[Python for ML] Numpy - 1

coefficient_matrix = [[2, 2, 1], [2, -1, 2], [1, -1, 2]]
constant_vector = [9, 6, 5]

위와 같이 Matrix와 Vector를 List 형식으로 표현할 수 있을 것이다.

하지만 다음과 같은 문제가 발생한다.

 

• 다양한 Matrix 계산을 어떻게 만들 것 인가?
• 굉장히 큰 Matrix 를 표현하는 방법
• 처리 속도 문제 - 파이썬은 Interpreter 언어

적절한 패키지를 사용하자

---

Numpy

• Numerical Python
• 파이썬의 고성능 과학 계산용 패키지
• Matirx와 Vector와 같은 Array 연산의 사실상 파이썬의 표준

 

Numpy 특징

• 일반 List에 비해 빠르고, 메모리 효율적
• 반복문 없이 데이터 배열에 대한 처리를 지원함
• 선형대수와 관련된 다양한 기능을 제공함
• C, C++, Fortran 등의 언어와 통합 가능

Numpy 와 Python 데이터를 저장하는 차이

 

1. Array 생성

• numpy는 np.array 함수를 활용하여 배열을 생성 -> ndarray
• numpy는 하나의 데이터 type만 배열에 넣을 수 있음
• List와 가장 큰 차이점으로 Dynamic typing not supported
• C의 Array를 사용하여 배열을 생성함

import numpy as np

test_array = np.array([1, 4, 5, 8], float)    # 데이터 타입 지정
print(test_array)
print(type(test_array[3]))

[1. 4. 5. 8.]

numpy.float64

 

2. Array Shape

• shape : numpy array의 dimension 구성을 반환함
• dtype : numpy array의 데이터 type을 반환함
• ndim : numer of dimension
• size : data의 개수

import numpy as np

test_array = np.array([1,4,5,"8"], float)  #Sring Type의 데이터를 입력해도
print(test_array)
print(type(test_array[3]))  # Float Type으로 자동 형변환 실시
print(test_array.dtype)     # Array(배열) 전체의 데이터 Type을 반환함
print(test_array.shape)     # Array(배열) 의 shape을 반환함

print(np.array(test_array, int).ndim)    # numer of dimension
print(np.array(test_array, int).size)    # 총 data의 개수

[1. 4. 5. 8.]
<class 'numpy.float64'>
float64
(4,)     <-  Tuple 타입

1

4

Array 표현 예

1차원

2차원

3차원

 

 

2-1. Array reshape & flatten

• Array의 shape의 크기를 변경함 (size는 같지만, dimension이 달라짐)

import numpy as np

test_matrix = [[1,2,3,4], [1,2,5,8]]
print(np.array(test_matrix).shape)
print(np.array(test_matrix).reshape(2,2,2))
print(np.array(test_matrix).reshape(-1,2).shape)  # -1 : size를 기반으로 row 개수 선정
print(np.array(test_matrix).flatten())  # 3차원 -> 1차원, 2차원 -> 1차원

(2,4)

[[[1 2],
  [3 4]],

 [[1 2],
  [5 8]]]

(4,2)

[1 2 3 4 1 2 5 8]

 

3. Indexing

• List와 달리 이차원 배열에서 [0,0] 과 같은 표기법을 제공
• Matrix 일경우 앞은 row, 뒤는 column을 의미함

a = np.array([[1, 2, 3], [4.5, 5, 6]], int)
print(a)
print(a[0,0])   # Two dimensional array representation #1
print(a[0][0])  # Two dimensional array representation #2

a[0,0] = 12  # Matrix 0,0에 12 할당
print(a)
a[0][0] = 5  # Matrix 0,0에 5 할당
print(a)

[[1 2 3]
 [4 5 6]]
1
1
[[12  2  3]
 [ 4  5  6]]
[[5 2 3]
 [4 5 6]]

 

 

4. Slicing

• List와 달리 행과 열 부분을 나눠서 slicing이 가능함
• Matrix의 부분 집합을 추출할 때 반복문 없이 할 수 있어 유용함

a = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]], int)
a[:,2:]  # Row = 전체, Col = 2 이상
a[1,1:3] # Row = 1, Col = 1~2
a[1:3]   # Row = 1~2

 

 

 

 

 

Creation function, Operation functions, array opeartions, comparsions, Boolean index, fancy index, numpy data i/o

등 나머지는 Numpy - 2 에서 계속