numpy_01.py

# -*- coding: utf-8 -*-

"""
numpy 모듈
- numpy 모듈은 수치 계산을 위한 라이브러리
- 다차원 배열을 처리하는데 필요한 다양한 기능을 제공

- 머신러닝 및 딥러닝 라이브러리들은 내부적으로 
  numpy 배열을 사용하여 수치 계산을 수행함
"""

# 설치 명령
# pip install numpy

# numpy 모듈을 사용하기 위한 선언문(import)
import numpy as np

# numpy 배열의 생성 방법
# 파이썬의 리스트를 사용하여 생성할 수 있음
# np.array(파이썬 리스트 / 리스트 변수)

# 파이썬 리스트 선언
python_list = [1,2,3,4,5]

# numpy 배열 선언
np_array_1 = np.array(python_list)

# numpy 배열의 요소를 출력
print(f"np_array_1 : {np_array_1}")

# numpy 배열의 타입 출력 : numpy.ndarray
print(f"type(np_array_1) : {type(np_array_1)}")

# numpy 배열의 형태(shape) 출력
# 배열의 차원 정보
# 튜플의 형태로 반환
# 1차원 배열인 경우 (배열의크기, )
# 2차원 배열인 경우 (행의크기, 열의크기)
print(f"np_array_1.shape : {np_array_1.shape}")

# numpy 배열의 인덱스 연산
# 특정 배열 요소에 접근하기 위한 방법
# 시작 인덱스는 0으로 시작하며
# 종료 인덱스는 -1을 사용할 수 있음
print(f"np_array_1[0] : {np_array_1[0]}")
print(f"np_array_1[-1] : {np_array_1[-1]}")
print(f"np_array_1[-3] : {np_array_1[-3]}")

# numpy 배열의 크기를 확인하는 방법
# 1. len 함수를 사용
print(f"len(np_array_1) : {len(np_array_1)}")
# 2. shape의 반환 값을 사용하는 방법
# np_array_1.shape -> (5,)
print(f"np_array_1.shape : {np_array_1.shape}")
# np_array_1.shape[0] -> 5
print(f"np_array_1.shape[0] : {np_array_1.shape[0]}")

# numpy 다차원 배열을 생성하는 방법
# 2행 3열의 2차원 배열을 생성하는 코드
np_array_2 = np.array([[1,2,3],[4,5,6]])
print(f"type(np_array_2) : {type(np_array_2)}")
print(f"np_array_2.shape : {np_array_2.shape}")

# numpy 다차원 배열의 각 요소에 접근하는 인덱스 연산
# 2차원 배열인 경우 2개의 인덱스가 사용
# 배열명[행의 인덱스, 열의 인덱스]
print(f"np_array_2[0,0] : {np_array_2[0,0]}")
print(f"np_array_2[-1,-1] : {np_array_2[-1,-1]}")

# numpy 다차원 배열의 len 함수의 결과 
# 2차원 배열의 변수를 len 함수의 매개변수로 
# 사용하는 경우 행의 값이 반환
print(f"len(np_array_2) : {len(np_array_2)}")

# 2차원 배열의 변수에 대해서 행의 인덱스를
# 포함하여 len 함수의 매개변수로 
# 사용하는 경우 열의 값이 반환
print(f"len(np_array_2[0]) : {len(np_array_2[0])}")

# shape 속성의 값을 사용하여 다차원 배열의 크기를
# 반환받는 방법
# shape 속성의 결과에 대해서 인덱스의 값을 0으로 
# 지정하는 경우 행의 값이 반환
print(f"np_array_2.shape[0] : {np_array_2.shape[0]}")
# shape 속성의 결과에 대해서 인덱스의 값을 1로 
# 지정하는 경우 열의 값이 반환
print(f"np_array_2.shape[1] : {np_array_2.shape[1]}")