NumPy.md

tags	windows mac linux math science_tool library multi_platform python

설명

---

NumPy는 Python에서 고성능 수치 연산과 다차원 배열 처리를 지원하는 라이브러리입니다. 주로 과학 연산, 데이터 분석, 머신러닝 등의 분야에서 사용됩니다.

설치 영역

---

Windows

• Python 패키지 경로: /path/to/site-packages/numpy

Linux

• Python 패키지 경로: /path/to/site-packages/numpy

mac

• Python 패키지 경로: /path/to/site-packages/numpy

주요 기능

---

• N차원 배열 객체: 고성능 다차원 배열 자료구조 제공
• 벡터/행렬 연산: 벡터화 연산, 브로드캐스팅, 선형대수, 통계 등 지원
• 고속 수치 연산: C로 구현된 내부 구조로 매우 빠른 연산 속도 제공
• 난수 생성
• 파일 입출력: 바이너리(.npy, .npz) 및 텍스트 파일 입출력 지원
• 선형대수, 푸리에 변환, 통계, 집계 등 과학 계산 함수 다수 내장
• 다양한 외부 라이브러리와 연동: pnada, matplotlib, scikit-learn 등과 호환성 우수

설치 방법

---

• 아래의 명령어를 터미널에 입력하여 설치하시면 됩니다.

pip install numpy

설치 시 주의 사항

• NumPy 설치를 위해서는 Python과 pip가 설치되어 있어야 합니다.

간단 가이드

---

1. NumPy 임포트: Python 스크립트나 인터프리터에서 NumPy를 사용하려면 먼저 임포트해야 합니다.

   import numpy as np

2. 배열 생성: np.array() 함수를 사용하여 NumPy 배열(ndarray)을 생성합니다.

   # 1차원 배열
   arr1 = np.array([1, 2, 3, 4, 5])
   print(arr1)
   
   # 2차원 배열 (행렬)
   arr2 = np.array([[1, 2, 3], [4, 5, 6]])
   print(arr2)
   
   # 0으로 채워진 배열
   zeros = np.zeros((2, 3))
   print(zeros)
   
   # 1로 채워진 배열
   ones = np.ones((3, 2))
   print(ones)
   
   # 특정 범위의 숫자 배열
   arange = np.arange(0, 10, 2) # 0부터 10 미만까지 2씩 증가
   print(arange)

3. 배열 연산: NumPy 배열은 일반 Python 리스트와 달리 벡터화된 연산을 지원하여 빠르고 효율적입니다.

   arr_a = np.array([1, 2, 3])
   arr_b = np.array([4, 5, 6])
   
   # 요소별 덧셈
   print(arr_a + arr_b)
   
   # 요소별 곱셈
   print(arr_a * 2)
   
   # 행렬 곱셈 (dot product)
   matrix_a = np.array([[1, 2], [3, 4]])
   matrix_b = np.array([[5, 6], [7, 8]])
   print(np.dot(matrix_a, matrix_b))

4. 배열 인덱싱 및 슬라이싱: Python 리스트와 유사하게 인덱싱과 슬라이싱을 사용할 수 있습니다.

   arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
   
   # 특정 요소 접근
   print(arr[0, 0]) # 1
   
   # 행 슬라이싱
   print(arr[0:2, :]) # 첫 두 행
   
   # 열 슬라이싱
   print(arr[:, 1]) # 두 번째 열

5. 통계 함수: 평균, 합계, 표준편차 등 다양한 통계 함수를 제공합니다.

   data = np.array([10, 20, 30, 40, 50])
   print(np.mean(data)) # 평균
   print(np.sum(data))  # 합계
   print(np.std(data))  # 표준편차