Python Numpy 튜토리얼: 예제로 Python Numpy 배우기

한동안 Python을 공부해 왔다면 NumPy를 본 적이 있을 것입니다. 그리고 당신은 그것이 무엇이며 왜 그것이 그렇게 중요한지 궁금했을 것입니다. 이 Python Numpy 튜토리얼 에서는 이에 대해 배울 수 있습니다. NumPy 뿐만 아니라 NumPy 배열과 그 기능을 이해하게 될 것입니다.

현대 프로그래머에게는 Python에 대한 숙달이 필요합니다. 그리고 이 Python NumPy 튜토리얼은 Python을 더 잘 이해하는 데 도움이 될 것입니다. 매우 상세하므로 나중에 참조할 수 있도록 이 페이지를 책갈피에 추가하는 것이 좋습니다.

세계 최고의 대학에서 데이터 과학 온라인 과정 을 배우십시오 . 이그 제 큐 티브 PG 프로그램, 고급 인증 프로그램 또는 석사 프로그램을 획득하여 경력을 빠르게 추적하십시오.

파이썬 NumPy는 무엇입니까?

NumPy는 '숫자 파이썬'의 약자입니다. 짐작하셨겠지만 수치 연산과 컴퓨팅에 중점을 둡니다. Numpy는 Python 패키지이며 과학 계산을 위한 주요 라이브러리입니다. 여기에는 n차원 배열 객체와 C와 같은 다른 주요 언어를 통합하는 도구가 있습니다. NumPy 배열을 데이터를 위한 거대한 다차원 컨테이너로 사용할 수 있습니다.

NumPy 배열이란 무엇입니까?

NumPy 배열은 환상적인 n차원 배열 객체입니다. 행과 열이 있으며 이를 사용하여 Python 목록의 요소에 액세스할 수 있습니다. NumPy 배열에서 수행할 수 있는 많은 작업이 있습니다. 기사 뒷부분에서 논의했지만 그 전에 시스템에 NumPy를 설치하는 방법을 이해해야 합니다. 설치하지 않으면 사용할 수 없습니다.

NumPy를 설치하는 방법?

Python NumPy를 설치하려면 명령 프롬프트로 이동하여 'pip install numpy'를 입력해야 합니다. 설치가 완료되면 IDE로 이동하여 'np로 numpy 가져오기'를 통해 numpy를 가져와야 합니다. 이것이 시스템에 Numpy를 설치하는 방법입니다.

다음 코드를 통해 NumPy에서 배열을 쉽게 만들 수 있습니다.

1 numpy를 np로 가져오기

2 a=np.array([1,2,3])

3 인쇄(a)

위 코드의 출력 – [1 2 3]

위의 코드는 1차원 배열을 제공합니다. 다차원 배열을 생성하려면 아래의 예와 비슷한 것을 작성해야 합니다.

1 a=np.array([(1,2,3),(4,5,6)])

2 인쇄(a)

위 코드의 출력 – [[ 1 2 3]

[4 5 6]]

더 읽어보기: 초보자를 위한 25가지 흥미로운 Python 프로젝트 아이디어 및 주제

NumPy의 작업

Python NumPy에는 많은 작업이 있습니다. 그들은 모두 특정 기능을 수행합니다. 다음은 간략한 설명과 함께 해당 기능입니다.

항목 크기:

이 함수의 도움으로 배열 요소의 바이트 크기를 찾을 수 있습니다. 다음 예를 살펴보십시오.

1 numpy를 np로 가져오기

2 a = np.array([(1,2,3)])

3인화(a.itemsize)

위 코드의 출력 – 4

ndim:

ndim 함수는 배열의 차원을 찾는 데 도움이 됩니다. 1차원, 2차원 및 3차원 배열을 가질 수 있다는 것을 알아야 합니다. 다음은 이 기능의 예입니다.

1 numpy를 np로 가져오기

2 a = np.array([(1,2,3),(4,5,6)])

3 인쇄(a.ndim)

위 코드의 출력 – 2

모양을 바꾸다:

reshape 작업의 도움으로 배열에 있는 행과 열의 수를 변경할 수 있습니다. 하나의 배열에 3개의 열과 2개의 행이 있다고 가정합니다. reshape를 통해 2열 3행으로 변경할 수 있습니다. 다음 예를 통해 실제로 확인하십시오.

1 numpy를 np로 가져오기

2 a = np.array([(8,9,10),(11,12,13)])

3 인쇄(a)

4 a=a.reshape(3,2)

5 인쇄(a)

위 코드의 출력 – [[ 8 9 10] [11 12 13]] [[ 8 9] [10 11] [12 13]]

슬라이싱:

슬라이싱 작업을 사용하여 필요한 배열에서 특정 요소 집합을 추출할 수 있습니다. 즉, 배열을 '슬라이스'하고 동일한 부분을 얻을 수 있습니다. 배열이 있고 여기에서 특정 요소를 추출하려는 경우 다음과 같은 방법으로 처리할 수 있습니다.

1 numpy를 np로 가져오기

2 a=np.array([(1,2,3,4),(3,4,5,6)])

3 인쇄(a[0,2])

위 코드의 출력 – 3

위의 예에서 첫 번째 배열의 인덱스는 0이고 두 번째 배열의 인덱스는 1입니다. 따라서 코드는 첫 번째 배열의 두 번째 요소(인덱스 0)를 인쇄해야 한다고 말합니다. 배열의 첫 번째 인덱스와 0번째 인덱스에서 두 번째 요소가 필요하다고 가정합니다. 그런 다음 다음 코드를 사용합니다.

