Numpy random, sum, mean, max, min, axis

PYTHON PROGRAMMING FUNDAMENTALS¶

다음 토픽을 다룹니다.:

• Numpy 기초
• Built-in methods and functions
• shape, length and type of Numpy arrays
• Reshape
• Minimum and maximum
• Mathematical Operations
• Indexing and slicing
• Selection

NUMPY BASICS¶

• NumPy는 다차원 배열을 처리할 수 있는 선형대수학(Linear Algebra) 라이브러리입니다.
• 다음이 실행이 안되면 아나콘다프롬프트에서 conda install numpy 를 실행하여 설치합니다.

In [2]:

# numpy : 데이터를 효율적으로 저장 할 수 있는 data structure
# pandas : numpy에 저장된 데이터를 쉽게 분석할 수 있는 라이브러리
# matplotlib : 시각화, 즉 차트로 표현하는 라이브러리

In [4]:

import numpy as np

In [5]:

a = [1, 3, 2, 8, 4]

In [6]:

sum(a) / len(a)

Out[6]:

3.6

In [7]:

# 넘파이로 1차원 데이터를 만들어보자

In [10]:

x = np.array(a)

In [11]:

x

Out[11]:

array([1, 3, 2, 8, 4])

In [12]:

x.mean()

Out[12]:

3.6

In [13]:

x.std()

Out[13]:

2.4166091947189146

In [14]:

x.size

Out[14]:

5

In [15]:

x.max()

Out[15]:

8

In [16]:

x.min()

Out[16]:

1

In [17]:

# 데이터의 모양을 확인하는 방법

In [18]:

x.sum()

Out[18]:

18

In [23]:

x.shape # 데이터가 5개

Out[23]:

(5,)

In [26]:

# 데이터의 갯수를 확인하는 방법 

In [25]:

x.size

Out[25]:

5

In [27]:

# 저장하고 있는 데이터의 타입은 무엇이냐?

In [29]:

x.dtype

Out[29]:

dtype('int32')

In [ ]:

In [30]:

# 넘파이로 2차원 배열을 만드는 방법

In [32]:

X = np.array( [ [10,4], [6,8] ])

In [33]:

X

Out[33]:

array([[10,  4],
       [ 6,  8]])

In [ ]:

# 1차원 배열은 => 벡터라고 부르고, 변수로 사용할때 소문자로 쓴다.
# 2차원 배열은 => 행렬이라고 부른다. 변수로 사용할때 대문자로 쓴다.

In [34]:

X.shape # ㅡ 행 ㅣ 열

Out[34]:

(2, 2)

In [35]:

X.size

Out[35]:

4

In [36]:

X.dtype

Out[36]:

dtype('int32')

In [37]:

X.max()

Out[37]:

10

In [38]:

X.min()

Out[38]:

4

In [39]:

X.std()

Out[39]:

2.23606797749979

In [40]:

X.mean()

Out[40]:

7.0

In [41]:

X.sum()

Out[41]:

28

Save and Load data¶

In [42]:

X

Out[42]:

array([[10,  4],
       [ 6,  8]])

In [43]:

np.save('my_array', X)

my_array.npy 파일이 폴더에 생겼는지 확인하세요.¶

In [45]:

Y

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
Cell In [45], line 1
----> 1 Y

NameError: name 'Y' is not defined

In [46]:

Y = np.load("my_array.npy")

In [47]:

Y

Out[47]:

array([[10,  4],
       [ 6,  8]])

BUILT-IN METHODS AND FUNCTIONS¶

In [ ]:

특정 값으로, 행렬 만들기¶

In [48]:

# 숫자 0으로 되어있는 1차원 배열 만들기

In [49]:

np.zeros(1)

Out[49]:

array([0.])

In [50]:

np.zeros(7)

Out[50]:

array([0., 0., 0., 0., 0., 0., 0.])

