NumPy 어레이 만들기

NumPy 어레이를 생성하는 다양한 방식에 대해 소개합니다.

순서는 아래와 같습니다.

np.array() 사용하기

파이썬 리스트 또는 튜플을 np.array()에 입력하면 NumPy 어레이가 만들어집니다.

np.array()를 사용해서 NumPy 어레이 만들기.

예제

import numpy as np

a = np.array([1, 2, 3, 4])
print(a)
print(type(a))
print(a.dtype)

b = np.array([1.2, 3.5, 5.1])
print(b)
print(type(b))
print(b.dtype)

[1 2 3 4]
<class 'numpy.ndarray'>
int32
[1.2 3.5 5.1]
<class 'numpy.ndarray'>
float64

NumPy 어레이 [1 2 3 4]와 [1.2 3.5 5.1]이 만들어졌습니다.

파이썬 내장함수 type()을 이용해서 어레이의 자료형을 확인해보면, numpy.ndarray 클래스임을 알 수 있습니다.

numpy.ndarray 클래스의 dtype 속성은 어레이의 요소의 자료형을 알려줍니다.

예제

a = np.array(1,2,3,4)    # WRONG
b = np.array([1,2,3,4])  # RIGHT
c = np.array((1,2,3,4))  # RIGHT

어레이를 생성할 때, np.array()에 숫자들을 그대로 입력하는 실수를 하게 됩니다.

두, 세번째 줄과 같이 파이썬 리스트 또는 튜플의 형태로 숫자들을 입력해주면 됩니다.

NumPy 어레이 생성의 잘못된 예.

2차원 어레이 만들기

np.array()는 숫자 시퀀스의 시퀀스를 2차원 어레이로 변환합니다.

2차원 NumPy 어레이 만들기.

예제

import numpy as np

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

[[1 2 3]
 [4 5 6]]

시퀀스의 시퀀스의 시퀀스는 3차원 어레이가 되고, 그 이상도 마찬가지 입니다.

타입 지정하기 (dtype)

어레이를 생성할 때 어레이의 타입을 명시적으로 지정할 수 있습니다.

예제

import numpy as np

a = np.array([[1,2], [3,4]], dtype=complex)
print(a)

[[1.+0.j 2.+0.j]
 [3.+0.j 4.+0.j]]

dtype=complex를 이용해서 복소수 타입을 갖는 어레이를 만들었습니다.

np.zeros(), np.ones(), np.empty() 사용하기

어레이가 만들어지는 시점에 어레이의 크기는 알지만 요소의 값이 정해지지 않았을 수 있습니다.

NumPy는 초기 플레이스홀더 (placeholder)를 이용해서 어레이를 만들기 위한 다양한 함수를 제공합니다.

이 함수들은 어레이를 효과적으로 초기화하도록 합니다.

예제

import numpy as np

a = np.zeros(10)
print(a)

b = np.ones((2, 3, 4), dtype=np.int16)
print(b)

c = np.empty((2, 3))
print(c)

[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[[[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]

 [[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]]
[[-5.11078896e+125  2.60444308e+243  5.31634246e+228]
 [ 4.90385083e+252  6.03645374e-313  5.37712344e+228]]

np.zeros()는 모두 0으로 채워진 어레이를 생성합니다.

np.zeros()를 이용해서 어레이 초기화하기.

np.ones()는 모두 1로 채워진 어레이를 생성합니다.

np.ones()를 이용해서 어레이 초기화하기.

np.empty()는 요소의 초기값을 임의로 정하는데, 메모리의 상태에 따라 결정됩니다.

np.empty()를 이용해서 어레이 초기화하기.

기본적으로, 생성된 어레이의 자료형 (dtype)은 float64입니다.

np.arange() 사용하기

연속적인 숫자들을 만들어내기 위해 NumPy는 파이썬의 range()와 유사한 함수인 np.arange()를 제공하는데,

np.arange()는 리스트 대신 어레이를 반환합니다.

np.arange()를 이용해서 어레이 초기화하기.

예제

import numpy as np

a = np.arange(10, 30, 5)
b = np.arange(0, 2, 0.3)

print(a)
print(b)

[10 15 20 25]
[0.  0.3 0.6 0.9 1.2 1.5 1.8]

a는 10에서 30 사이의 범위에서 step=5를 갖는 어레이 [10 15 20 25]입니다.

b는 0에서 2 사이의 범위에서 step=0.3을 갖는 어레이 [0. 0.3 0.6 0.9 1.2 1.5 1.8]입니다.

np.linspace() 사용하기

np.arange()를 부동소수점 인수와 함께 사용할 때,

부동소수점 정밀도의 제한 때문에 일반적으로 요소의 개수를 예측하기 어렵습니다.

이런 이유로 증가폭 (step) 대신 요소의 개수를 인수로 입력하는 np.linspace() 함수를 사용하는 것이 좋습니다.

예제

import numpy as np
from numpy import pi

a = np.linspace(0, 2, 9)             # 9 numbers from 0 to 2
print(a)

x = np.linspace(0, 2*pi, 100)        # useful to evaluate function at lots of points
f = np.sin(x)

[0.   0.25 0.5  0.75 1.   1.25 1.5  1.75 2.  ]
[0.         0.06346652 0.12693304 0.19039955 0.25386607 0.31733259
0.38079911 0.44426563 0.50773215 0.57119866 0.63466518 0.6981317
0.76159822 0.82506474 0.88853126 0.95199777 1.01546429 1.07893081
1.14239733 1.20586385 1.26933037 1.33279688 1.3962634  1.45972992
1.52319644 1.58666296 1.65012947 1.71359599 1.77706251 1.84052903
1.90399555 1.96746207 2.03092858 2.0943951  2.15786162 2.22132814
2.28479466 2.34826118 2.41172769 2.47519421 2.53866073 2.60212725
2.66559377 2.72906028 2.7925268  2.85599332 2.91945984 2.98292636
3.04639288 3.10985939 3.17332591 3.23679243 3.30025895 3.36372547
3.42719199 3.4906585  3.55412502 3.61759154 3.68105806 3.74452458
3.8079911  3.87145761 3.93492413 3.99839065 4.06185717 4.12532369
4.1887902  4.25225672 4.31572324 4.37918976 4.44265628 4.5061228
4.56958931 4.63305583 4.69652235 4.75998887 4.82345539 4.88692191
4.95038842 5.01385494 5.07732146 5.14078798 5.2042545  5.26772102
5.33118753 5.39465405 5.45812057 5.52158709 5.58505361 5.64852012
5.71198664 5.77545316 5.83891968 5.9023862  5.96585272 6.02931923
6.09278575 6.15625227 6.21971879 6.28318531]

np.linspace(0, 2, 9)는 0부터 2까지 9개의 숫자를 갖는 어레이를 만듭니다.

np.linspace(0, 2*pi, 100)와 같이 사용하면, 여러 포인트의 함수값을 얻을 때 유용합니다.

관련 페이지

• numpy.array

• numpy.arange

• numpy.empty_like

• numpy.empty

• numpy.ones_like

• numpy.ones

• numpy.zeros_like

• numpy.zeros

이전글/다음글

이전글 : NumPy 기초

다음글 : NumPy 어레이 출력하기

공유하기