파이썬 numpy.array 함수 활용하기

소개:

파이썬의 Numpy 라이브러리는 과학 및 수학 연산을 위한 핵심 도구 중 하나로, 다차원 배열을 다루는 데 특화되어 있습니다. 이번 글에서는 Numpy의 중요한 함수 중 하나인 numpy.array에 대해 알아보겠습니다. numpy.array는 배열을 생성하고 다양한 수학적 연산을 수행하는 데 사용됩니다.

1. numpy.array 함수 소개:

numpy.array 함수는 파이썬 리스트, 튜플 등의 입력을 받아 Numpy 배열을 생성합니다. 이 함수는 많은 옵션을 제공하여 다양한 유형과 모양의 배열을 생성할 수 있습니다.

2. 기본 사용법:

가장 간단한 형태로 numpy.array를 사용해보겠습니다.

import numpy as np

# 1차원 배열 생성
arr1d = np.array([1, 2, 3, 4, 5])

# 2차원 배열 생성
arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

3. 배열의 속성:

numpy.array로 생성된 배열은 여러 속성을 가지고 있습니다. 몇 가지 중요한 속성은 다음과 같습니다.

• shape: 배열의 차원 및 크기를 나타내는 튜플 반환.
• dtype: 배열 요소의 데이터 타입 반환.
• size: 배열 요소의 총 개수 반환.

# 배열 속성 확인
print("Shape:", arr2d.shape)
print("Data Type:", arr2d.dtype)
print("Size:", arr2d.size)

4. 특수한 배열 생성:

numpy.array는 다양한 특수 배열을 생성하는 함수들도 지원합니다.

# 영행렬 생성
zeros_array = np.zeros((3, 3))

# 일행렬 생성
ones_array = np.ones((2, 4))

# 특정 범위의 값으로 배열 생성
range_array = np.arange(0, 10, 2)

5. 배열 연산:

Numpy 배열을 사용하면 간단하게 수학적 연산을 수행할 수 있습니다.

# 덧셈
sum_array = arr1d + arr1d

# 곱셈
mul_array = arr1d * 3

# 행렬 곱셈
dot_product = np.dot(arr2d, arr2d)

결론:

이 블로그 글에서는 numpy.array 함수의 기본적인 사용법과 몇 가지 예시 코드를 살펴보았습니다. Numpy는 데이터 과학, 머신러닝 등 다양한 분야에서 핵심 라이브러리로 사용되고 있으며, numpy.array는 그 중에서도 핵심적인 역할을 수행합니다. 자세한 내용은 공식 Numpy 문서를 참고하시기 바랍니다.