In [52]:

# 숫자 0으로 되어있는 2차원 배열 만들기

In [54]:

np.zeros( (3,4) )

Out[54]:

array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

In [ ]:

# 모든 데이터를 1로 하여, 1차원 배열을 만드는 방법

In [60]:

np.ones(5)

Out[60]:

array([1., 1., 1., 1., 1.])

In [62]:

# 모든 데이터를 1로하여, 2차원 배열로 만드는 방법

In [61]:

np.ones( (5,5) )

Out[61]:

array([[1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.]])

In [ ]:

In [63]:

# 숫자 7로, 1차원 배열 만들기

In [67]:

# 첫번째 파라미터는 데이터의 shape, 두번째 파라미터는 원하는 숫자
np.full(3,7) 

Out[67]:

array([7, 7, 7])

In [ ]:

# 2차원으로 만들기

In [68]:

np.full( (4,5), 7 )

Out[68]:

array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

정수의 배열을 얻고자 할때¶

In [69]:

# 0부터 9까지의 정수를 만들어 주세요.

In [71]:

list(range(9+1))

Out[71]:

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

In [72]:

np.arange(10)

Out[72]:

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [73]:

# 4부터 19까지의 정수를 만들어 주세요

In [74]:

np.arange(4, 19+1)

Out[74]:

array([ 4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19])

np.arange(start,stop,step)¶

In [75]:

np.arange(2,151+1,2)

Out[75]:

array([  2,   4,   6,   8,  10,  12,  14,  16,  18,  20,  22,  24,  26,
        28,  30,  32,  34,  36,  38,  40,  42,  44,  46,  48,  50,  52,
        54,  56,  58,  60,  62,  64,  66,  68,  70,  72,  74,  76,  78,
        80,  82,  84,  86,  88,  90,  92,  94,  96,  98, 100, 102, 104,
       106, 108, 110, 112, 114, 116, 118, 120, 122, 124, 126, 128, 130,
       132, 134, 136, 138, 140, 142, 144, 146, 148, 150])

정수 말고 실수를 얻고자 할때¶

In [2]:

np.linspace(0, 25 , 10)

Out[2]:

array([ 0.        ,  2.77777778,  5.55555556,  8.33333333, 11.11111111,
       13.88888889, 16.66666667, 19.44444444, 22.22222222, 25.        ])

In [3]:

np.linspace(0, 25 , 10, endpoint=False)

Out[3]:

array([ 0. ,  2.5,  5. ,  7.5, 10. , 12.5, 15. , 17.5, 20. , 22.5])

In [ ]:

# 1차원 배열 = 벡터 (Vector)
# 2차원 배열 = 행렬 (Matrix)

이렇게 1차원 배열을 얻은 후, 우리는 이것을 가지고 여러차원으로 만들 수 있다.¶

reshape 을 이용¶

In [181]:

x = np.arange(2, 10+1)

In [60]:

x

Out[60]:

array([ 2,  3,  4,  5,  6,  7,  8,  9, 10])

In [61]:

x.size

Out[61]:

9

In [62]:

x.shape # 행렬이 아닌 "데이터 9개짜리 벡터"

Out[62]:

(9,)

In [63]:

x.ndim # 차원

Out[63]:

1

In [64]:

x.mean()

Out[64]:

6.0

In [65]:

x

Out[65]:

array([ 2,  3,  4,  5,  6,  7,  8,  9, 10])

In [182]:

X = x.reshape( 3 , 3) # 3행 3렬로 변경

In [67]:

X.mean()

Out[67]:

6.0

In [68]:

# 1부터 100사이의 수로, 랜덤으로 2행 5열 짜리 행렬을 만들어 주세요 

In [177]:

np.random.randint(1, 100, 5)

Out[177]:

array([97, 57, 14, 61, 23])

In [70]:

np.random.randint(1, 100, (2,5) )

Out[70]:

array([[15, 12, 70, 34, 15],
       [47, 25,  5, 84,  4]])

