[코딩 기초] 파이썬 - 리스트(list)와 배열(array) & 대표적인 배열 라이브러리, Numpy에 대해서!

앞으로 대표적인 프로그래밍 언어인 파이썬에 대해서 기초부터 정리하는 시간을 가져보려고 한다!!

 

오늘은 데이터과학에서 많이 사용하는 기본적인 데이터 구조인 리스트와 배열에 대해서 공부하고, 아주아주 많이 들어보았던 파이썬 라이브러리인 Numpy에 대해서 특히나 더 알아보려고 한다. 

 

대표적인 Array Library Numpy

---

리스트 List 

파이썬의 기본 내장 자료형으로, 다양한 타입의 데이터를 저장할 수 있는 나열형 데이터 구조.

(+) 유연성이 높음. 다양한 타입의 데이터를 저장함. 동적 메모리 할당으로 크기가 조절 가능함. 

(-) 배열보다는 연산 속도가 느림 

 

예시 : 1부터 10까지 배열된 data라는 리스트

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 

 

예시 : 다양한 타입의 리스트

my_list = [1, "apple", 3.14, True]

 

예시 : 리스트의 리스트 (2차원 리스트)

2_list = [[1, a], [3, c], [5, e]]

인덱스 index

리스트의 배열의 위치를 선택하는 방법을 의미함. 첫번째 요소는 인덱스 0임을 기억할 것.

예시 : data 라는 리스트의 다섯번째 샘플을 선택하고 싶음 

정답 : data[4]

 

슬라이싱 slicing

콜론(:) 을 가운데 두고 인덱스의 범위를 지정하여 여러 개의 원소를 선택하는 것. 두번째 인덱스의 원소는 포함되지 않는다는 것을 기억할 것. 마지막 원소까지 포함할 경우 두번째 인덱스는 생략해도 됨 

 

예시 : data 라는 리스트의 첫번째부터 다섯번째까지의 샘플을 선택하고 싶음

정답 : data[0:5]

 

예시 : data 라는 리스트의 세번째부터 마지막까지의 샘플을 선택하고 싶음 

정답 : data[2: ]

 

---

배열 Array

동일한 데이터  타입을 연속적으로 나열한 데이터 구조

 

 

(+) 빠른 데이터 접근과 연산이 가능함. 

(-) 동일한 데이터 타입만 저장 가능함.

 

예시: 1차원 배열 

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

 

예시: 2차원 배열(행렬)

2_list = [[1, 2], [3, 4], [5, 6]]

 

배열 라이브러리 : 넘파이 numpy

배열 라이브러리란 배열을 더 빠르고 효율적으로 다루기 위한 기능들을 제공하는 라이브러리이다. 

기본적으로 배열을 생성하고 변환하며, 수학적 연산에 대한 기능, 데이터 슬라이싱과 필터링 기능, 그리고 통계와 선형대수 기능들을 포함하고 있다. 

 

파이썬의 대표적인 배열 라이브러리에는 "Numpy", "Pandas", "SciPy" 등이 있다. 딥러닝 프레임워크인 TensorFlow도 고차원 배열인 Tensor를 처리하는 라이브러리라는 점에서 배열라이브러리라고 할 수 있다.  

Numpy는 배열 라이브러리라면 Pandas는 Table 형태의 데이터 처리를 강화한 numpy 기반 툴이라고 할 수 있다. SciPy는 Numpy 기반이기는 하지만 보다 더 복잡한 수학적 기능을 제공하고 있다. 

 

파이썬의 기본적인 자료형인 리스트로 2차원 배열까지는 만들 수 있지만 차원이 늘 수록 표현하기가 더 어려워진다. 넘파이는 이런 고차원의 배열을 손쉽게 만들 수 있는 도구들을 제공한다. 다음은 대표적인 Numpy의 메서드와 attribute들을 정리한 표이다. 

