[Python] ndarray

ndarray

다차원 ndarray를 만들어 보겠습니다. List도 비슷한 형태를 만들 수 있지만 List는 중첩리스트만 존재합니다.

간단한 예제를 보면서 차이점을 보도록 하겠습니다.

### List
a = [[1,2,3],
     [4,5,6]] # python 에서는 2차원 리스트라고 부르지는 않아요 !

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

### ndarray
a = [[1,2,3],
     [4,5,6]] # 2차원 // 2행 3열
arr = np.array(a, dtype =np.float64)# 지정하지 numpy가 자동으로 판단해서 지정
print(arr)
'''
[[1. 2. 3.]
 [4. 5. 6.]]
'''

ndarray - 차원과 크기

a = [1, 2, 3, 4]
arr = np.array(a, dtype=np.float64) # dtype으로 데이터의 속성을 지정할수 있어요
print(arr) #[1. 2. 3. 4.]
print(arr.ndim) #ndim > 차원의 개수 : 1
print(arr.shape) # 차원의 개수와 각차원의 요소를 tuple로 표현 
		 # (4,)
  
a = [[1, 2, 3],
     [4, 5, 6],
     [7, 8 ,9],
     [10, 11, 12]]
arr = np.array(a, dtype=np.float64)
print(arr)
print(arr.ndim) #ndim > 차원의 개수 : 2
print(arr.shape) # 차원의 개수와 각차원의 요소를 tuple로 표현
                 # (4, 3)
  
a = [[[1, 2, 3],
     [4, 5, 6]],
     [[1, 2, 3],
     [4, 5, 6]]]
arr = np.array(a, dtype=np.float64)
print(arr)
'''
[[[1. 2. 3.]
  [4. 5. 6.]]

 [[1. 2. 3.]
  [4. 5. 6.]]]
 '''
print(arr.ndim) #ndim > 차원의 개수 : 3
print(arr.shape) # 차원의 개수와 각차원의 요소를 tuple로 표현
                 # (2, 2, 3)

ndarray - shape 변경

a = [[1,2,3], [4,5,6], [7,8,9], [10,11,12]] # 4 X 3
arr = np.array(a, dtype = np.float64)
print(arr)
print(arr.size) # 12 // 현재 np가 가지고 있는 모든요소의 개수
print(len(arr)) #4 // 첫번째 차원의 요소 개수를 리턴 // 행의 개수를 리턴합니다.
print(arr.shape) # (4,3)

arr.shape = (2, 6) # shape을 변경이 가능
print(arr)
'''
[[ 1.  2.  3.  4.  5.  6.]
 [ 7.  8.  9. 10. 11. 12.]]
'''

arr.shape = (3, 2, 2)
print(arr)
'''
[[[ 1.  2.]
  [ 3.  4.]]

 [[ 5.  6.]
  [ 7.  8.]]

 [[ 9. 10.]
  [11. 12.]]]
'''

arr.shape = (3, 2, 3) # size는 맞춰서 shape이 변경가능
print(arr)
'''
---------------------------------------------------------------------------
ValueError  Traceback (most recent call last)
<ipython-input-41-11d631f7d9d2> in <module>
     14 print(arr)
     15 
---> 16 arr.shape = (3, 2, 3)
     17 print(arr)

ValueError: cannot reshape array of size 12 into shape (3,2,3)
'''

ndarray - 데이터 타입 변경

ndarray를 생성할 때 dtype을 지정해서 만들지만 변경이 가능합니다. 바로 astype 을 통해서 변경이 가능합니다.

하기 예제를 통해서 알아보도록 하겠습니다.

import numpy as np
arr = np.array([1.5, 2.3, 8.3, 9.8, 7.7], dtype = np.float64)
print(arr) # [1.5 2.3 8.3 9.8 7.7]
 
result = arr.astype(np.int32)
print(result) # [1 2 8 9 7] // 정수형태로 변환되며 버림처리됩니다.
print(result.dtype) #int32

ndarray - 만드는 방법

ndarray를 생성할 때 타이핑을 치지않고 명령어를 통하여 만들 수 있습니다.