In [71]:

# X 를 1차원 벡터로 만들어 주세요.

In [192]:

X = np.arange(10)

In [193]:

X.reshape(10)

Out[193]:

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [194]:

# X를 5행 2열짜리로 만들어주세요

In [195]:

X.reshape(5,2)

Out[195]:

array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])

In [196]:

# X 를 1행 10열로 만들어주세요

In [197]:

# 행렬
X.reshape(1,10)

Out[197]:

array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

In [198]:

# 벡터
X.reshape(10)

Out[198]:

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

여러단계를 거치지 말고, 한번에 원하는 다차원 배열로 만들 수 있다.¶

In [78]:

# 5부터 시작해서, 25개의 정수를 만들고, 
# 이를 5X5 행렬로 만들어주세요

In [88]:

np.arange(5, 5+25).reshape(5, 5)

Out[88]:

array([[ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29]])

In [89]:

np.arange(5, 5+25).reshape(5, 5).mean() #  프로그래밍은 연쇄반응 

Out[89]:

17.0

랜덤값으로 채워진 배열을 만들 수 있다.¶

In [90]:

import random

In [95]:

random.random()

Out[95]:

0.5860960059883547

In [97]:

random.random(3) 

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In [97], line 1
----> 1 random.random(3)

TypeError: random() takes no arguments (1 given)

In [93]:

np.random.random(3)

Out[93]:

array([0.78795814, 0.39140012, 0.31806693])

In [98]:

np.random.random( (3,4) )

Out[98]:

array([[0.68424189, 0.13446138, 0.65063726, 0.35354409],
       [0.5746724 , 0.27578246, 0.89951072, 0.39865856],
       [0.26610086, 0.79348101, 0.22605561, 0.07765237]])

np.random.randint(start, stop, size = shape)¶

시작값과 끝값을 줄 수 있다.¶

In [201]:

np.random.randint(1,6+1) # 1부터 6까지의 수 range 와 마찬가지로 +1 을 한다.

Out[201]:

6

In [147]:

np.random.randint(1,6+1,10)

Out[147]:

array([1, 4, 3, 5, 6, 4, 6, 3, 6, 2])

In [148]:

np.random.randint(1,6+1,(3,4) )

Out[148]:

array([[5, 6, 3, 4],
       [5, 2, 2, 2],
       [3, 4, 1, 3]])

In [206]:

np.random.seed(23)

In [207]:

# 1부터 99까지의 숫자 4행 5열

In [208]:

X = np.random.randint(1,100,(4,5))

In [209]:

X

Out[209]:

array([[84, 41, 74, 55, 32],
       [77, 92, 40, 91, 26],
       [52,  7, 46, 13, 50],
       [67, 76, 86, 70, 65]])

In [210]:

# 데이터 전체에서 최대값, 최소값, 전체합, 전체평균, 표준편차, 중앙값을 구하세요

In [211]:

X.max()

Out[211]:

92

In [212]:

X.min()

Out[212]:

7

In [213]:

X.sum()

Out[213]:

1144

In [214]:

X.mean()

Out[214]:

57.2

In [215]:

X.std() # 평균으로부터 분포, 산포도

Out[215]:

24.595934623429137

In [216]:

X.median()

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
Cell In [216], line 1
----> 1 X.median()

AttributeError: 'numpy.ndarray' object has no attribute 'median'

In [217]:

np.median(X)

Out[217]:

60.0

In [218]:

X.mean(axis = 1) # 행별로 평균

Out[218]:

array([57.2, 65.2, 33.6, 72.8])

In [219]:

X.mean(axis = 0) # 열별로 평균

Out[219]:

array([70.  , 54.  , 61.5 , 57.25, 43.25])

In [220]:

X.max(axis=1) 

Out[220]:

array([84, 92, 52, 86])

In [221]:

X.sum(axis = 0) 

Out[221]:

array([280, 216, 246, 229, 173])