NumPy 소개

NumPy는 수치 계산을 위한 강력한 파이썬 라이브러리입니다. 배열, 수학 함수 및 일반적인 파이썬 목록보다 훨씬 빠른 연산을 지원합니다.

이 레슨에서는 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 목록보다 빠르고 메모리 효율이 높습니다. 목록에서 배열을 만들거나 내장 함수를 사용하여 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 각 요소에 적용되는 연산을 지원하며, 이러한 연산은 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(행렬)을 지원합니다.

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

수학 연산

NumPy는 mean, 중앙값 및 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 생성하기

NumPy는 arange 및 linspace와 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 실수는 피해야 합니다.

• 대규모 데이터셋에 NumPy 배열 대신 파이썬 목록을 사용하는 것
• 연산을 수행하기 전에 다차원 배열의 형태를 확인하는 것을 잊는 것
• 벡터화된 연산을 활용하지 않는 것

무엇을 배웠나요?

이 레슨에서는 다음 내용을 배웠습니다.

• NumPy를 설치하고 가져오는 방법
• 파이썬 목록에 비해 NumPy 배열이 가지는 장점
• 배열 연산, 인덱싱 및 슬라이싱을 수행하는 방법
• 다차원 배열과 내장 수학 함수를 사용하는 방법

잘하셨습니다! 다음 주제로 넘어가 보겠습니다.