안녕하세요 여러분! 이전 포스트에서는 파이썬 환경에 NumPy를 설치하는 방법에 대해 이야기했습니다. 오늘은 이어서 NumPy를 활용한 기본적인 배열 연산에 대해 알아보도록 하겠습니다.
NumPy 배열이란?
NumPy의 핵심 기능 중 하나는 N-차원의 배열 객체를 제공하는 것입니다. 이 배열 객체는 같은 타입의 값을 가지며, '+'와 '*' 등의 기본 연산자를 사용해서 쉽게 데이터 연산을 수행할 수 있습니다.
NumPy 배열 생성하기
NumPy 배열을 생성하는 가장 간단한 방법은 numpy.array() 함수를 이용하는 것입니다. 예를 들어, 다음과 같이 1차원 배열을 생성할 수 있습니다.
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr) # 출력: array([1, 2, 3, 4, 5])
기본 연산
NumPy 배열은 기본적인 산술 연산자를 사용하여 요소별 연산(element-wise operation)을 수행할 수 있습니다. 이는 배열의 각 요소에 대해 연산을 적용한다는 의미입니다.
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print(arr1 + arr2) # 출력: array([5, 7, 9])
print(arr1 - arr2) # 출력: array([-3, -3, -3])
print(arr1 * arr2) # 출력: array([ 4, 10, 18])이러한 기본 연산 외에도 NumPy는 통계, 선형 대수, 난수 생성 등 다양한 고급 수학 함수와 연산을 지원합니다.
브로드캐스팅
NumPy의 또 다른 강력한 기능은 '브로드캐스팅'입니다. 브로드캐스팅은 서로 다른 크기의 배열 간에도 산술 연산을 가능하게 합니다.
예를 들어, 배열과 스칼라 값 간의 연산을 살펴봅시다.
arr = np.array([1, 2, 3])
print(arr + 1) # 출력: array([2, 3, 4])위의 코드에서 보듯, 배열의 모든 요소에 1이 더해졌습니다. 이처럼 브로드캐스팅은 작은 배열을 큰 배열의 크기에 맞춰서 여러 번 사용하여 연산을 가능하게 합니다.
마치며
NumPy는 파이썬 데이터 과학 분야에서 중요한 도구입니다. 이 포스트를 통해 NumPy를 이용한 기본적인 배열 연산 방법을 배웠습니다. 이제 여러분도 자신의 데이터를 NumPy 배열로 변환하여 다양한 계산을 수행해 보세요!
댓글