[코드잇] 데이터 사이언스 Toolkit 2. Numpy

3. Numpy

3-1 NumPy란?

많은 양의 데이터를 처리하려면 파이썬으로는 부족하다!

=> NumPy(Numerical Python) : 수와 파이썬 라이브러리

 

ex) 그냥 파이썬 문법의 리스트를 사용하는 것보다 넘파이의 배열을 사용하는 게 빠름!

NumPY Array : 메모리 최적화, 연산 최적화

---

3-2 NumPy와 array

In [1]:

import numpy as np

 

In [2]:

array1 = np.array([1, 3, 5, 6, 7, 9])
array1

 

Out[2]:

array([1, 3, 5, 6, 7, 9])

 

In [3]:

np.zeros(5) # 숫자 0 5개 자동 생성

 

Out[3]:

array([0., 0., 0., 0., 0.])

 

In [4]:

np.arange(10) # 0~9 숫자 순서대로 배열

 

Out[4]:

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

 

In [5]:

np.arange(2,10)

 

Out[5]:

array([2, 3, 4, 5, 6, 7, 8, 9])

 

In [6]:

np.arange(4, 17, 3)

 

Out[6]:

array([ 4,  7, 10, 13, 16])

 

In [7]:

type(array1) #ndarray = n차원 배열

 

Out[7]:

numpy.ndarray

 

In [8]:

array2 = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
array2

 

Out[8]:

array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])

 

In [9]:

array1.size

 

Out[9]:

6

 

In [10]:

array2.size

 

Out[10]:

12

 

In [11]:

array2.shape

 

Out[11]:

(3, 4)

 

In [12]:

array1.shape

 

Out[12]:

(6,)

 

---

3-3 인덱싱과 슬라이싱: 1차원 array

 

In [1]:

import numpy as np

 

In [2]:

gdp_array = np.array([6610, 7637, 8127, 8885, 10385, 12565, 13483, 12398, 8282, 10672])
# GDP = 어떤 국가의 경제 규모
# 대한민국 1인당 GDP를 년도별로 담은 배열 (1990년도, 1991 ....)

 

In [3]:

gdp_array[0]

 

Out[3]:

6610

 

In [4]:

gdp_array[2]

 

Out[4]:

8127

 

In [5]:

gdp_array[-1]

 

Out[5]:

10672

 

In [6]:

gdp_array[-2]

 

Out[6]:

8282

 

In [7]:

gdp_array[[1, 3, 4]]

 

Out[7]:

array([ 7637,  8885, 10385])

 

In [8]:

array1 = np.array([2, 1, 3, 5])
gdp_array[array1]

 

Out[8]:

array([ 8127,  7637,  8885, 12565])

 

In [9]:

gdp_array[2:6]

 

Out[9]:

array([ 8127,  8885, 10385, 12565])

 

In [10]:

gdp_array[:6]

 

Out[10]:

array([ 6610,  7637,  8127,  8885, 10385, 12565])

 

In [11]:

gdp_array[5:]

 

Out[11]:

array([12565, 13483, 12398,  8282, 10672])

 

In [12]:

gdp_array[1:8:3]

 

Out[12]:

array([ 7637, 10385, 12398])

 

---

3-4 비트코인 가격 정보 탐색하기 I

---

3-5 인덱싱과 슬라이싱: 2차원 array

In [1]:

import numpy as np

 

In [2]:

gdp_array = np.array([
    #2000년, 2001년, 2002년, 2003년, 2004년, 2005년 (열)
    [12257, 11561, 13165, 14673, 16496, 19403], # 대한민국 (행)
    [36169, 34406, 32821, 35387, 38299, 37813], # 일본
    [959, 1053, 1149, 1289, 1509, 1753],        # 중국
    [36335, 37133, 38023, 39496, 41713, 44115]  # 미국
])
gdp_array

 

Out[2]:

array([[12257, 11561, 13165, 14673, 16496, 19403],
       [36169, 34406, 32821, 35387, 38299, 37813],
       [  959,  1053,  1149,  1289,  1509,  1753],
       [36335, 37133, 38023, 39496, 41713, 44115]])

 

In [3]:

gdp_array[1] # 1행

 

Out[3]:

array([36169, 34406, 32821, 35387, 38299, 37813])

 

In [4]:

gdp_array[1][3] # 1행의 인덱스 3

 

Out[4]:

35387

 

In [5]:

gdp_array[1, 3] # 위 방법과 같음

 

Out[5]:

35387

 

In [6]:

gdp_array[1:3, 2:5] 
# 1행 ~ 2행의 인덱스 2 ~ 4 
# 일본, 중국의 2002년 ~ 2004년 까지의 GDP

 

Out[6]:

array([[32821, 35387, 38299],
       [ 1149,  1289,  1509]])

