[Numpy] 1강_Numpy 개요 및 배열생성

1. 넘파이 (NumPy)

• http://www.numpy.org
• Numerical Python (숫자를 다루는 파이썬)
• 벡터, 행렬 연산을 위한 수치해석용 파이썬 라이브러리
  • 강력한 다차원 배열(array) 지원
  • 빠른 수치 계산을 위한 structured array, 벡터화 연산(벡터연산 지원), 브로드캐스팅 기법등을 통한 다차원 배열과 행렬연산에 필요한 다양한 함수를 제공한다.
  • 파이썬 List 보다 더 많은 데이터를 더 빠르게 처리
• 많은 과학 연산 라이브러리들이 Numpy를 기반으로 한다.
  • scipy, matplotlib, pandas, scikit-learn, statsmodels등
• 선형대수, 난수 생성, 푸리에 변환 기능 지원

---

📍 넘파이에서 데이터 구조

• 스칼라 (Scalar)
  • 값 하나.
• 벡터 (Vector)
  • 여러개의 값들을 순서대로 모아놓은 데이터 모음(데이터 레코드)
  • 1D Tensor, 1D Array (1차원 배열)
• 행렬 (Matrix)
  • 벡터들을 모아놓은 데이터 집합. 2개의 방향으로 값들이 관리된다.
  • 2D Tensor, 2D Array (2차원 배열)
• 텐서 (Tensor)
  • 같은 크기의 행렬들(텐서들)을 모아놓은 데이터 집합. N개의 방향으로 값들이 관리된다.
  • ND Tensor, ND Array (다차원 배열)

---

📍 용어

• 축 (axis)
  • 값들의 나열 방향
  • 하나의 축(axis)는 하나의 범주(분류, Category)이다.
• 랭크 (rank)
  • 데이터 집합에서 축의 개수.
  • 차원 (dimension) 이라고도 한다.
• 형태/형상 (shape)
  • 각 축(axis) 별 데이터의 개수
• 크기 (size)
  • 배열내 원소의 총 개수

---

 

2. 넘파이 배열(ndarray)

• Numpy에서 제공하는 N 차원 배열 객체
• 같은 타입의 값들만 가질 수 있다.
• 축(Axis)별 데이터의 개수는 모두 동일하다.
• 빠르고 메모리를 효율적으로 사용하며 벡터 연산과 브로드캐스팅 기능을 제공한다.

---

3. 배열 생성 함수

---

📍 array(배열형태 객체 [, dtype ])

• 배열형태 객체가 가진 원소들로 구성된 numpy 배열 생성
• 원하는 값들로 구성된 배열을 만들때 사용한다.
• 다차원(2차원이상) 배열을 만들 경우 각 axis(축)의 size(데이터의 개수)가 동일하도록 한다.

🌓  데이터 타입

 

🌓  Numpy Datatype

• 부호없는 정수형은 양수만 해당된다.
• 정수형은 양수 음수 둘다 해당된다.
• Uint를 사용하는 경우는 영상데이터에 사용된다.(양수만 사용)
• 보통 size를 입력하는것 보다 shape을 입력하는 경우가 더 많다.
• 정수를 읽을 수 있는 크기.
  • 8비트: ~128 ~127,
  • 16비트 : ~3만 5천 ~ + 3만 5천,
  • 32비트: ~21억 ~ +21억,
  • 64비트: ~9경 ~ +9경

---

📍 동일한 값들로 구성된 배열 생성

🌓  zeros(shape [, dtype ])

영벡터 생성 : 원소들을 0으로 채운 배열

• shape : 형태 지정
  • 정수: 1차원일 경우 원소의 개수를 지정
  • 튜플: 다차원 배열의 각 축별 size를 설정
• dtype : 데이터타입 지정(생략시 float64)

import numpy as np
a = np.zeros((4, 6), dtype = np.int32)
print(a.shape)
print(a.dtype)
print(a)
>>>
(4, 6)
int32
[[0 0 0 0 0 0]
 [0 0 0 0 0 0]
 [0 0 0 0 0 0]
 [0 0 0 0 0 0]]

