NumPy (Numerical Python)

NumPy 라이브러리 개요

NumPy (Numerical Python)는 파이썬에서 행렬이나 대규모 다차원 배열을 쉽게 처리하는 등 강력한 수치 계산을 지원하는 파이썬 라이브러리입니다. 다차원 배열 객체인 ndarray를 중심으로 다양한 수학적 연산을 수행할 수 있습니다. 보통 넘파이라고 읽습니다.

🔹 NumPy 주요 기능 및 함수 정리

기능	설명	주요 함수
배열 생성	리스트나 튜플을 배열로 변환	np.array()
	0으로 채운 배열 생성	np.zeros()
	1로 채운 배열 생성	np.ones()
	특정 값으로 채운 배열 생성	np.full()
	연속된 숫자 배열 생성	np.arange()
	균등 간격 배열 생성	np.linspace()
	단위 행렬 생성	np.eye()
배열 속성 확인	배열의 차원 확인	.ndim
	배열의 형태(shape) 확인	.shape
	배열의 요소 개수 확인	.size
	배열의 데이터 타입 확인	.dtype
배열 변형	배열 크기 변경	.reshape()
	배열 1차원으로 변환	.flatten()
	차원 추가	np.newaxis
	배열 전치(Transpose)	.T
배열 연산	요소별 사칙연산	+, -, *, /
	요소별 제곱 연산	**
	배열의 내적 연산	np.dot() 또는 @
	브로드캐스팅 연산 지원	자동 크기 확장
배열 슬라이싱	특정 인덱스 접근	arr[i, j]
	행/열 선택	arr[i, :], arr[:, j]
	범위 선택 (슬라이싱)	arr[start:end]
통계 및 집계 연산	배열의 합	.sum()
	평균 계산	.mean()
	최대/최소 값	.max(), .min()
	표준편차 계산	.std()
	분산 계산	.var()
난수 생성	0~1 사이 난수 배열	np.random.rand()
	정수 난수 생성	np.random.randint()
	정규 분포 난수 생성	np.random.randn()
	난수 시드 고정	np.random.seed()
배열 비교 및 조건 연산	요소별 비교	>, <, ==
	조건에 맞는 값 필터링	arr[arr > 3]
	특정 조건 값 변경	np.where(condition, x, y)
배열 정렬	오름차순 정렬	np.sort()
	내림차순 정렬	np.sort(arr)[::-1]
	특정 축을 기준으로 정렬	np.sort(arr, axis=0)
행렬 연산	행렬 곱셈	np.dot() 또는 @
	역행렬 계산	np.linalg.inv()
	행렬식 계산	np.linalg.det()
	고유값 및 고유벡터	np.linalg.eig()
파일 입출력	배열을 파일로 저장	np.save()
	여러 배열을 저장	np.savez()
	CSV 파일로 저장	np.savetxt()
	CSV 파일 불러오기	np.loadtxt()

1. NumPy 설치

pip install numpy

2. NumPy 기본 사용법

2.1 NumPy 가져오기

import numpy as np

2.2 배열 생성

# 리스트로부터 배열 생성
arr = np.array([1, 2, 3, 4, 5])
print(arr)  # [1 2 3 4 5]

2.3 다차원 배열 생성

arr2d = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2d)
# [[1 2 3]
#  [4 5 6]]

3. 배열 속성 확인

print(arr2d.shape)  # (2, 3) -> 2행 3열
print(arr2d.ndim)   # 2 -> 차원 수
print(arr2d.dtype)  # int32 (또는 int64)
print(arr2d.size)   # 6 -> 전체 요소 개수

4. 특수 배열 생성

np.zeros((3, 3))   # 3x3 영행렬
np.ones((2, 4))    # 2x4 1로 채운 행렬
np.eye(4)          # 4x4 단위행렬
np.full((2, 3), 7) # 2x3 모든 원소가 7인 행렬
np.arange(10)      # 0부터 9까지의 배열 생성
np.linspace(0, 1, 5) # 0~1 사이 5개 균등 분포 값

5. 배열 연산

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

print(a + b)  # [5 7 9]
print(a - b)  # [-3 -3 -3]
print(a * b)  # [4 10 18]
print(a / b)  # [0.25 0.4 0.5]
print(a ** 2) # [1 4 9]

6. 배열 슬라이싱 & 인덱싱

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

print(arr[0, 2])   # 첫 번째 행, 세 번째 열 (3)
print(arr[1, :])   # 두 번째 행 전체 [4, 5, 6]
print(arr[:, 1])   # 두 번째 열 전체 [2, 5, 8]
print(arr[0:2, 1:3]) # (0~1행, 1~2열)

7. 배열 변형 (Reshape & Flatten)

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

reshaped = arr.reshape(3, 2)
flattened = arr.flatten()

print(reshaped)
# [[1 2]
#  [3 4]
#  [5 6]]

print(flattened)  # [1 2 3 4 5 6]

8. NumPy 브로드캐스팅

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

print(a + b)
# [[5 6 7]
#  [6 7 8]
#  [7 8 9]]

9. 통계 및 집계 함수

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

print(arr.sum())      # 15
print(arr.mean())     # 3.0
print(arr.max())      # 5
print(arr.min())      # 1
print(arr.std())      # 표준편차
print(arr.var())      # 분산

10. 난수 생성

np.random.seed(42)        # 난수 고정
print(np.random.rand(3))  # 0~1 사이 난수 3개
print(np.random.randint(1, 10, (2, 3))) # 1~10 사이 정수 (2x3)

11. 행렬 연산

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

print(np.dot(A, B))      # 행렬 곱
print(A @ B)             # 행렬 곱 (동일)
print(np.linalg.inv(A))  # 역행렬
print(np.linalg.det(A))  # 행렬식
print(np.linalg.eig(A))  # 고유값 & 고유벡터

NumPy는 데이터 분석, 머신러닝, 과학 연산 등에 필수적인 라이브러리로, 다차원 배열을 빠르고 효율적으로 다룰 수 있습니다! 🚀