Python Academy · 강의

NumPy 배열과 dtypes

ndarray를 만들고 dtypes를 이해하며 배열 속성을 살펴봅니다.

레슨 1/413개 단계

NumPy 배열과 dtypes은(는) CoddyKit의 무료 Python Academy 강의입니다. 이것은 4개 중 1번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Python Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Python Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

NumPy란 무엇인가요?

NumPy는 고정된 데이터 형식과 연속된 메모리를 사용하는 배열인 ndarray를 제공합니다. 이 배열은 Python 리스트보다 훨씬 빠른 벡터화 연산을 지원합니다.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr)          # [1 2 3 4 5]
print(arr * 2)      # [ 2  4  6  8 10]   (no Python loop)

배열 만들기

일반적인 생성 함수는 np.array(), np.zeros(), np.ones(), np.arange(), np.linspace()입니다.

import numpy as np

print(np.zeros((2, 3)))     # 2x3 array of 0.0
print(np.ones(5))           # [1. 1. 1. 1. 1.]
print(np.arange(0, 10, 2))  # [0 2 4 6 8]
print(np.linspace(0, 1, 5)) # [0.   0.25 0.5  0.75 1.  ]

데이터 형식

모든 NumPy 배열에는 하나의 dtype이 있습니다. 일반적인 데이터 형식으로는 int32, int64, float32, float64, bool, complex128이 있습니다.

import numpy as np

a = np.array([1, 2, 3])           # int64 by default
b = np.array([1.0, 2.0])          # float64
c = np.array([1, 2], dtype=np.float32)

print(a.dtype)  # int64
print(c.dtype)  # float32

배열 형태와 차원 수

shape은 각 차원의 크기를 담은 튜플입니다. ndim은 차원의 수입니다. size는 전체 요소 개수입니다.

import numpy as np

m = np.ones((3, 4))
print(m.shape)   # (3, 4)
print(m.ndim)    # 2
print(m.size)    # 12
print(m.dtype)   # float64

형태 변경

reshape()는 새로운 형태의 뷰를 반환합니다(데이터는 동일함). flatten()은 1차원 배열인 복사본을 반환합니다.

import numpy as np

arr = np.arange(12)
mat = arr.reshape(3, 4)
print(mat)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]
print(mat.flatten())   # [ 0  1  2  3 ...]

형 변환

arr.astype(dtype)를 사용하면 배열을 다른 형식으로 변환할 수 있습니다. 이 함수는 항상 복사본을 반환합니다.

import numpy as np

arr = np.array([1, 2, 3])
float_arr = arr.astype(np.float64)
print(float_arr)   # [1. 2. 3.]
print(float_arr.dtype)   # float64

난수 배열

np.random으로 균등 분포, 정규 분포, 정수 등의 난수 배열을 생성할 수 있습니다.

import numpy as np

rng = np.random.default_rng(seed=42)   # reproducible
print(rng.random(5))         # 5 uniform [0,1)
print(rng.standard_normal(3)) # 3 normal(0,1)
print(rng.integers(1, 10, 4)) # 4 ints [1,10)

배열 메모리 확인

itemsize는 요소 하나당 바이트 수를 제공하고, nbytes는 전체 바이트 수를 제공합니다.

import numpy as np

arr = np.zeros(1_000_000, dtype=np.float64)
print(arr.itemsize)   # 8
print(arr.nbytes)     # 8_000_000 (8 MB)

small = arr.astype(np.float32)
print(small.nbytes)   # 4_000_000 (4 MB)

np.empty와 np.full

np.empty는 초기화하지 않고 메모리를 할당하므로 빠릅니다. np.full은 일정한 값으로 채웁니다.

import numpy as np

e = np.empty((2,3))          # uninitialised — random garbage values
f = np.full((2,3), fill_value=7)
print(f)
# [[7 7 7]
#  [7 7 7]]

복사본과 뷰 비교

NumPy 배열을 슬라이싱하면 뷰가 반환됩니다(복사하지 않음). 뷰를 수정하면 원본도 수정됩니다. 독립적인 배열이 필요하면 .copy()를 사용합니다.

import numpy as np

arr = np.array([1, 2, 3, 4])
view = arr[1:3]
view[0] = 99
print(arr)    # [ 1 99  3  4]  — original changed!

copy = arr[1:3].copy()
copy[0] = 0
print(arr)    # unchanged

구조화된 배열

구조화된 배열은 이름이 지정된 필드를 가진 하나의 ndarray에 서로 다른 형식의 데이터를 C 구조체처럼 저장합니다.

import numpy as np

dt = np.dtype([('name', 'U10'), ('age', np.int32), ('score', np.float64)])
people = np.array([
    ('Alice', 30, 95.5),
    ('Bob',   25, 87.3),
], dtype=dt)
print(people['name'])   # ['Alice' 'Bob']

빠른 확인

arr.reshape(3, 4)는 무엇을 반환하나요?

인터랙티브 레슨에서 답해보세요

복습

NumPy의 ndarray는 고정된 데이터 형식과 연속된 메모리를 사용하는 배열입니다. 주요 속성은 shape, dtype, ndim, nbytes입니다. 슬라이싱은 뷰를 반환하므로, 독립적인 배열이 필요하면 .copy()를 사용합니다. 메모리를 절약하려면 필요한 범위에서 가장 작은 데이터 형식을 선택합니다.

무료로 시작

AI 튜터와 함께 Python을(를) 배우세요 — 무료

브라우저에서 실제 코드를 작성하고 실행하며, 24/7 AI 튜터로부터 즉각적인 도움을 받고, 웹이나 앱에서 중단한 부분부터 계속 학습하세요.

코스: 76
레슨: 320

무료로 학습 시작 전체 코스 보기

자주 묻는 질문

“NumPy 배열과 dtypes” 강의는 무료인가요?

네 — “NumPy 배열과 dtypes” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Python Academy 강의 전체를 잠금 해제할 수 있습니다. Python Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“NumPy 배열과 dtypes”에서 뭘 배우나요?

ndarray를 만들고 dtypes를 이해하며 배열 속성을 살펴봅니다. 브라우저에서 직접 실행하는 실습 코드로 Python Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Python Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Python Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 1번째 강의입니다.

“NumPy 배열과 dtypes” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Python Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Python Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← Python Academy(으)로 돌아가기