파이썬[Python] 041 Ndarray 객체 - Numpy002

먼저 명절 기간 동안에 고향에 갔다 오는 바람에 포스팅이 많이 늦어진 점에 대해서 매우 송구스럽게 생각하고, 제 글을 읽어 주시는 분들에게 사과 드리는 바입니다. 오늘 포스팅은 앞서 포스팅에 이어서, Numpy에서 가장 중요한 객체인 Ndarray에 대해서 살펴보고자 합니다.

 

물론, 현재 제 포스팅을 보시는 분들은 아마도 파이썬[python]에 대한 경험이 있을 것이고, 따라서 파이썬[Python]에서 배열이 없다는 것을 알고 있을 것입니다.

 

하지만, NumPy에서는 다차원 배열, 즉 동일한 타입을 사용하는 다차원 배열인 Ndarray를 제공합니다.

 

여기에서 몇가지 부분들을 좀 생각해봐야 합니다. 충분히 파이썬[Python]에서 List를 이용하여 배열을 만들 수 있습니다. 하지만, NumPy를 사용하는 이유는, 벡터화 연산 및 계산 속도 향상이라는 이유가 있습니다. 즉, C타입의 배열 형태로 구현함으로서, C의 배열의 특성을 그대로 파이썬[Python]으로 가지고 오는 것입니다.

 

우선 다음의 Ndarray를 생성하는 방법입다.

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

 

위의 Parameter들은 다음과 같습니다. 

object	배열에 포함할 객체를 입력하
dtype	(Optional) 데이터 타입에 대해서 입력
copy	(Optional) 기존 객체를 복사하여 새로운 객체에서 치환하는 형태
order	(Optional) C = row 중심, F = column 중심, A = Any (default)
subok	(Optional) True/False로 True시 입력했던 객체들의 타입들을 반영, 반대로 False시에 기본 형태의 배열로 생성
ndmin	(Optional) 배열의 최소 차원에 대해 명시

 

그럼 간단한 데모로 몇가지 실행해 보도록 하겠습니다. 

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

위의 형태의 코드를 실행하면 다음과 같은 결과를 얻을 수 있습니다. 

[1 2 3 4 5]

그럼 다차원의 배열을 생성해보도록 하겠겠습니다. 

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

위의 코드를 실행하면 다음과 같은 결과를 얻을 수 있습니다. 

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

 

그럼 위의 ndmin의 옵션을 사용해보도록 하겠습니다. 

import numpy as np 
a = np.array([1, 2, 3, 4, 5], ndmin = 2) 
print (a)

위의 코드를 실행하면 다음과 같습니다. 

[[1, 2, 3, 4, 5]]

오늘은 NumPy에서 Ndarray를 생성하는 방법에 대해 살펴봤습니다. 다음 포스팅에서는 위의 부분에 연결하여 지원하는 데이터 타입에 대해서 살펴보도록 하겠습니다.