numpy 배경 지식 정리

🤔어떻게 행렬과 매트릭스를 코드로 표현할 것인가?

해당 코드(행렬을 리스트로 표현 할 때)의 문제점

• 다양한 Matrix 계산 표현 불가(ex. dotp, norm)
• 굉장히 큰 Matrix에 대한 표현
• 처리 속도 문제(python은 interpreter 언어)
  → 적절한 패키지를 활용하자

파이썬 과학 처리 패키지, numpy

• Numerical Python
• 파이썬의 고성능 과학 계산용 패키지
• Matrix와 Vector와 같은 Array 연산의 사실상의 표준
• 일반 List에 비해 빠르고, 메모리 효율적
• 반복문 없이 데이터 배열에 대한 처리를 지원
• 선형대수와 관련된 다양한 기능을 제공
• C,C++,포트란 언어와 통합 가능

ndarray

• numpy는 np.array 함수를 활용해 배열을 생성
• numpy는 하나의 데이터 type만 배열에 넣을 수 있음
• list와 가장 큰 차이점 → dynamic typing not supported
• C의 Array를 사용하여 배열을 생성

numpy array vs python list

• numpy array는 차례대로 데이터가 메모리에 들어간다.
• 반면에 python list는 숫자 자체가 메모리에 저장이 되어있어서 리스트는 해당 숫자의 주소값이 들어가 있다. (해당 리스트의 값을 찾으려면 두번을 검색해야한다.)
  → 연산 속도, 메모리의 접근성, 메모리의 크기가 훨씬 효율적이게 됨

a=[1,2,3,4,5]
b=[5,4,3,2,1]

a[0] is b[-1] #1이란 숫자의 static한 주소값을 비교
#결과값:True

a=np.array(a)
b=np.array(b)
a[0] is b[-1] #해당 array가 메모리에 저장된 주소값을 비교
#결과값:False

새롭게 생성된 축이 axis=0이 된다