하기 예제를 통해서 알아보도록 하겠습니다.

import numpy as np
arr = np.zeros((3,4)) #0으로 채워서 ndarray를 만들수 있어요
print(arr)
'''
[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
'''

arr = np.ones((3,4))
print(arr)
'''
[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]
'''

arr = np.full((3,5), 7, dtype=np.float64)
print(arr)
'''
[[7. 7. 7. 7. 7.]
[7. 7. 7. 7. 7.]
[7. 7. 7. 7. 7.]]
'''

arr = np.empty((3,3)) 
# 3 X 3 ndarray 를 생성하는데 초기값을 주지않아요
# 내가 원하는 shape의 공간만 설정
#초기화 하지않아 만드는 속도가 빨라서 사용
print(arr)
'''
[[ 6.17779239e-31 -1.23555848e-30  3.08889620e-31]
[-1.23555848e-30  2.68733969e-30 -8.34001973e-31]
[ 3.08889620e-31 -8.34001973e-31  4.78778910e-31]]
'''

1. ndarray를 만드는 다른 방법 - _like

arr = np.array([(1,2,3), (4,5,6)])
print(arr)
'''
[[1 2 3]
[4 5 6]]
'''

# 위에서 만든 2 X 3 행렬에 대하여 동일한 size의 행렬을 만들어요
result = np.zeros_like(arr) 
print(result)
'''
[[0 0 0]
[0 0 0]]
'''

2. ndarray를 만드는 다른 방법 - arange

python의 range와 상당히 유사합니다.

주어진 범위 내에서 지정한 간격으로 연속적인 원소를 가진 ndarray를 생성합니다.

하기 예제를 보면서 확인해보록 하겠습니다.

a = range(1,10,1)
print(a) # range(1, 10)

arr = np.arange(1,10,1)
print(arr) # [1 2 3 4 5 6 7 8 9]

3. ndarray를 만드는 다른 방법 - linspace

linspace 기능을 확인하기 위해서 그래프로 데이터를 그려보도록 하겠습니다. matplotlib module, ` seaborn` 라는 모듈을 이용해서 그래프를 그릴 수 있습니다.

이번시간에는 matplotlib을 사용해보도록 하겠습니다. 이것도 마찬가지로 pip 혹은 conda를 이용해서 설치하>도록 하겠습니다.

conda install matplotlib 의 설치명령어로 터미널을 통해서 설치하도록 하겠습니다.

설치 이후 간단한 예제를 통하여 linspace를 자세하게 알아보도록 하겠습니다.

import numpy as np
import matplotlib.pyplot as plt
'''
np.linspace(start, stop, num) 
start 부터 시작해서 stop의 범위에서 num개의 숫자를 
균일한 간격으로 데이터를 생성해서 ndarray를 만드는 함수
'''

arr = np.linspace(0,10,11)
print(arr) #[ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9. 10.]

arr = np.linspace(0,10,13)
print(arr)
'''
[ 0. 0.83333333  1.66666667  2.5 3.33333333  4.16666667

  5. 5.83333333  6.66666667  7.5 8.33333333  9.16666667
 6.]
'''


arr = np.linspace(1,121,31) 
#원소간의 간격은 (stop - start) / (num -1)

print(arr)

'''
[  1.   5.   9.  13.  17.  21.  25.  29.  33.  37.  41.  
  45.  49.  53.	 57.  61.  65.  69.  73.  77.  81.  85.
  89.  93.  97. 101. 105. 109.  58.  117. 121.]
'''

plt.plot(arr, "*") # 각각의 점들을 *로 표시하여 나타냅니다.
plt.show()

난수 기반의 ndarray 생성

총 다섯가지 방법으로 ndarray를 생성할 수 있습니다.

np.random.normal()

정규분포 확률 밀도함수에서 실수 표본을 추출해서 ndarray 생성 (평균, 표준편차)

import numpy as np
import matplotlib.pyplot as plt
mean = 50
std = 2
arr = np.random.normal(mean, std, (10000,)) # 10000개의 데이터 추출
print(arr)
'''
[47.48597904 51.09675807 48.58847913 ... 48.31064207 47.61720963
50.06721122]
'''
# 히스토그램

plt.hist(arr, bins = 100) # 히스토그램의 x축의 간격을 100개로 쪼개서 만듦
plt.show()

np.random.rand()

실수를 추출하는데 (0,1) 범위에서 추출하고 균등분포로 추출

arr = np.random.rand(100000)
print(arr)
plt.hist(arr, bins=100)
plt.show()

np.random.randn(d0,d1,d2, …)

