이번 글은 Numpy 배열의 변환 방법을 다루는 마지막 글이다. 기본적으로, 2차원 배열의 경우 그냥 행렬로 이해하는 것이 적어도 2차원 배열 데이터를 다룰 때 훨씬 용이하고 이해하기 쉽다고 생각한다. 배열이라고 따로 생각해서 보면 어렵지만, 그냥 행렬이라고 생각하면 이해가 빠른 부분이 많다. 전치도 그렇고, 기본적으로 배열배합 등에서 스칼라값이 아닌 이상 행이나 열 둘 중에 하나는 같아야 두 배열의 배합이 가능한 것도 행렬과 비슷한 부분이 많다. 따라서 2차원 배열의 경우, 그냥 행렬을 파이썬에서 다룬다고 생각하자. 다음은 각 요소에 대한 설명이다. 다시 말하지만, 그냥 2차원 배열 = 행렬이라고 생각하는게 속 편하다. 이렇게 생각하면, 위의 각종 방법들의 특성을 전부 쉽게 이해할 수 있다. 그 외에는..

이번 글에서는 Numpy 배열 변환 방법 중 조건 색인과 배열 복사에 대해 다룰 것이다. 조건 색인은 Numpy를 이용한 데이터 분석에서 매우 자주 쓰이기 때문에 반드시 체화하고 기억하는 것이 좋다. 그렇게 어렵지는 않으니 문법에 익숙해지도록 노력하자. Numpy 배열 복사에는 얕은 복사와 깊은 복사가 있다. 얕은 복사와 깊은 복사의 개념은 배열에도 마찬가지로 적용되므로 잘 구분하도록 하자.

이번 글에서는 넘파이로 만든 배열의 변환 방법에 대해 정리할 것이다. 우선, 배열 정렬이 있다. 배열 정렬의 경우, axis를 기준으로 요소를 오름차순 정렬하는 것이 기본값이다. np.argsort(arr)의 경우, 오름차순 또는 내림차순 정렬을 위해 현재 데이터가 어느 위치로 가야하는지 인덱스 번호를 통해 보여주는 약간 다른 방식의 정렬 방법이라는 것을 알아두자. 배열 정렬 실습을 axis인자를 주어가면서, 또 데이터 차원을 변경해가면서 수행했다. Numpy 배열을 변환하는 다른 방법은 인덱싱과 슬라이싱이다. 리스트같은 데이터타입과 마찬가지로, 배열에서도 인덱싱과 슬라이싱을 통해 배열 내부의 요소값에 접근하고 수정할 수 있다. 기본적으로 여러개의 인덱싱을 배열로 전달할 수 있으며, 행 또는 열만 따로 ..

이번 글에서는 numpy의 배열 연산함수에 대해 정리할 것이다. 우선 배운 것은 산술 연산함수로, 배열에 산술 연산을 적용하면 각 배열 내부의 인자간 연산값을 배열로 반환한다는 점에 주의하자. 배열을 만들어서 각 산술 연산을 실습해보았다. 그냥 곱연산이 행렬곱이 아니라 단순 곱 결과를 반환한다는 것을 알아두자. 행렬곱을 위한 함수는 따로 존재한다. 다음 연산함수는 비교 연산함수이다. 산술 연산과 마찬가지로, 비교 연산도 기본적으로 각 배열 내부의 인자간 비교를 True/False로 반환한다. 배열을 만들어 각 비교 연산을 실습해보았다. 배열 자체가 같은지 탐색하는 함수도 존재한다. 세 번째 연산함수는 집계함수이다. 집계함수는 axis로 설정된 기준에 따라 연산을 수행한다. 기본적으로 하나의 배열에 대한 ..

이번 글에서는 파이썬의 라이브러리 중 데이터 분석에 많이 쓰이는 넘파이에 대해 정리할 것이다. 카카오 사태 이후 티스토리에 글 쓰는 방법을 알아서 이 글부터는 다시 바로 블로그에 작성해서 업로드하게 된다. Numpy는 파이썬에서의 데이터 분석에서 함수 및 벡터 연산에 대한 다양한 함수를 제공하며, 배열(array) 형태의 데이터 타입을 통해 보다 빠른 연산을 수행 가능하게 한다. 특히 numpy의 배열에는 다양한 속성들이 있다. 해당 속성들은 데이터의 구조(행, 열, 차원), 차원, 데이터 타입, 데이터 개수(행 * 열 * 차원) 등으로 이루어져 있다. 또한 배열의 데이터 타입을 바꾼다거나, 배열의 데이터 구조를 바꾸는 함수도 존재한다. 리스트를 배열 타입으로 변화한 후, 각 속성들을 직접 알아보았다. ..