Python Numpy 1강 - 배열

1. dtype 종류

<공식 문서>

Data type objects (dtype) — NumPy v1.21 Manual

 

<배열 데이터타입 설명>

[파이썬 numpy] 배열 데이터타입 종류/정의/확인

Basic Type	Available Numpy Types
Boolean	bool
Integer	int8, int16, int32, int 64, int 128, int
Unsigned Integer	uint8, uint16, uint32, uint64, uint128, uint
Float	float32, float64, float, longfloat
Complex	complex64, complex128, complex
Strings	str, unicode
Object	object
Records	void

* # + 부호만 사용 시 → unit 사용

---

 Google Colab을 이용한 코딩 테스트

Google Colaboratory

---

# 파이썬 문법 테스트

import numpy as np

temp1 = [1,3,5]
print(type(temp1))

temp2 = np.array(temp1)
print(type(temp2))

print("*"*50)

print(temp1)
print(temp2)

---

# pip install numpy
# pyhon -m pip3 install numpy

# numpy.py 파일이 있는것을 import 하겠다.
import numpy as np

temp1 = [1,2,3,4] # 파이썬 list
arr1 = np.array(temp1, dtype=np.uint32) 

print(arr1)
print(type(arr1))
print(arr1.shape )

---

temp2 = 2 # 스칼라(방향이 없는 데이터)
arr2 = np.array(temp2)
print(arr2)
print(type(arr2))
print(arr2.shape)

---

temp3 = [[1,2,3],[4,5,6],[7,8,9],[10,11,12]]
arr3 = np.array(temp3, dtype=np.uint0)
print(arr3)
print(arr3.shape)
print(arr3.size)

---

temp4 = [
    [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]],
    [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]],
    [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
]
arr4 = np.array(temp4, dtype=np.uint0)
print(arr4)
print(arr4.shape)
print(arr4.size)

---

temp5 = [
         [1,2,3,4],
         [1,2,5,8]
]

matrix1 = np.array(temp5)
print(matrix1.shape)

re1 = matrix1.reshape((8,)) # 8 * 1
print(re1)
print("*"*50)

re2 = matrix1.reshape((4,2)) # 4 * 2
print(re2)
print("*"*50)

re3 = matrix1.reshape((2,2,2)) # 2 * 2 * 2
print(re3)
print("*"*50)

re4 = matrix1.reshape((1,1,4,2))
print(re4)
print(re4.shape)

---

temp6 = [1,2,3,4,5,6]
vector1 = np.array(temp6)
print(vector1)
re1 = vector1.reshape((2, -1)) # -1은 앞에 값을 보고 동적으로 계산된다
print(re1)

re2 = re1.reshape((-1)) # flatten, flatMap 흩뿌리다
print(re2)

re3 = re2.flatten()
print(re3)

Flatten - 요소들을 하나씩 끄집어내서 흩뿌린다 => 전개

---

<알고리즘&데이터구조 Array 설명 잘되어있는 영상!>