실수추출 , 표준정규분포에서 난수를 추출 평균0, 표준편차 1

   arr = np.random.rand(100000)
   print(arr)
   plt.hist(arr, bins=100)
   plt.show

np.random.randint(low,high, shape)

균등분포 확률밀도함수에서 난수를 추출하는데 정수값을 난수로 추출

   arr = np.random.randint(-100,100,(100000, ))
   print(arr)
   plt.hist(arr, bins =100)
   plt.show()

np.random.random(shape)

[0,1) 균등분포에서 실수 난수를 추출합니다.

   arr = np.random.random((100000, ))
   print(arr)
   plt.hist(arr, bins=100)
   plt.show()

Numpy 가 제공하는 랜덤 관련 함수

1. 난수의 재현

   하기코드로 작성하면 매번 실행시 마다 새로운 random 값이 도출됩니다.

   arr = np.random.randint(0, 100, (10,))
   print(arr) # [60 72  4  8 98 88 69 54 83 30]
   

   하지만 랜덤 값도 실제로는 특정 알고리즘의 결과물이기에 초기에 시작값을 설정해주면 항상 같은 랜덤값이 도출됩니다.

   np.random.seed(10) # 한번뽑은 랜덤값을 같은값으로 도출되도록 설정
   arr = np.random.randint(0, 100, (10,))
   print(arr) 
   '''
   [ 9 15 64 28 89 93 29  8 73  0]
   [ 9 15 64 28 89 93 29  8 73  0]
   [ 9 15 64 28 89 93 29  8 73  0]
   [ 9 15 64 28 89 93 29  8 73  0]
   '''
   

   
   

2. ndarray의 순서를 램덤하게 바꿀려면 어떻게 해야하나요?

   arr = np.arange(10)
   print(arr) # [0 1 2 3 4 5 6 7 8 9]
      
   np.random.shuffle(arr) # ndarray 자체가 변형되요!
   print(arr) # [1 5 2 9 7 0 3 4 6 8]
   

   
   

3. ndarray sampling - 일부 무작위로 선택하는 기능.

   • np.random.choice(arr, size, replace, p)

   • arr : numpy array가 나오거나 혹은 정수가 나올 수 있어요

     => 만약 정수면 정수만 쓰면 : arange(정수) 가 실행

   • size : 정수값. 샘플의 숫자
   • replace : Boolean (True, False) True : 한번 선택한 데이터를 다시 샘플링 가능 (중복 인자)
   • p(확률) : ndarray. 각 데이터가 샘플링 될 확률을 가지고 있는 ndarray

   arr = np.random.choice(5,3,replace = True )
   print(arr) #[1 1 3] 값 중복 가능
      
   arr = np.random.choice(5,3,replace = False )
   print(arr) #[0 4 1] 값 중복 불가능
      
   arr = np.random.choice(5,10,replace = True,p = [0.2, 0, 0.3, 0.4, 0.1]  )
   print(arr) #[0 2 0 3 2 0 3 0 2 3] 1은 0%이기 때문에 나올 수가 없음
   

ndarray는 shape을 가지고 있어요!

# shape 속성의 값을 바꾸어서 ndarray의 형태를 변경하는 것은 그다지 좋지 않아요!
# reshape() 항수를 이용해서 처리합니다.

import numpy as np
arr = np.arange(0,12,1)
arr1 = arr.reshape(4,3) # 새로운 ndarray를 만드는게 아니라 view를 생성.
print (arr)
print (arr1)

'''
[ 0  1  2  3  4  5  6  7  8  9 10 11]

[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]
'''

arr[0] =100
print(arr) 
print(arr1) #데이터 공유

'''
[100   1   2   3   4   5   6   7   8   9  10  11]

[[100   1   2]
 [  3   4   5]
 [  6   7   8]
 [  9  10  11]]
'''

arr = np.arange(0,12,1)
arr1 = arr.reshape(-1,4)
print(arr1)

'''
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
'''

arr = np.arange(0,12,1)
arr1 = arr.reshape(2,3,-1)
print(arr1)
'''
[[[ 0  1]
  [ 2  3]
  [ 4  5]]

 [[ 6  7]
  [ 8  9]
  [10 11]]]
'''


arr = np.arange(0,12,1)
arr1 = arr.reshape(2,6).copy() # 데이터 공유하지않고 새로운 ndarray를 제작하려면 ?
arr[0] =100
print(arr)
print(arr1)

'''
[100   1   2   3   4   5   6   7   8   9  10  11]

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]]
'''