numpy :: ndarray

numpy 모듈 호출 (import)

• numpy의 호출 방법

• 일반적으로 numpy는 np라는 별칭(alias)을 이용해서 호출함

• 특별한 이유는 없음 .. 세계적인 약속 같은 것

import numpy as np

array creation

• numpy는 np.array 함수를 활용하여 배열을 생성 -> ndarray (numpy dimension array)

• numpy는 하나의 데이터 타입만 배열에 넣을 수 있음

• 리스트와 가장 큰 차이점 : Dynamic typing not supported

• C의 array를 사용하여 배열 생성

test_array = np.array(["1", "4", 5, 8], float)
test_array

array([1., 4., 5., 8.])

type(test_array[3])

numpy.float64

test_array = np.array([1, 4, 5, "8"], np.float32) # string type의 데이터("8")를 입력해도
test_array

array([1., 4., 5., 8.], dtype=float32)

type(test_array[3]) # float type으로 자동 형변환 실시

numpy.float32

test_array.dtype # dtype : 배열 전체의 data type을 반환

dtype('float32')

test_array.shape # shape : 배열의 shape을 반환함 (튜플 타입)

(4,)

array shape

• array (vector, matrix, tensor)의 크기, 형태 등에 대한 정보

# array shape (vector)
test_array = np.array([1, 4, 5, "8"], float)
test_array.shape # ndarray의 shape을 반환 (튜플 타입)

(4,)

# array shape (matrix)
matrix = [[1, 2, 5, 8], [1, 2, 5, 8], [1, 2, 5, 8]]
np.array(matrix, int).shape # ndarray의 shape을 반환 (튜플)

(3, 4)

# array shape (3rd order tensor)
tensor  = [[[1,2,5,8],[1,2,5,8],[1,2,5,8]], 
           [[1,2,5,8],[1,2,5,8],[1,2,5,8]], 
           [[1,2,5,8],[1,2,5,8],[1,2,5,8]], 
           [[1,2,5,8],[1,2,5,8],[1,2,5,8]]]
np.array(tensor, int).shape # ndarray의 shape을 반환 (튜플) 
# 4 -> 깊이, 3 -> column, 4 -> row

(4, 3, 4)

# ndim : number of dimension
np.array(tensor, int).ndim

3

# size : 전체 data의 개수
np.array(tensor, int).size

48

array dtype

• ndarray의 single element가 가지는 datatype
• 각 element가 차지하는 memory의 크기가 결정됨

np.array([[1, 2, 3], [4.5, 5, 6]], dtype=int) # data type을 integer로 선언

array([[1, 2, 3],
[4, 5, 6]])

np.array([[1, 2, 3], [4.5, "5", "6"]], dtype=np.float32) # data type을 float로 선언

array([[1. , 2. , 3. ],
[4.5, 5. , 6. ]], dtype=float32)

# nbytes : ndarray의 object의 메모리 크기를 반환

np.array([[1, 2, 3], [4.5, "5", "6"]], dtype=np.float32).nbytes 
# 6 * 32bits = 6 * 4bytes = 24bytes

24

np.array([[1, 2, 3], [4.5, "5", "6"]], dtype=np.int8).nbytes 
# 6 * 8bits = 6 * 1bytes = 6bytes

6

np.array([[1, 2, 3], [4.5, "5", "6"]], dtype=np.float64).nbytes
# 6 * 64 bits = 6 * 8bytes = 48bytes

48

https://www.boostcourse.org/ai222/lecture/24071