🌓  ones(shape [,dtype])

일벡터 생성 : 원소들을 1로 채운 배열을 생성

• shape : 형태 지정
  • 정수: 1차원일 경우 원소의 개수를 지정
  • 튜플: 다차원 배열의 각 축별 size를 설정
• dtype : 데이터타입 지정(생략시 float64)

🌓  full(shape, fill_value [, dtype])

원소들을 원하는 값으로 채운 배열 생성

• shape : 형태 지정
  • 정수: 1차원일 경우 원소의 개수를 지정
  • 튜플: 다차원 배열의 각 축별 size를 설정
• fill_vlaue : 채울 값
• dtype : 데이터타입 지정(생략시 float64)

# a4 = np.full(shape = (3, 4), fill_value = 'aaa') # dtype은 생략시 값에 맞춰서 설정한다.
a4 = np.full(shape = (3, 4), fill_value = 5.2)
print(a4.shape, a4.dtype)
a4 # '<U1' 은 문자열이다.
>>>
(3, 4) float64
array([[5.2, 5.2, 5.2, 5.2],
       [5.2, 5.2, 5.2, 5.2],
       [5.2, 5.2, 5.2, 5.2]])

🌓  zeros_like(ndarray), ones_like(ndarray), full_like(ndarray, fill_value)

• 매개변수로 받은 배열과 같은 shape의 배열을 생성한다.

az = np.zeros_like(a4)
print(az)
>>>
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]

---

📍 특정 범위내에서 동일한 간격의 값들로 구성된 배열생성

🌓  arange(start, stop, step, dtype)

• start에서 stop 범위에서 step의 일정한 간격의 값들로 구성된 배열 리턴. 1차원 배열만 생성할 수 있다.
  • API
  • start : 범위의 시작값으로 포함된다.(생략가능 - 기본값:0)
  • stop : 범위의 끝값으로 포함되지 않는다. (필수)
  • step : 간격 (기본값 1) // 0.1같은 실수도 가능!!
  • dtype : 요소의 타입
  • 1차원 배열만 생성가능

🌓  linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

• 시작과 끝을 균등하게 나눈 값들을 가지는 배열을 생성
• 등분하는 함수인데 끝을 포함한다.
  • API
  • start : 시작값
  • stop : 종료값
  • num : 나눌 개수. 기본-50, 양수 여야한다.
  • endpoint : stop을 포함시킬 것인지 여부. 기본 True
  • retstep : 생성된 배열 샘플과 함께 간격(step)도 리턴할지 여부. True일경우 간격도 리턴(sample, step) => 튜플로 받는다.
  • dtype : 데이터 타입
  • 1차원 배열만 생성가능

---

📍 난수(Random value)를 원소로 하는 ndarray 생성

• numpy의 서브패키지인 random 패키지에서 제공하는 함수들을 이용해 생성

np.random.seed(0)
np.random.randint(1, 100, size = (4, 5)) 
# 시드값으로 인해 나오는 난수의 출력값은 순서가 있다!!
>>>
array([[80,  5, 43, 59, 32],
       [ 2, 66, 42, 58, 36],
       [12, 47, 83, 92,  1],
       [15, 54, 13, 43, 85]])

🌓  이해 도와주기.

1. 머신러닝 알고리즘은 이 난수를 이용하는 것들이 많다.
2. 머신러닝 알고리즘 개발할때 난수를 넣고 돌린다.
3. 성능이 50점이 나와 개선이 필요하다.
4. 100점이 나오기 위해 알고리즘을 개선시켜야 한다.
5. 그래서 난수를 하나의 기준으로 정한다.
   • 알고리즘을 개선 시켰다. 그것을 알기 위해선 똑같은 입력값이 필요하기 때문이다.
6. seed 값을 자주 사용한다.

🌓  np.random.seed(시드값)

• 난수 발생 알고리즘이 사용할 시작값(시드값)을 설정
• 시드값을 설정하면 항상 일정한 순서의 난수(random value)가 발생한다.

🌓  np.random.rand([axis0, axis1, axis2, ...])

