[데이터분석실전]NumPy

NumPy Overview¶

In [3]:

import numpy as np 
# numpy 를 import 하고, np 라는 이름으로 사용하자

 

ndarray : N 개의 dimensions array 라고생각하자. 들어가있는 데이터타입은 모두 동일해야한다.¶

In [6]:

original_data = np.random.randn(2,3) 
# 2 by 3 형태의 매트릭스를 만드는데, 이때 standard normal distriution N(0,1) 사이의 값을 선택한다.

In [7]:

print(original_data)

 

[[-1.04237377  0.48626224  0.61142801]
 [-0.24311897  0.87454671 -0.5134187 ]]

 

ndarray 에서 할 수 있는 수학적인 계산¶

In [13]:

print("곱셈도 할수 있어요 ! : \n\n {}".format(original_data*10))

 

곱셈도 할수 있어요 ! : 

 [[-10.42373774   4.86262241   6.11428011]
 [ -2.43118972   8.74546712  -5.13418703]]

In [14]:

print("뺄셈도 할수 있어요 ! : \n\n {}".format(original_data-original_data))

 

뺄셈도 할수 있어요 ! : 

 [[0. 0. 0.]
 [0. 0. 0.]]

In [15]:

print("덧셈도 할수 있어요 ! : \n\n {}".format(original_data+original_data))

 

덧셈도 할수 있어요 ! : 

 [[-2.08474755  0.97252448  1.22285602]
 [-0.48623794  1.74909342 -1.02683741]]

In [17]:

print("shape 은 ndarray 의 N by M size를 나타냅니다 ! \n\n{}".format(original_data.shape))

 

shape 은 ndarray 의 N by M size를 나타냅니다 ! 

(2, 3)

In [18]:

print("dtype 은 ndarray안에있는 데이터 타입을 나타냅니다 ! \n\n{}".format(original_data.dtype))

 

dtype 은 ndarray안에있는 데이터 타입을 나타냅니다 ! 

float64

In [42]:

print("평균값도 구할 수 있어요 ! \n\n{}".format(np.mean(original_data)))

 

평균값도 구할 수 있어요 ! 

0.02888758579547594

In [43]:

print("표준편차도 구할 수 있어요 ! \n\n{}".format(np.std(original_data)))

 

표준편차도 구할 수 있어요 ! 

0.6806086565450783

 

같은 길이의 배열 여러개로 array를 만들면 자동으로 n 차원으로 구성해준다.¶

In [22]:

arr1 = np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(arr1)

 

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

 

만약 같은 길이의 배열이 아니라면 오류가 발생한다.¶

In [23]:

arr2 = np.array([[1,2,3,4,5],[6,7,8]])
print(arr2)

 

[list([1, 2, 3, 4, 5]) list([6, 7, 8])]

 

<ipython-input-23-49fb21b69455>:1: VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify 'dtype=object' when creating the ndarray
  arr2 = np.array([[1,2,3,4,5],[6,7,8]])

 

Universal Function : 일반적으로 사용되는 범용 함수¶

In [26]:

arr3 = np.random.randn(5,1) 
print(arr3)
# 5 by 1 의 표준정규분포를 따르는 ndarray를 만든다.

 

[[ 0.64830993]
 [-1.9023546 ]
 [ 0.51296355]
 [-0.7708257 ]
 [ 1.08615076]]

In [27]:

print("절댓값을 취할 수 있어요!  \n{}".format(np.abs(arr3)))

 

절댓값을 취할 수 있어요!  
[[0.64830993]
 [1.9023546 ]
 [0.51296355]
 [0.7708257 ]
 [1.08615076]]

 

Data processing¶

In [34]:

arr_x = np.array([1,2,3,4,5])
arr_y = np.array([-1,-2,-3,-4,-5])
arr_cond = np.array([True,False,False,True,True])

In [40]:

arr_result1 = [(x if c else y) for x, y, c in zip(arr_x, arr_y, arr_cond)]
print("Foor Loop 를 사용하는 경우 :\n")
print(arr_result1)
# 만약 cond 가 True 면 x 를 , False 면 y를

 

Foor Loop 를 사용하는 경우 :

[1, -2, -3, 4, 5]

In [41]:

arr_result2 = np.where(arr_cond,arr_x,arr_y)
print("NumPy의 where 함수를 사용하는 경우 :\n")
print(arr_result2)
# True,False 로 나타낼 수 있는경우엔 where function 을 사용하는게 좋다.

 

NumPy의 where 함수를 사용하는 경우 :

[ 1 -2 -3  4  5]

In [ ]:

 

 

Universal Function