NumPy 1편: 배열 만들기
NumPy 배열의 정보 확인, 생성 함수, 난수(default_rng), dtype과 float32·정수 배열 주의점을 예제와 실행 결과로 정리했다.
이 글의 코드와 수치는 노트북으로 직접 실행해 볼 수 있다.
노트북 내려받기NumPy 배열을 만들고 정보와 dtype을 확인하는 방법을 정리했다. 예제의 출력은 모두 노트북을 실행한 결과다.
한눈에 보기
| 하고 싶은 것 | 코드 | 결과 / 주의 |
|---|---|---|
| 배열 정보 확인 | x.shape, x.ndim, x.size, x.dtype |
무엇이든 shape부터 찍는다 |
| 리스트와 구분 | np.array(lst) |
리스트의 * 2는 이어 붙이기 |
| 값을 채워 만들기 | np.zeros((2, 3)), np.ones, np.full, np.zeros_like(x) |
모양은 괄호 두 겹 |
| 구간으로 만들기 | np.arange(시작, 끝, 간격), np.linspace(시작, 끝, 개수) |
arange는 끝 제외, linspace는 끝 포함 |
| 난수로 만들기 | rng = np.random.default_rng(42), rng.random, rng.normal, rng.integers |
integers는 끝 제외 |
| 중복 없이 뽑기, 섞기 | rng.choice(a, n, replace=False), rng.permutation(n) |
|
| dtype 확인과 변환 | x.astype(np.float32) |
섞으면 큰 쪽(float64)으로 바뀐다 |
| 정수 배열 주의 | x.astype(np.float32) / 255 |
잘림·넘침에 경고가 없다 |
배열 정보 확인
배열은 차원 수만 다를 뿐 모두 같은 ndarray다. 숫자 하나(스칼라)는 0차원, 숫자 한 줄(벡터)은 1차원, 숫자 표(행렬)는 2차원, 표를 여러 장 쌓은 것(텐서)은 3차원 이상이다.
| 속성 | 뜻 |
|---|---|
ndim |
축(차원)의 개수 |
shape |
축마다의 크기. 행렬이면 (행 수, 열 수) |
size |
전체 원소 개수. shape의 값을 모두 곱한 것 |
dtype |
원소의 자료형 |
scalar = np.array(5)
vector = np.array([80, 90, 70])
matrix = np.array([[80, 90, 70],
[60, 85, 95]])
tensor = np.zeros((3, 2, 3))
for name, a in [('scalar', scalar), ('vector', vector),
('matrix', matrix), ('tensor', tensor)]:
print(f'{name:6} ndim={a.ndim} shape={a.shape} size={a.size} dtype={a.dtype}')scalar ndim=0 shape=() size=1 dtype=int64
vector ndim=1 shape=(3,) size=3 dtype=int64
matrix ndim=2 shape=(2, 3) size=6 dtype=int64
tensor ndim=3 shape=(3, 2, 3) size=18 dtype=float64벡터의 shape (3,)는 “축이 하나이고 크기가 3”이라는 뜻이다. 쉼표는 원소 하나짜리 튜플을 나타내는 파이썬 문법이다. (3,), (1, 3)(1행 3열), (3, 1)(3행 1열)은 값이 같아도 서로 다른 모양이고, 계산 결과가 달라진다(4편에서 다룬다).
리스트와 다른 점
파이썬 리스트와 배열은 같은 연산자를 다르게 해석한다.
lst = [1, 2, 3]
arr = np.array([1, 2, 3])
print(lst * 2)
print(arr * 2)
print(lst + [10, 20, 30])
print(arr + np.array([10, 20, 30]))[1, 2, 3, 1, 2, 3]
[2 4 6]
[1, 2, 3, 10, 20, 30]
[11 22 33]리스트의 *와 +는 이어 붙이기이고, 배열의 *와 +는 원소마다 계산한다. 출력에서도 구분된다. 리스트는 쉼표로([1, 2, 3]), 배열은 공백으로([2 4 6]) 원소를 나눈다.
값을 채워 만들기
| 함수 | 결과 |
|---|---|
np.zeros(모양), np.ones(모양) |
0, 1로 채운 실수 배열 |
np.full(모양, 값) |
지정한 값으로 채운 배열 |
np.zeros_like(x) |
x와 shape, dtype이 같은 0 배열 |
print(np.zeros((2, 3)))
print(np.ones((2, 3)))
print(np.full((2, 3), 7))
print(np.zeros_like(matrix))[[0. 0. 0.]
[0. 0. 0.]]
[[1. 1. 1.]
[1. 1. 1.]]
