Python - Numpy 배열 생성

배열 생성 : np.array()

Numpy array는 한 가지 동일한 자료형이어야 함 (Python list는 여러가지 자료형을 한 번에 다룰 수 있다는 차이점!)

두 array의 모양이 같을 경우(원소 개수 동일), 두 array 간에 연산 사용이 가능

import numpy as np

num1 = [1, 2, 3, 4]
num2 = [3, 4, 5, 6]

arr1 = np.array(num1)
arr2 = np.array(num2)
arr1 + arr2
-----------------------------
# result 
array([ 4,  6,  8, 10])

 

 

데이터 타입 확인 : dtype

data1 = [0, 1, 2, 3, 4, 5]
a1 = np.array(data1)
a1.dtype
-----------------------------
# result
dtype('int32')

np.array([0.5, 2, 0.01, 8]).dtype
----------------------------------
# result
dtype('float64')

 

범위를 지정해 배열 생성: np.arange(start, stop, step)

np.arange(0, 10, 2)
np.arange(10) 
----------------------------
# result
array([0, 2, 4, 6, 8])
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

 

배열 변경: 배열.reshape(m, n) 

arange로 생성되는 배열의 원소 개수와 reshape(m, n)의 m * n의 개수는 같아야 함

3차원 함수는 reshape(층, 행, 열)

np.arange(12).reshape(4, 3) # 4개의 행, 3개의 열
----------------------------
# result 
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])

np.arange(12).reshape(2, 2, 3)
-------------------------------
# result
array([[[ 0,  1,  2],
        [ 3,  4,  5]],

       [[ 6,  7,  8],
        [ 9, 10, 11]]])

 

배열 형태 확인 : shape

b1 = np.arange(12).reshape(2, 2, 3)
b1.shape
-------------------------------------
# result
(2, 2, 3)

b2 = np.arange(5)
b2.shape # (5,) => 1차원이라는 것
---------------------------------
# result
(5,)

 

np.linspace(start, stop, num)

start부터 stop까지 num개의 Numpy 배열 생성 

* arange와 linspace의 차이점

 - np.arange(start, stop, step) : 간격의 크기를 결정할 수 있음

 - np.linspace (start, stop, num) : 간격 안에서 생성되는 수의 개수를 결정할 수 있음 

np.linspace(0, 10, 5)
---------------------------------
# result
array([ 0. ,  2.5,  5. ,  7.5, 10. ])

 

np.zeros()

모든 원소가 0인 배열 생성

np.zeros(10)  # 1차원 배열 생성
np.zeros((2, 2)) # 2차원 배열 생성
------------------------------------------------
# result
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
array([[0., 0.],
       [0., 0.]])

 

np.ones()

모든 원소가 1인 배열 생성

np.ones(10)
np.ones((2, 2))
--------------------------------------------------
# result
array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])
array([[1., 1.],
       [1., 1.]])

 

np.eye() : 단위행렬

n x n인 정사각형 행렬에서 주 대각선이 모두 1이고 나머지는 0인 행렬 

arr_I = np.eye(3)
arr_I
-----------------
# result
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

 

astype() : 배열의 형 변환

정수 변환

f1 = np.array([10, 21, 0.549, 4.75, 5.98])
num_f1 = f1.astype(int)
num_f1
-------------------------------------------
# result
array([10, 21,  0,  4,  5])

 

실수변환

f1 = np.array([10, 21, 0.549, 4.75, 5.98])
num_f1 = f1.astype(float)
num_f1
---------------------------------------------
# result
array([10.   , 21.   ,  0.549,  4.75 ,  5.98 ])

 

np.random.rand() 

실수 난수를 요소로 갖는 Numpy 배열 생성 

np.random.rand(배열)

*random: 0~1 사이의 임의의 실수를 발생시키는 함수 (파이썬 내장 모듈)

np.random.rand(2, 3)
---------------------
# result
array([[0.24945416, 0.48973284, 0.80633022],
       [0.09285956, 0.86042556, 0.84168378]])

 

np.random.randint()

np.random.randint(low, high, size) low 이상 high 미만 사이의 size 배열 생성 (size 생략시 1로 간주함)

np.random.randint(1, 100, 10)
------------------------------
# result
array([36, 14, 52,  5,  8, 98, 64, 28, 36, 50])

np.random.randint(0, 10, (2,5))
--------------------------------
# result
array([[6, 7, 9, 1, 3],
       [9, 0, 6, 3, 1]])