 

Method / Attribute	기능	예시	결과
array()	리스트를 NumPy 배열로 변환	np.array([1, 2, 3])	[1 2 3]
shape	배열의 구조(차원) 확인	arr.shape	(3,) * 3개의 요소를 가진 1차원 배열
dtype	데이터 타입 확인	arr.dtype	int64
reshape()	배열의 차원 변경	arr.reshape(2, 3)	[[1 2 3], [4 5 6]]
arange()	일정한 간격의 숫자 생성	np.arange(0, 10, 2) np.arange(6)	[0 2 4 6 8] [0, 1, 2, 3, 4, 5]
linspace()	구간을 균등하게 나눈 값 생성	np.linspace(0, 1, 5)	[0. 0.25 0.5 0.75 1.]
zeros()	0으로 채워진 배열 생성	np.zeros((2, 3))	[[0. 0. 0.], [0. 0. 0.]]
ones()	1로 채워진 배열 생성	np.ones((3,))	[1. 1. 1.]
eye()	단위 행렬 생성	np.eye(3)	[[1. 0. 0.], [0. 1. 0.], [0. 0. 1.]]
random.rand()	0~1 사이의 난수 배열 생성	np.random.rand(2, 2)	[[0.56, 0.12], [0.78, 0.34]] *0에서 1 사이 2개 샘플, 2개 요소
random.randint()	지정 범위 내 정수 난수 생성	np.random.randint(0, 10, size=(2, 3))	[[3, 7, 1], [5, 9, 0]] *0에서 10 사이 2개 샘플, 3개  요소
sum()	배열 요소의 합계	arr.sum()	15 *arr = [1, 2, 3, 4, 5] 일 때
mean()	배열 요소의 평균	arr.mean()	3.0 *arr = [1, 2, 3, 4, 5] 일 때
max() / min()	최대값 및 최소값 반환	arr.max(), arr.min()	5, 1 *arr = [1, 2, 3, 4, 5] 일 때
argmax()	최대값의 인덱스 반환	arr.argmax()	4 (최대값 5의 인덱스) *arr = [1, 2, 3, 4, 5] 일 때
sort()	배열 정렬	np.sort([3, 1, 4, 2])	[1 2 3 4]
concatenate()	배열 결합 : 첫번째 차원을 따라 배열을 연결함.	np.concatenate(([1, 2], [3, 4]))	[1 2 3 4]
hstack() / vstack() / colum_stack()	수평으로 합침  /수직으로 합침  / 열 기준으로 쌓는 함수	np.hstack((a, b)) np.vstack((a, b)) np.column_stack((a,b))	[1 2 3 4]  [[1 2], [3 4]] [[1, 3], [2, 4]] *a= [1, 2], b=[3, 4]
unique()	중복 제거 후 고유 값 반환	np.unique([1, 2, 2, 3, 4, 4, 5])	[1 2 3 4 5]
where()	조건에 따라 인덱스 또는 값 반환	np.where(arr > 2)	(array([2, 3, 4]),)
transpose()	배열의 차원을 전치 (행↔열)	arr.T	[[1 4], [2 5], [3 6]]
dot()	행렬 곱셈 수행	np.dot(A, B)	[[19 22], [43 50]]
flatten()	다차원 배열을 1차원으로 변환	arr.flatten()	[1 2 3 4 5 6]

 

여기서 사용 가능한 팁들이다! 

• arrange() 함수는 arange(N) 처럼 정수값만 넣으면 0부터 N-1까지 1씩 증가하는 배열을 만든다. 
• seed() : 랜덤 함수들 중은 실행할 때마다 다른 결과를 만드는데, 일관된 결과를 원하면 초기에 랜덤시드(Random seed)를 동일한 숫자로 지정하면 된다. np.random.seed(N) 이런식으로 지정하면 된다. 
• random() 중 random.shuffle() 함수는 주어진 배열을 무작위로 섞는다. 
• stack()류의 함수들이 생성하는 결과는 튜플 형태이다. 여기서 튜플은 리스트와 유사하지만, 한번 만들어진 튜플은 수정이 안된다는 특성을 가진다. 

---

넘파이는 많은 파이썬의 과학 라이브러리에서 사용하는 표준 데이터이기 때문에 반드시 알고 있는게 좋을 것 같다!

앞으로 넘파이의 활용과 넘파이를 이용한 다양한 과학 라이브러리에 대해서 더 공부하고 포스팅 해보겠다.

화이팅!

 

출처: 혼자공부하는 머신러닝/딥러닝 (한빛미디어, 박해선)