1 numpy를 np로 가져오기

2 a=np.array([(1,2,3,4),(3,4,5,6)])

3 인쇄(a[0:,2])

위 코드의 출력 – [3 5]

읽어보기: 인도의 Python 개발자 급여

유형:

dtype 함수를 사용하면 배열 요소의 데이터 유형을 찾는 옵션이 있습니다. 필요한 구성 요소의 데이터 유형과 크기를 제공합니다. 작동 방식을 보려면 다음 예를 살펴보십시오.

1 numpy를 np로 가져오기

2 a = np.array([(1,2,3)])

3 인쇄(a.dtype)

위 코드의 출력 – int32

'shape' 및 'size' 함수를 사용하여 배열의 모양과 크기도 찾을 수 있습니다. Python NumPy 자습서의 이 예제를 살펴보고 이러한 기능을 올바르게 이해하십시오.

1 numpy를 np로 가져오기

2 a = np.array([(1,2,3,4,5,6)])

3인화(a.size)

4 인쇄(a.shape)

위 코드의 출력 – 6 (1,6)

린스페이스 :

linspace 연산의 도움으로 언급한 간격에 따라 균일한 간격의 숫자를 얻을 수 있습니다. linspace 함수에는 용도가 있으며 다음은 사용 방법의 예입니다.

1 numpy를 np로 가져오기

2 a=np.linspace(1,3,10)

3 인쇄(a)

위 코드의 출력 - [ 1. 1.22222222 1.44444444 1.66666667 1.88888889 2.11111111 2.33333333 2.55555556 2.7777777

제곱근 및 표준 편차

Python NumPy를 사용하면 다양한 수학 연산을 수행할 수 있습니다. 그리고 이러한 연산 중 하나는 필요한 배열의 제곱근을 유도하는 것입니다. NumPy 배열의 표준 편차를 얻을 수도 있습니다. 이와 관련하여 도움이 되는 자세한 예는 다음과 같습니다.

1 numpy를 np로 가져오기

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

3 인쇄(np.sqrt(a))

4 인쇄(np.std(a))

위 코드의 출력 - [[ 1. 1.41421356 1.73205081]

[ 1.73205081 2. 2.23606798 ]]

1.29099444874

최대/최소

특정 연산을 통해서도 배열의 최대값, 최소값, 합을 알 수 있습니다. 최대값과 최소값을 찾는 것은 복잡한 작업을 수행하는 데 많은 도움이 될 수 있습니다. 가지고 있는 배열의 최대값, 최소값 및 합계를 찾는 방법은 다음과 같습니다.

1 numpy를 np로 가져오기

2 a= np.array([1,2,3])

3 인쇄(a.min())

4 인쇄(a.max())

5 인쇄(a.sum())

위 코드의 출력 – 1 3 6

수평 및 수직 스태킹

두 배열을 결합하고 싶지만 추가하지 않으려는 경우가 있습니다. 이를 위해 수직 또는 수평으로 쌓을 수 있습니다. 이를 위한 예제 코드는 다음과 같습니다.

1 numpy를 np로 가져오기

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

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

4 인쇄(np.vstack((x,y)))

5 인쇄(np.hstack((x,y)))

위 코드의 출력 – [[1 2 3] [3 4 5] [1 2 3] [3 4 5]]

[[1 2 3 1 2 3] [3 4 5 3 4 5]]

더 읽어보기: Python의 연산자: 산술 초보자 안내서

덧셈

NumPy 배열도 추가할 수 있습니다. 더하기 외에도 두 행렬의 빼기, 나누기 및 곱셈을 수행할 수도 있습니다. 다음은 Python NumPy의 추가 예입니다.

1 numpy를 np로 가져오기

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

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

4 인쇄(x+y)

위 코드의 출력 – [[ 2 4 6] [ 6 8 10]]

앞서 언급했듯이 NumPy 배열에서 빼기 및 나누기를 비롯한 다른 수학 연산을 수행할 수도 있습니다. 방법은 다음과 같습니다.

1 numpy를 np로 가져오기

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

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

4 인쇄(xy)

5 인쇄(x*y)

6 인쇄(x/y)

위 코드의 출력 – [[0 0 0] [0 0 0]]

[[ 1 4 9] [ 9 16 25]]

[[ 1. 1. 1.] [ 1. 1. 1.]]

얽힘

ravel 작업을 사용하면 NumPy 배열을 단일 열인 ravel로 변환할 수 있습니다. 다음은 예입니다.

1 numpy를 np로 가져오기

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

3 인쇄(x.ravel())

코드 출력 – [ 1 2 3 3 4 5]

결론

이 Python NumPy 튜토리얼이 매우 유익하다고 확신합니다. 지금쯤이면 Python NumPy가 무엇이고 그 기능이 무엇인지 이해했을 것입니다. 이 주제에 대해 더 궁금한 점이 있으면 언제든지 알려주십시오.

데이터 과학 에 대해 자세히 알고 싶으시면 작업 전문가를 위해 만들어졌으며 10개 이상의 사례 연구 및 프로젝트, 실용적인 실습 워크샵, 업계 전문가와의 멘토링, 1 - 업계 멘토와 일대일, 400시간 이상의 학습 및 최고의 기업과의 취업 지원.