1. 배열의 연산
1) 기본 연산
🚀 배열 형태 (shape)가 같다면 덧셈과 뺄셈, 곱셈과 나눗셈 연산을 할 수 있음
import numpy as np
arr1 = np.array([10, 20, 30, 40])
arr2 = np.array([1, 2, 3, 4])
# 각 배열의 같은 위치의 원소끼리 더함.
print(arr1 + arr2) # [11 22 33 44]
# 두 배열의 차는 같은 위치의 원소끼리 뺌
print(arr1 - arr2) # [ 9 18 27 36]
# 배열에 상수를 곱하면 각 원소에 상수를 곱함
print(arr1 * 2) # [20 40 60 80]
# 배열의 거듭제곱은 배열의 각 원소에 거듭제곱.
print(arr1 ** 2) # [ 100 400 900 1600]
# 두 배열끼리의 곱셈은 각 원소끼리 곱함.
print(arr1 * arr2) # [ 10 40 90 160]
# 두 배열의 나눗셈은 각 원소끼리 나눔
print(arr1 / arr2) # [10. 10. 10. 10.]
# 배열은 비교 연산도 가능. 원소별로 조건과 일치하는지 검사한 후 일치하면 True를, 그렇지 않으면 False를 반환
print(arr1 > 20) # [False False True True]
2) 통계를 위한 연산
🚀 NumPy에는 배열의 합, 평균, 표준 편차, 분산, 최솟값과 최댓값, 누적 합과 누적 곱 등 주로 통계에서 많이 이용하는 메서드가 있음
▶️ 각각 sum(), mean(), std(), var(), min(), max(), cumsum(), cumprod()
import numpy as np
arr3 = np.arange(5)
print(arr3) # [0 1 2 3 4]
# 합
print(arr3.sum()) # 10
# 평균
print(arr3.mean()) # 2.0
# 표준 편차
print(arr3.std()) # 1.4142135623730951
# 분산
print(arr3.var()) # 2.0
# 최솟값
print(arr3.min()) # 0
# 최댓값
print(arr3.max()) # 4
arr4 = np.arange(1, 5)
print(arr4) # [1 2 3 4]
# 누적 합
print(arr4.cumsum()) # [ 1 3 6 10]
# 누적 곱
print(arr4.cumprod()) # [ 1 2 6 24]
3) 배열의 인덱싱과 슬라이싱
🚀 인덱싱 Indexing : 배열의 위치나 조건을 지정해 배열의 원소를 선택
🚀 슬라이싱 Slicing : 범위를 지정해 배열의 원소를 선택
1) 배열의 인덱싱
👾 1차원 배열에서 특정 위치의 원소를 선택하려면 원소의 위치를 지정
👾 배열명[위치] : 배열 원소의 위치는 0부터 시작
import numpy as np
a1 = np.array([0, 10, 20, 30, 40, 50])
print(a1[0]) # 0
print(a1[4]) # 40
# 배열을 변경
a1[5] = 70
print(a1) # [ 0 10 20 30 40 70]
👾 1차원 배열에서 여러 개의 원소를 선택
▶️ 배열명[위치1, 위치2, ..., 위치n]
👾 2차원 배열에서 특정 위치의 원소를 선택하려면 행과 열의 위치를 지정
▶️ 배열명[행_위치, 열_위치]
👾 2차원 배열의 여러 원소를 선택하기 위해서 아래와 같이 지정
▶️ 배열명[[행_위치1, 행_위치2, ..., 행_위치n], [열_위치1, 열_위치2, ..., 열_위치n]]
# 1차원 배열
print(a1[[1, 3, 4]]) # [10 30 40]
# 2차원 배열
# 10부터 99까지 10씩 증가하는 1차원 배열을 생성한 후에 3행 3열의 2차원 배열로 모양을 바꿈.
a2 = np.arange(10, 100, 10).reshape(3, 3)
print(a2)
# [[10 20 30]
# [40 50 60]
# [70 80 90]]
# 2차원 배열 원소 선택
# 행 위치가 0이고, 열 위치가 2인 원소를 반환.
print(a2[0, 2]) # 30
print(a2[0][2]) # 30
# 2차원 배열의 행과 열의 위치를 지정해서 원소를 선택한 후 값을 변경할 수 있음
a2[2, 2] = 95
print(a2)
# [[10 20 30]
# [40 50 60]
# [70 80 95]]
# 2차원 배열 여러 원소 선택
print(a2[[0, 2], [0, 1]]) # [10 80]
👾 배열에 조건을 지정해 조건을 만족하는 배열을 선택
▶️ 배열명[조건]
a = np.array([1, 2, 3, 4, 5, 6])
print(a[a > 3]) # [4 5 6]
# 짝수만 선택하는 예
print(a[(a % 2) == 0]) # [2 4 6]
# -인덱스도 사용가능
print(a1[-2]) # 40
2) 배열의 슬라이싱
👾 1차원 배열의 경우 슬라이싱은 배열의 시작과 끝 위치를 지정
👾 배열[시작_위치:끝_위치]
👾 반환되는 원소의 범위는 '시작_위치 ~ 끝_위치 -1'
▶️ 시작 위치를 지정하지 않으면 0
▶️ 끝 위치를 지정하지 않으면 배열이 길이
import numpy as np
b1 = np.array([0, 10, 20, 30, 40, 50])
print(b1[1:4]) # [10 20 30]
# 1차원 배열에서 '시작_위치'와 '끝_위치'를 지정하지 않고 슬라이싱하는 예.
print(b1[:3]) # [ 0 10 20]
print(b1[2:]) # [20 30 40 50]
print(b1[:]) # [ 0 10 20 30 40 50]
# 슬라이싱을 이용해 원소를 변경할 수 있음.
b1[2:5] = np.array([25, 35, 45])
print(b1) # [ 0 10 25 35 45 50]
# 여러 원소의 값을 같은 값으로 변경하는 예
b1[3:6] = 60
print(b1) # [ 0 10 25 60 60 60]
[ 내용 참고 : IT 학원 강의 ]
'Programming Language > Python' 카테고리의 다른 글
| [Python] 판다스(Pandas) | DataFrame 데이터생성, Series와 DataFrame 데이터 연산 방법 (0) | 2024.03.12 |
|---|---|
| [Python] 판다스(Pandas) | 정의, Series(), np.nan, data_range() 함수, 날짜 및 시간 생성 (0) | 2024.03.12 |
| [Python] 넘파이(Numpy) | 정의, 배열 생성 방법 및 관련 함수, 데이터 형식 (0) | 2024.03.11 |
| [Python] 웹 크롤링 | 이미지 가져오기 및 저장 (0) | 2024.03.10 |
| [Python] 웹 크롤링 | BeautifulSoup의 select_one() 과 select(), CSS select 지정 형식 (0) | 2024.03.08 |
