Appia의 IT세상

이번 포스팅에서는 Numpy데이터을 외부 추출하는 방법에 대해서 살펴볼려고 합니다. 물론 Pandas등을 통해서 CSV 파일로 추출하는 방법들을 매우 대중화 되어 있습니다. 그래서 많은 분들은 일정한 단계를 걸쳐 Pandas를 이용한 CSV파일로 추출을 합니다. 저는 바로 Pandas DataFrame으로 변환하여 CSV파일을 추출하는 방법과 바로 Numpy에서 CSV 파일을 추출하는 방법에 대해서 살펴보겠습니다. Pandas DataFrame으로 변환하여 CSV파일 추출하기 실제 Numpy array를 Dataframe으로 변환하여 CSV파일을 추출하기 위해서는 다음 단계를 걸쳐야 합니다. 1. numpy array을 pandas DataFrame으로 변경 2. CSV 파일로 저장 그럼 다음 예시를 통..

Numpy에서 브로드캐스팅(Broadcasting)이라는 단어를 매우 많이 사용합니다. 실제로 이 단어는 통신에서는 주변에 모든에게 패킷을 뿌리는 그런 느낌이었습니다. (물론 살짝 어감의 차이는 있을 수 있습니다.) , 또한 영어 단어로서는 방송하다 흩뿌리다라는 그런 의미를 가지고 있습니다. 하지만 파이썬[Python] Numpy에서는 조금 다른 의미로 사용이 되어 집니다. 그래서 오늘은 파이썬[Python] Numpy 브로드캐스팅(Broadcasting)정의 및 조건에 대해서 한번 알아보고자 합니다. 파이썬[Python] Numpy에서 말하는 브로드캐스팅(Broadcasting)은 즉, 일정 조건을 부합하는 다른 형태의 배열끼리 연산을 수행하는 것을 의미합니다. (앞서 내용과 너무 다르죠?) 그럼 다음..

이번 포스팅은 넘파이(numpy)에서 사용하는 인덱싱과 슬라이싱에 대해서 살펴보고자 합니다. 물론, 이렇게 인덱싱과 슬라이시이에 관련해서 별도로 다루다는 것에 대해서 사람들마다 각기 다른 의견을 가지고 있을 수 있습니다. 하지만, 이 부분은 반드시 필요로 하다고생각합니다. 넘파이(numpy)를 자주 사용하시는 분들을 이해 하시겠지만, 이 부분은 확실히 배열에서는 빼놓을 수 없이 중요한 부분입니다. 그래서 간단하지만, 잘 살펴보도록 하겠습니다. 먼저 파이썬뿐 아니라 대부분 언어에서 슬라이싱을 하는 컨셉은 거의 대부분 유사합니다. 시작, 끝 , 간격 이 3가지를 가지고 합니다. 즉 start, stop, step를가지고 진행하는 것이죠 . 그럼 다음을 한번 살펴보겠습니다. 1234import numpyarr..

이번 포스팅을 수의 범위를 바탕으로 배열을 생성하는 방법에 대해서 이야기를 드리고자 합니다. 파이썬[Python]의 넘파이(Numpy)는 배열이 중심이다 보니, 자연스럽게 배열에 관련된 이야기를 할 수 밖에 없습니다. 그 중에 이 부분은 나름 유용하게 사용될 수 있는 부분이기 때문에 포스팅 드리고자 합니다. 크게 3가지 함수 arrange, linspace, logspace를 바탕으로 이야기를 하고자 합니다. numpy.arrange 가장 쉬우면서 가장 보편적으로 많이 사용하는 함수가 아닐까 합니다. 시작값, 종료 값, 각 스텝의 차이등을 이용하여 나타내는 방식입니다. 다음 형식을 보겠습니다. numpy.arange(start, stop, step, dtype) start - 시작값, 만약 입력이 없다면..

이번 포스팅은 바이너리를 일고 쓰는 방법들에 대해서 이야기를 드리고자 합니다. 물론 numpy가 아니여도 관련해서 바이너리를 읽고 쓸수 있지만, 이번에는 numpy를 이용하도록 하겠습니다. (pack/unpack을 이용한 부분에서는 향후 관련하여 포스팅 예정입니다.) 바이너리(Binary) 읽기 (numpy기준) 바이너리를 파일을 읽어오는 가장 쉬운 방법은 numpy.frombuffer를 활용하는 것입니다. 버퍼에 있는 데이터를 1차원 배열로 만들어 주는 기능을 하는데, 다음과 같이 바이너리를 특정 변수에 넣어 두고 다음과 같이 바이너리를 읽는 데 매우 많이 사용됩니다. numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0) buffer - 데이..

이번 포스팅은 기존에 있는 데이터 즉, 리스트 등 다양한 데이터들을 이용하여 Ndarray를 만드는 방법에 대해서 살펴보고자 합니다. 최근 남이 하던 업무를 갑자기 이어서 하는 경우가 생겼습니다. 그래서, C에서 파일 쓰기를 통해서 생성된 바이너리를 읽어와서 변조하는 부분을 생성하게 되었습니다. 구조를 보니, 파일을 읽어와서 리스트로 저장하고 이 리스트를 바탕으로 Ndarray를 생성하는 것을 알게 되었습니다. 그래서 그 부분들에 대해서 조금 더 첨가하여 이 포스팅을 진행하고자 합니다. numpy.asarray 먼저 가장 흔히 사용하는 방법은 다음과 같습니다. Numpy.asarray(Data, dtype = None, order = None) Data - 입력 데이터 입니다. 여기에는 튜플, 리스트등이..

이번 포스팅에서는 Numpy관련된 부분에 대해서 이야기를 드리고자 합니다. 앞서 부분들에서 Ndarray생성하는 부분들에 대해서 이야기를 했습니다. 그럼 이번에는 앞서서 생성한 Ndarray에 대한 속성들에 대해서 이야기를 드리고자 합니다. Numpy에서는 확실히 Ndarray가 중심이기 때문에 반드시 알아 둬야 한다고 생각이 듭니다. 그럼 이번 포스팅에서 다루어질 속성은 다음과 같습니다. ndarray.shape - 배열 구조에 대해서 명시 ndarray.ndim - 배열의 dimension, 즉 몇차원인지에 대해서 명시 numpy.itemsize - 배열 각 맴버의 바이트 크기를 리턴 numpy.flags - 배열에 속서에 대한 정보 값 나타냄. (예시 참조) 그럼 하나씩 살펴보도록 하겠습니다. nd..