[[7 7 7]
[7 7 7]]
[[0 0 0]
[0 0 0]]zeros_like(matrix)는 정수 행렬을 받았으므로 정수 0으로 채운다. 다른 배열과 같은 모양의 빈 배열이 필요할 때 쓴다.
try:
np.zeros(2, 3)
except TypeError as e:
print('TypeError:', e)TypeError: Cannot interpret '3' as a data type구간으로 만들기
| 함수 | 결과 |
|---|---|
np.arange(시작, 끝, 간격) |
시작부터 간격만큼 센 값. 끝 값은 빠진다 |
np.arange(n) |
0, 1, …, n-1 |
np.linspace(시작, 끝, 개수) |
시작부터 끝까지 일정한 간격의 값을 지정한 개수만큼 만든다. 끝 값을 포함한다 |
print(np.arange(0, 10, 3))
print(np.arange(5))
print(np.linspace(0, 1, 5))[0 3 6 9]
[0 1 2 3 4]
[0. 0.25 0.5 0.75 1. ]난수로 만들기
새 코드에서는 np.random.default_rng(시드)로 생성기(Generator)를 만들고 그 메서드를 쓴다. NumPy 문서는 기존 np.random.* 함수에서 “가능한 한 Generator로 옮겨 가기를 권한다”고 적는다(NumPy 문서: Random sampling).
| 메서드 | 결과 |
|---|---|
rng.random(모양) |
0 이상 1 미만의 균등분포 |
rng.normal(평균, 표준편차, size=모양) |
정규분포 |
rng.integers(시작, 끝, size=모양) |
정수. 끝 값은 빠진다 |
rng = np.random.default_rng(42)
print(rng.random((2, 3)).round(3))
print(rng.normal(0, 1, size=(2, 3)).round(3))
print(rng.integers(0, 10, size=8))[[0.774 0.439 0.859]
[0.697 0.094 0.976]]
[[ 0.128 -0.316 -0.017]
[-0.853 0.879 0.778]]
[7 6 4 8 5 4 4 2]같은 시드로 만든 생성기는 같은 값을 낸다. 실험을 재현하려면 시드를 고정한다.
print(np.random.default_rng(42).random(3))
print(np.random.default_rng(42).random(3))[0.77395605 0.43887844 0.85859792]
[0.77395605 0.43887844 0.85859792]중복 없이 뽑기와 섞기
rng.integers는 같은 값이 여러 번 나올 수 있다. 중복 없이 뽑으려면 rng.choice(후보, 개수, replace=False)를 쓴다. 1~45에서 6개를 뽑는 예다.
rng = np.random.default_rng(0)
draws = rng.integers(1, 46, size=100_000)
print(draws.min(), draws.max())
print(np.sort(rng.choice(np.arange(1, 46), size=6, replace=False)))1 45
[ 5 10 19 24 41 44]10만 번 뽑아도 최댓값이 45다. 45까지 나오게 하려면 끝 값을 46으로 준다.
배열을 섞을 때는 순서를 섞은 번호 배열을 만들어 그 번호로 꺼낸다(번호 배열로 꺼내기는 2편에서 다룬다). 같은 번호 배열을 쓰면 짝이 맞는 두 배열을 같은 순서로 섞을 수 있다.
X = np.arange(10).reshape(5, 2)
idx = rng.permutation(len(X))
print(idx)
print(X[idx])[3 2 1 0 4]
[[6 7]
[4 5]
[2 3]
[0 1]
[8 9]]np.random.seed(0)
print(np.random.rand(2, 3).round(3))
print(np.random.default_rng(0).random((2, 3)).round(3))[[0.549 0.715 0.603]
[0.545 0.424 0.646]]
[[0.637 0.27 0.041]
[0.017 0.813 0.913]]dtype 확인과 변환
dtype은 입력값에서 정해진다. 정수만 있으면 정수, 실수가 하나라도 섞이면 실수다. zeros, ones는 기본이 실수(float64)이고, dtype= 인자로 지정할 수 있다.
print(np.array([1, 2, 3]).dtype)
print(np.array([1.0, 2.0, 3.0]).dtype)
print(np.array([1, 2.5, 3]).dtype)
print(np.zeros(3).dtype, np.arange(3).dtype)
print(np.zeros(3, dtype=np.float32).dtype)int64
float64
float64
float64 int64
float32기본 정수 크기는 환경에 따라 다를 수 있다. NumPy 2.0부터 Windows의 기본 정수형이 int32에서 int64로 바뀌었다(NumPy 2.0.0 릴리스 노트).
float32와 float64
| float64 | float32 | |
|---|---|---|
| 원소당 크기 | 8바이트 | 4바이트 |
| NumPy 실수 기본값 | ✓ |
x64 = np.zeros((1000, 1000))
x32 = x64.astype(np.float32)
print(x64.dtype, x64.nbytes)
print(x32.dtype, x32.nbytes)
print(f'{np.float64(0.1):.20f}')
print(f'{np.float32(0.1):.20f}')
print((x32 + x64).dtype)float64 8000000
float32 4000000
0.10000000000000000555
0.10000000149011611938
float64100만 개짜리 배열이 8MB와 4MB다. 0.1을 저장한 값은 float32가 소수점 아래 9번째 자리부터, float64가 18번째 자리부터 어긋난다.
정수 배열의 잘림과 넘침
i = np.array([1, 2, 3])
i[0] = 1.7
print(i)
print(i / 2, (i / 2).dtype)
pix = np.array([200, 100], dtype=np.uint8)
print(pix + pix)
print(pix.astype(np.float32) / 255)[1 2 3]
[0.5 1. 1.5] float64
[144 200]
[0.78431374 0.39215687]- 배열의 dtype은 값을 넣어도 바뀌지 않는다. 정수 배열에 1.7을 넣으면 1로 잘린다.
- 정수 배열을
/로 나눈 결과는 새 float64 배열이다. uint8은 0~255만 담는다. 200 + 200 = 400은 256을 뺀 144가 된다.