[F-09] Numpy, Pandas 이해하기

배열 Array

index와 그 index에 대응하는 데이터의 묶음

• list(파이썬): 가변적 시퀀스형, 동적 배열, 다른 타입의 자료형이 허용 된다.
• array: import 필요, 다른 타입의 자료형 입력 불가

import array as arr

mylist = [1, 2, 3]   # 이것은 파이썬 built-in list입니다. 
print(type(mylist))

mylist.append('4')  # mylist의 끝에 character '4'를 추가합니다. 
print(mylist)

mylist.insert(1, 5)  # mylist의 두번째 자리에 5를 끼워넣습니다.
print(mylist)

숫자형으로만 이루어진 mylist에 문자열 '4'를 추가할 수 있다.

myarray = arr.array('i', [1, 2, 3])   # 이것은 array입니다. import array를 해야 쓸 수 있습니다.
print(type(myarray))

# 아래 라인을실행하면 에러가 납니다.
myarray.append('4')    # myarray의 끝에 character '4'를 추가합니다. 
print(myarray)

>> TypeError: an integer is required (got type str)

array는 처음부터 인자의 타입을 지정해서 생성하고, 지정된 타입 외의 인자는 받지 않는다.

타입 코드: 정수 = 'i' , 실수 = 'd'

따라서 정수로 인자의 유형을 정한 myarray에 문자열인 '4'를 추가하려고 하면 오류가 난다.

myarray.insert(1, 5)    # myarray의 두번째 자리에 5를 끼워넣습니다.
print(myarray)

정수 인자인 5는 삽입이 가능하다.

• list와 array의 차이

1) array: array는 입력된 인자를 연속된 메모리 공간에 저장한다. 따라서 인덱스를 활용한 직접 접근이 용이하다. (myarray[2] 과 같이 배열 속 인자에 빠르게 접근 가능) 대신에 인자의 추가와 삭제는 용이하지 않다.

2) list: 반면 list는 인자를 연속된 위치가 아닌 떨어진 영역에 저장한다. 대신에 인자와 함께 다음 인자를 지목하는 pointer를 함께 저장한다. (마치 like 보물찾기) 인자의 추가와 삭제 시 pointer 정보만 바꾸면 되기 때문에 상대적으로 쉽다.

📍 파이썬 list는 array와 list의 특징을 모두 가지고 있음

______________________________________________________________________________________________________________________________________

Numpy

NumPy 공식 홈페이지

Numerical Python. 대규모 다차원 배열을 쉽게 처리할 수 있도록 지원하는 파이썬 패키지

• ndarray 객체: NumPy가 지원하는 다차원 배열, NumPy는 ndarray를 기준으로 선형대수 연산이 필요한 알고리즘에 쓰인다.

---

1) ndarray 만들기

arange()와 array([])로 만들 수 있음.

import numpy as np

# 아래 A와 B는 결과적으로 같은 ndarray 객체를 생성합니다. 
A = np.arange(5)
B = np.array([0,1,2,3,4])  # 파이썬 리스트를 numpy ndarray로 변환

# 하지만 C는 좀 다를 것입니다. 
C = np.array([0,1,2,3,'4'])

# D도 A, B와 같은 결과를 내겠지만, B의 방법을 권합니다. 
D = np.ndarray((5,), np.int64, np.array([0,1,2,3,4]))

print(A)
print(type(A))
print("--------------------------")
print(B)
print(type(B))
print("--------------------------")
print(C)
print(type(C))
print("--------------------------")
print(D)
print(type(D))

[0 1 2 3 4]
<class 'numpy.ndarray'>
--------------------------
[0 1 2 3 4]
<class 'numpy.ndarray'>
--------------------------
['0' '1' '2' '3' '4']
<class 'numpy.ndarray'>
--------------------------
[0 1 2 3 4]
<class 'numpy.ndarray'>

C의 경우는 문자열인 4가 하나 들어가니 모든 인자들이 문자열로 바뀌었음. (데이터 타입이 일정해야 하기 때문에)

---

2) 크기 (size, shape, ndim)

• ndarray.size: 행렬 내 원소의 개수

• ndarray.shape: 행렬의 모양

• ndarray.ndim: 행렬의 axis 개수

reshape() 함수를 이용해서 행렬의 모양을 바꿀 수 있는데, 대신 바꾸기 전 후 행렬의 size가 같아야 한다
예) 1x10 행렬 => 2x5 행렬 O / 1x10 행렬 => 3x3 행렬 X

---

3) type

NumPy와 Python 내장함수는 거의 동일. 다만 type()과 dtype()이 다르다.

• NumPy: numpy.array.dtype

• 파이썬: type()

A = np.array([0, 1, 2, 3, 4, 5])

print(A.dtype)

>> int64

👉 ndarray 원소의 데이터 타입을 반환

print(type(A))

>> <class 'numpy.ndarray`>

👉 A의 클래스인 numpy.ndarray 반환

---

4) 특수 행렬

• 단위행렬: np.eye()

• 0 행렬: np.zeros()

• 1 행렬: np.ones()

---

5) Broadcast 연산

'broadcast': 흩뿌리고 퍼뜨리고 전파하다.

원래는 다른 모양의 배열끼리는 연산이 안되지만 특정 조건이 맞으면 모양이 다른 배열끼리도 연산할 수 있게 해주는 기능.

👉 파이썬 내장 list 와 구별되는 Numpy의 큰 특징

---

6) 슬라이스와 인덱싱

• 인덱싱: np.ndarray[행,열]

• 슬라이싱: np.ndarray[:n행까지,:n열까지]

• 인덱싱과 슬라이싱의 혼합도 가능 예) A[:, -1]

---

7) np.random

• np.random.randint()
• np.random.choice()
• np.random.permutation()
• np.random.normal()
• np.random.uniform()

---

8) 전치행렬

• arr.T: 행렬의 행과 열 맞바꾸기

• np.transpose: 축을 기준으로 행렬의 행과 열 바꾸기 (축을 지정해 줘야 함)

---

기본 통계 연산

• np.sum()
• np.mean()
• np.std()
• np.median(np)

import numpy as np

def numbers():
    X = []
    number = input("Enter a number (<Enter key> to quit)") 
    # 하지만 2개 이상의 숫자를 받아야 한다는 제약조건을 제외하였습니다.
    while number != "":
        try:
            x = float(number)
            X.append(x)
        except ValueError:
            print('>>> NOT a number! Ignored..')
        number = input("Enter a number (<Enter key> to quit)")
    return X

def main():
    nums = numbers()       # 이것은 파이썬 리스트입니다. 
    num = np.array(nums)   # 리스트를 Numpy ndarray로 변환합니다.
    print("합", num.sum())
    print("평균값",num.mean())
    print("표준편차",num.std())
    print("중앙값",np.median(num))   # num.median() 이 아님에 유의해 주세요.

main()

---

이미지의 행렬 변환

A Visual Intro to Numpy and Data Representaion

소리 데이터, 흑백/컬러 이미지, 자연어 모두 NumPy를 이용해 배열로 표현한다.

그 중 이미지는 수많은 픽셀로 이루어져 있는데, 각 픽셀마다 튜플로 색상을 표시한다.