• API
• 0~1사이의 실수를 리턴 (float64)
• 축의 크기는 순서대로 나열한다.

np.random.rand()
np.random.rand(5)       # 원소가 5개인 1차원 배열
np.random.rand(3, 2)    # (3, 2) 2차원 배열
np.random.rand(3, 4, 2) # (3, 4, 2) 3차원 배열
>>>
array([[[0.10286336, 0.09237389],
        [0.35404666, 0.55181626],
        [0.03362509, 0.96896177],
        [0.32099724, 0.22126269]],

       [[0.1412639 , 0.09725993],
        [0.98404224, 0.26034093],
        [0.53702252, 0.44792617],
        [0.09956909, 0.35231166]],

       [[0.46924917, 0.84114013],
        [0.90464774, 0.03755938],
        [0.50831545, 0.16684751],
        [0.77905102, 0.8649333 ]]])

🌓  np.random.normal(loc=0.0, scale=1.0, size=None)

• 정규분포를 따르는 난수. => 평균 과 표준편차로 값이 정해진다.
  • API
  • loc: 평균
  • scale: 표준편차
  • loc, scale 생략시 표준정규 분포를 따르는 난수를 제공

  a = np.random.normal()  
  # 평균:0 , 표준편차:1 ===> 표준 정규 분포   (2표준편차 범위(평균 - 2*표준편차 ~ 평균 + 2*표준편차) => 95%)
  a
  >>>
  -1.0619793207360517

  a2 = np.random.normal(100,20) # 60 ~ 140(95%)
  a2
  >>>
  62.85825123844198

  a3 = np.random.normal(10, 2, size = (5,3)) # 8 ~ 12(70%), 6 ~ 14(95%) 나옴.
  print(a3.shape)
  a3
  >>>
  (5, 3)
  array([[10.58671464, 12.97451495,  8.7230402 ],
         [11.41753767,  9.83494457,  8.62523253],
         [ 7.17737684, 11.24276741, 10.61702247],
         [ 9.33812127,  9.02956773,  9.87957636],
         [ 6.88070615,  9.41718934, 11.60814385]])

  plt.hist(a3.flatten())
  plt.show()

plt.hist(np.random.normal(10, 2, size = 10000), bins = 30)
plt.show()

🌓  np.random.randint(low, high=None, size=None, dtype='int32')

• 임의의 정수를 가지는 배열
  • API
  • low ~ high 사이의 정수 리턴. high는 포함안됨
  • high 생략시 0 ~ low 사이 정수 리턴. low는 포함안됨
  • size : 배열의 크기. 다차원은 튜플로 지정 기본 1개
  • dtype : 원소의 타입

np.random.randint(-10, 10, size = (2, 3, 4))
# np.random.randint(-10, 10, (2, 3, 4))
>>>
array([[[ -6,  -9,   4,   6],
        [-10,  -9,   5,   4],
        [  3,   7, -10,  -8]],

       [[  9,   8,  -2, -10],
        [  5,   3,   4,   8],
        [  0,  -6,  -2,  -9]]])

🌓  np.random.choice(a, size=None, replace=True, p=None)

• API
• 샘플링(표본추출) 메소드
• a : 샘플링대상. 1차원 배열 또는 정수 (정수일 경우 0 ~ 정수, 정수 불포함)
• size : 샘플 개수
• replace : True-복원추출(기본), False-비복원추출
• p: 샘플링할 대상 값들이 추출될 확률 지정한 배열

np.random.choice([1,2,3], size = 10, replace = False)
# (3, 2)
# 중복 추출이 안됨( replace = False) ==> 비복원추출 // 모수의 size 초과 추출 안됨.

a = np.random.choice([True, False], size = (5, 5), p = [0.9, 0.1]) # p - 각 값이 나올 확률을 지정. 0.x 합이 1
a
>>>
array([[ True,  True,  True,  True,  True],
       [ True,  True, False,  True, False],
       [ True,  True,  True,  True,  True],
       [ True,  True,  True,  True,  True],
       [ True,  True,  True,  True,  True]])

np.unique(a, return_counts = True) # s.value_counts() 같은 것.
>>>
(array([False,  True]), array([ 2, 23]))