**[계룡건설] GreenTech SW개발자 - Python 학습 노트 .14**

이 카테고리는 국비지원 과정으로 [계룡건설] 빅데이터 기반 GreenTech SW개발자 과정에서 학습하는 내용을 정리하는 공간입니다.

---

 

NumPy 기본 개념과 활용 정리

NumPy는 파이썬에서 과학 연산 및 데이터 처리를 위해 사용하는 강력한 라이브러리이다. 이 글에서는 NumPy의 주요 개념과 기능을 체계적으로 정리한다.

---

1. 배열의 구조 및 메모리 관리

배열의 요소 순서

• 배열(Array)의 논리 순서와 물리 순서는 일치한다.
• 랜덤 억세스(Random Access): 요소를 비순차적으로 접근할 수 있다.

리스트와의 차이점

• 리스트(List)는 논리 순서와 물리 순서가 다를 수 있으며, 순차 접근(Sequential Access) 방식으로 데이터를 찾는다.
• NumPy 배열은 단일 포인터 메모리를 사용하여 효율적으로 데이터를 저장한다.

---

2. 배열 생성 및 변형

1차원 배열 생성

import numpy as np

testarr = np.array([1, 2, 3, 4], int)
print(testarr)  # [1 2 3 4]

다차원 배열 생성

testarr = np.array([[1, 2, 3, 4], [5, 6, 7, 8]], np.int64)
print(testarr)

배열 형태 변경 (Reshape & Flatten)

test_reshape = np.array([[1,2,3,4],[5,6,7,8]], int)
print(test_reshape.reshape(2,2,2))  # 3차원 변환
print(test_reshape.flatten())  # 1차원 변환

---

3. 인덱싱 및 슬라이싱

testindex = np.array([[1, 2, 3], [4, 5, 6]], int)
print(testindex[0, 0])  # 1
print(testindex[:, :2])  # 모든 행에서 2열까지 추출

---

4. 특수 행렬 생성

print(np.zeros((3, 3), dtype=np.int32))  # 0으로 채워진 배열
print(np.ones((3, 3), dtype=np.int32))  # 1로 채워진 배열
print(np.identity(3))  # 단위 행렬

---

5. 난수 생성 및 분포

print(np.random.uniform(0, 1, 10))  # 균등 분포 난수 생성
print(np.random.normal(10, 5, 1000))  # 정규 분포 난수 생성

---

6. 배열 연산 (브로드캐스팅 포함)

arr = np.array([1, 2, 3])
print(arr + arr)  # [2 4 6]
print(arr * arr)  # [1 4 9]

broad_matrix = np.arange(1, 13).reshape(4, 3)
broad_vector = np.array([10, 20, 30])
print(broad_matrix + broad_vector)  # 벡터가 자동 확장되어 연산됨

---

7. 배열 비교 및 조건문 활용

comp = np.arange(10)
print(comp > 5)  # [False False False ... True True True]

---

8. NaN 및 결측치 처리

nan_arr = np.array([1, 2, 3, np.nan, 5])
print(np.isnan(nan_arr))  # NaN 여부 확인

---

9. 최댓값/최솟값 및 인덱스 찾기

arr = np.arange(1, 11)
print(arr.max())  # 최댓값
print(arr.min())  # 최솟값

---

10. 불리언 인덱싱

arr = np.array([10, 20, 30, 40, 50])
mask = arr > 25
print(arr[mask])  # [30 40 50]

---

11. 배열 저장 및 로드

test_arr = np.arange(100)
np.save("test", arr=test_arr)
loaded = np.load("test.npy")
print(loaded)

NumPy는 데이터 연산과 처리를 보다 효과적으로 수행할 수 있도록 다양한 기능을 제공한다. 이를 적극 활용하면 성능과 코드 가독성을 향상시킬 수 있다.