니다. 아래는 NumPy의 주요 기능과 예제 코드입니다.

NumPy 설치

먼저 NumPy를 설치해야 합니다:

pip install numpy​

NumPy 예제 코드

1. 배열 생성 및 기초 연산

import numpy as np

# 1차원 배열 생성
arr1 = np.array([1, 2, 3, 4, 5])
print("1차원 배열:", arr1)

# 2차원 배열 생성
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print("\n2차원 배열:\n", arr2)

# 배열의 크기(shape)와 데이터 타입(dtype) 확인
print("\n배열의 크기:", arr2.shape)
print("배열의 데이터 타입:", arr2.dtype)

2. 배열 연산

import numpy as np

# 배열 덧셈
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
result_add = arr1 + arr2
print("배열 덧셈:", result_add)

# 배열 요소별 곱셈
result_mul = arr1 * arr2
print("배열 요소별 곱셈:", result_mul)

# 배열의 모든 요소 합계
total_sum = np.sum(arr1)
print("배열의 모든 요소 합계:", total_sum)

3. 유용한 함수들

import numpy as np

# 0으로 채워진 배열 생성
zeros_arr = np.zeros((3, 3))
print("0으로 채워진 배열:\n", zeros_arr)

# 1로 채워진 배열 생성
ones_arr = np.ones((2, 4))
print("\n1로 채워진 배열:\n", ones_arr)

# 특정 범위의 숫자로 배열 생성
range_arr = np.arange(10)
print("\n0부터 9까지 숫자로 채워진 배열:", range_arr)

# 배열의 모양 변경
reshaped_arr = range_arr.reshape((2, 5))
print("\n모양이 변경된 배열:\n", reshaped_arr)

4. 배열 인덱싱 및 슬라이싱

import numpy as np

# 1차원 배열 인덱싱
arr = np.array([10, 20, 30, 40, 50])
print("배열의 첫 번째 요소:", arr[0])

# 2차원 배열 인덱싱 및 슬라이싱
arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("\n2차원 배열:\n", arr2d)
print("첫 번째 행:", arr2d[0])
print("첫 번째 열:", arr2d[:, 0])
print("중간 블록:\n", arr2d[0:2, 1:3])

5. 배열의 수학적 연산

import numpy as np

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

# 제곱근 계산
sqrt_arr = np.sqrt(arr)
print("배열의 제곱근:", sqrt_arr)

# 자연 로그 계산
log_arr = np.log(arr)
print("배열의 자연 로그:", log_arr)

# 배열의 평균
mean_val = np.mean(arr)
print("배열의 평균:", mean_val)

# 배열의 표준 편차
std_val = np.std(arr)
print("배열의 표준 편차:", std_val)

요약

• NumPy는 배열 연산, 선형 대수, 통계 등 다양한 수학적 계산을 위한 핵심 라이브러리입니다.
• np.array, np.zeros, np.ones 등을 사용해 배열을 쉽게 생성할 수 있습니다.
• 배열의 인덱싱, 슬라이싱 및 다양한 수학적 연산을 효율적으로 수행할 수 있습니다.