NumPy 소개

NumPy는 수치 계산을 위한 강력한 파이썬 라이브러리입니다. 배열, 수학 함수, 기존 파이썬 리스트보다 훨씬 빠른 연산을 지원합니다.

이번 수업에서는 효율적인 수치 연산에 NumPy를 사용하는 방법을 배웁니다.

NumPy 설치

NumPy를 설치하려면 터미널에서 다음 명령을 사용합니다.

pip install numpy

설치가 완료되면 파이썬 스크립트에서 가져올 수 있습니다.

# Importing numpy
import numpy as np

print("NumPy imported successfully")

NumPy 배열 만들기

NumPy 배열은 파이썬 리스트보다 빠르고 메모리 효율이 높습니다. 리스트에서 배열을 만들거나 내장 함수를 사용해 배열을 만들 수 있습니다.

# Creating arrays
import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr)  # Outputs: [1 2 3 4]

배열 연산

NumPy는 요소별 연산을 지원하며, 이는 목록을 반복해서 처리하는 것보다 훨씬 빠릅니다:

# Element-wise operations
arr = np.array([1, 2, 3, 4])
print(arr + 10)  # Outputs: [11 12 13 14]

배열 인덱싱 및 슬라이싱

NumPy 배열은 고급 인덱싱과 슬라이싱을 지원합니다:

# Indexing and slicing
arr = np.array([10, 20, 30, 40, 50])
print(arr[1:4])  # Outputs: [20 30 40]

다차원 배열 다루기

NumPy는 다차원 배열, 즉 행렬을 지원합니다:

# Creating a 2D array
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)

수학 연산

NumPy는 mean, 중앙값, 표준 편차와 같은 연산을 위한 내장 수학 함수를 제공합니다:

# Mathematical operations
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr))  # Outputs: 3.0

배열 생성

NumPy는 arange와 linspace 같은 함수로 배열을 생성할 수 있습니다:

# Generating arrays
arr = np.arange(0, 10, 2)
print(arr)  # Outputs: [0 2 4 6 8]

NumPy에서 흔히 하는 실수

다음과 같은 실수를 피하세요:

• 대규모 데이터 집합에서 NumPy 배열 대신 Python 목록을 사용하는 것
• 연산을 수행하기 전에 다차원 배열의 형태를 확인하지 않는 것
• 벡터화 연산을 활용하지 않는 것

무엇을 배웠나요?

이번 레슨에서는 다음 내용을 배웠습니다:

• NumPy를 설치하고 불러오는 방법
• Python 목록에 비해 NumPy 배열이 갖는 장점
• 배열 연산, 인덱싱, 슬라이싱을 수행하는 방법
• 다차원 배열과 내장 수학 함수를 다루는 방법

잘하셨습니다! 다음 주제로 넘어가 보겠습니다.