Numpy 기초) Numpy 사용하기 & Data Split

Numpy (1차원, 2차원, 3차원 배열 / 배열 인덱싱)

Data Split

 

Numpy를 사용하기 위해서, numpy 모듈을 import한다

import numpy as np

Array

동일한 자료형으로 가지는 값들이 격자판 형태로 있는 것이다. 

각 값들은 tuple 형태로 색인되고, rank는 배열이 몇 차원 배열인지 알려준다. 

shape는 각 차원이 크기를 알려주는 정수들이 모인 tuple이다. 

a = np.array([1,2,3])
print(type(a), a.shape, a[0], a[1], a[2])

print(a) #[5,2,3]

 

b = np.array([[1,2,3], [4,5,6]])
print(b)
```
[[1 2 3]
 [4 5 6]]
```

print(b.shape) # (2, 3)
print(b[0, 0], b[0, 1], b[1, 0]) # 1 2 4

a = np.zeros((2,2))
print(a) 
"""
[[0. 0.]
 [0. 0.]]
 """
 
 b = np.ones((1,2))
 print(b)
 # [[1. 1.]]
 
 c = np.full((2,2), 3) #create a constant array
 print(c)
 """
 [[3 3]
 [3 3]]
 """

eye(value) : value * value의 identity matrix 생성

 

b = a[:2, 1:3] 

2차원까지 슬라이싱하고, 1, 2번째 값만 가져와서 저장한다. 

 

print(a[0, 1])

b[0, 0] = 77

import numpy as np

a = np.array([[1,2], [3, 4], [5, 6]])

bool_idx = (a > 2)  # Find the elements of a that are bigger than 2;
                    # this returns a numpy array of Booleans of the same
                    # shape as a, where each slot of bool_idx tells
                    # whether that element of a is > 2.

print(bool_idx)

a는 3 * 2 numpy 배열이다

a > 2처럼 배열 내의 요소를 하나하나 비교하는 형태로 명령문을 써주면 반환값에 bool matrix가 담기게 된다. 

# We use boolean array indexing to construct a rank 1 array
# consisting of the elements of a corresponding to the True values
# of bool_idx
print(a[bool_idx])

# We can do all of the above in a single concise statement:
print(a[a > 2])

"""
[3 4 5 6]
[3 4 5 6]
"""

이렇게 반환된 bool형식의 matrix를 a라는 배열의 매개변수로 넣어주면, True인 부분만 1 array의 형태로 출력되는 것을 알 수 있다. 

 

이렇게 같은 size를 갖는 matrix에 대해서 기본적인 덧셈, 뺄셈, 곱셈, 나눗셈을 수행하는 경우

요소 by 요소로 연산을 수행하면 된다. 

 

주의해야할 것은 Numpy에서 '*'은 행렬곱이 아니다. 

행렬곱은 dot함수로 계산이 가능하다. 

x = np.array([[1,2],[3,4]])
y = np.array([[5,6],[7,8]])

v = np.array([9,10])
w = np.array([11, 12])

# Inner product of vectors; both produce 219
print(v.dot(w))
print(np.dot(v, w))
print(v @ w) # @연산자는 dot과 동일한 기능을 수행함.

"""
219
219
219
"""

# Matrix / vector product; both produce the rank 1 array [29 67]
# (9 10) x (1 2)
#          (3 4)

print(x.dot(v))
print(np.dot(x, v))
print(x @ v)
"""
[29 67]
[29 67]
[29 67]
"""

(9 10) x (1 2) = 29

(9 10) x (3 4) = 67

즉 x와 v를 행렬곱하면 (29 67)의 1 array가 나타나게 된다. 

x = np.array([[1,2],[3,4]])

print(np.sum(x))  # Compute sum of all elements; prints "10"
print(np.sum(x, axis=0))  # Compute sum of each column; prints "[4 6]"
print(np.sum(x, axis=1))  # Compute sum of each row; prints "[3 7]"

(1 2)

 (3 4) 

axis = 0 옵션으로 합하면 수직으로 요소가 합해져서 (4 6)으로 출력된다. 

axis = 1 옵션으로 합하면 수평으로 요소가 합해져서 (3 7)로 출력된다. 

print(x)
print("transpose\n", x.T)

[[1 2]
 [3 4]]
transpose
 [[1 3]
 [2 4]]

x.T와 같이 호출해서 특정 행렬의 tranpose된 형태 (대각선을 기준으로 대칭)를 출력할 수 있다. 

---

Data Split

 

import matplotlib.pyplot as plt

plt.scatter(bream_length, bream_weight)
plt.scatter(smelt_length, smelt_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

scatter(length, weight) 함수를 통해 x, y좌표에 값을 찍을 수 있다. 

xlabel, ylabel함수로 x, y좌표축에 이름을 달 수도 있다!

 

# Making length and weight lists into two-dimensional lists
# The zip() function retrieves and returns an element from each of the listed lists
fish_data = [[l, w] for l, w in zip(fish_length, fish_weight)]
print(fish_data)

zip 함수를 이용해 나열된 목록에서 요소를 검색하고 반환한다. 

length와 weight의 쌍을 저장해서 fish_data로 만들었다 

 

fish_target = [1]*35 + [0]*14
print(fish_target)

총 49개의 샘플 중에서 35개를 Training set으로, 나머지 14개를 Test Set으로 사용할 수 있다. 

 

이때 Sample들은 섞여있지 않은 상태이다. 

# Data shuffling

# The random.seed() function sets the seed needed to generate random numbers
np.random.seed(42)
index = np.arange(49)
np.random.shuffle(index)

1) np.random.seed(42) 등으로 시드값을 부여

2) arange()함수를 이용해 0부터 48까지 1씩 증가하는 인덱스를 만든다. 

3) shuffle의 매개변수에 이 인덱스를 넣어서 무작위로 섞는다.