 

In [7]:

gdp_array[1:3, 2:]

 

Out[7]:

array([[32821, 35387, 38299, 37813],
       [ 1149,  1289,  1509,  1753]])

 

In [8]:

gdp_array[:3, 2:5]

 

Out[8]:

array([[13165, 14673, 16496],
       [32821, 35387, 38299],
       [ 1149,  1289,  1509]])

 

In [9]:

gdp_array[:, 2:5] 
# 모든 행의 2~4의 열
# 한국,일본,중국,미국의 2002년 ~ 2004년 까지의 GDP

 

Out[9]:

array([[13165, 14673, 16496],
       [32821, 35387, 38299],
       [ 1149,  1289,  1509],
       [38023, 39496, 41713]])

 

In [10]:

gdp_array[1:3, :] 
# 1~2행의 모든 열
# 일본, 중국의 2000년 ~ 2005년까지의 GDP

 

Out[10]:

array([[36169, 34406, 32821, 35387, 38299, 37813],
       [  959,  1053,  1149,  1289,  1509,  1753]])

 

---

3-6 비트코인 가격 정보 탐색하기 II

---

3-7 불린 인덱싱

 

In [1]:

import numpy as np

 

In [2]:

gdp_array = np.array([6610, 7637, 8127, 8885, 10385, 12565, 13403, 12398, 8282, 10672])

 

In [3]:

gdp_array > 10000

 

Out[3]:

array([False, False, False, False,  True,  True,  True,  True, False,
        True])

 

In [4]:

mask = gdp_array > 10000
gdp_array[mask]  # 10000 넘는 값들만 가져옴 (마스킹)

 

Out[4]:

array([10385, 12565, 13403, 12398, 10672])

 

In [5]:

gdp_array[gdp_array > 10000] # 굳이 변수에 저장하고 하지 않아도 됨

 

Out[5]:

array([10385, 12565, 13403, 12398, 10672])

 

In [6]:

gdp_array > 10000

 

Out[6]:

array([False, False, False, False,  True,  True,  True,  True, False,
        True])

 

In [7]:

gdp_array < 8000

 

Out[7]:

array([ True,  True, False, False, False, False, False, False, False,
       False])

 

In [8]:

(gdp_array > 10000) | (gdp_array < 8000)

 

Out[8]:

array([ True,  True, False, False,  True,  True,  True,  True, False,
        True])

 

In [9]:

gdp_array[(gdp_array > 10000) | (gdp_array < 8000)]

 

Out[9]:

array([ 6610,  7637, 10385, 12565, 13403, 12398, 10672])

 

In [10]:

gdp_array[(gdp_array <= 10000) & (gdp_array >= 8000)]

 

Out[10]:

array([8127, 8885, 8282])

---

3-8 짝수만 추출하기

---

3-9 NumPy 기본 연산

In [1]:

import numpy as np

 

In [2]:

gdp_korea_array = np.array([12257, 11561, 13165, 14673, 16496, 19403]) #한국 GDP (달러 기준)

 

In [3]:

gdp_korea_array.mean() # 평균

 

Out[3]:

14592.5

 

In [4]:

gdp_korea_array.sum() # 합

 

Out[4]:

87555

 

In [5]:

gdp_korea_array.min() # 최솟값

 

Out[5]:

11561

 

In [6]:

gdp_korea_array.max() # 최댓값

 

Out[6]:

19403

 

In [7]:

gdp_korea_array * 1200

 

Out[7]:

array([14708400, 13873200, 15798000, 17607600, 19795200, 23283600])

 

In [8]:

gdp_korea_array # 계산한 값이 저장되지 않음

 

Out[8]:

array([12257, 11561, 13165, 14673, 16496, 19403])

 

In [9]:

gdp_korea_array = gdp_korea_array * 1200 # 환율이 1200원 = 1달러
gdp_korea_array # 저장됨

 

Out[9]:

array([14708400, 13873200, 15798000, 17607600, 19795200, 23283600])

 

In [10]:

gdp_korea_array = gdp_korea_array / 1200 # 다시 달러로 변환
gdp_korea_array

 

Out[10]:

array([12257., 11561., 13165., 14673., 16496., 19403.])

 

In [11]:

gdp_us_array = np.array([36335, 37133, 38023, 39406, 41713, 44115]) #미국 GDP (달러 기준)

 

In [12]:

gdp_us_array - gdp_korea_array

 

Out[12]:

array([24078., 25572., 24858., 24733., 25217., 24712.])

 

In [13]:

gdp_us_array / gdp_korea_array

 

Out[13]:

array([2.96442849, 3.21191938, 2.88818838, 2.68561303, 2.52867362,
       2.27361748])

 

3-10 쇼핑몰 매출액 계산하기