[TIL] 부스트코스 넘파이 NumPy

강의 https://www.boostcourse.org/ai100 를 수강하며 배운 내용을 정리한 글입니다.

 

어떻게 행렬과 매트릭스를 코드로 표현할 것인가?

방정식을 행렬형태로 표현

coefficient_matrix = [[2, 2, 1], [2, -1, 2], [1, -1, 2]]
constant_vector = [9, 6, 5]

 

선형대수에서 사용하는 수학 연산(dotp, norm) 등을 구현할 때에 리스트로 표현하기에는 구현이나 처리 속도의 문제가 있음

-> 패키지 활용, 고성능 과학 계산용 패키지 NumPy 넘파이 (Numerical Python)

 

Numpy의 특징

- 반복문 없이 데이터 배열에 대한 처리를 지원

activate ml
conda create -n upstage python=3.8

conda activate upstage
conda install nupmpy
conda install jupyter

 

코랩보다는 주피터 환경 선호

주피터 대신 코랩 사용 가능

코랩은 GPU 사용시 권장

ls
cd codes
cd numpy
jupyter notebook

 

ndarray

- 어레이라고 부름 nd 어레이

- numpy에서 배열 생성하는 방법

# numpy 호출 방법
import numpy as np # alias(별칭) np

test_array = np.array([1, 4, 5, 8], float)
print(test_array)
type(test_array[3])

- numpy는 하나의 데이터 type(dtype)만 배열에 넣을 수 있음 -> dynamic typing not supported 

- C의 Array를 사용해서 배열을 생성

- 메모리의 접근성이 좋음

- 메모리의 크기가 일정, 데이터 저장 공간 효율적

 

shape

shape: numpy array의 Dimension 구성을 리턴

dtype: numpy array의 데이터 type을 리턴

ndim: number of dimensions

size: data의 개수(element의 개수)

각 element가 차지하는 memory의 크기가 결정됨

 

array RANK

array의 RANK에 따라 불리는 이름

 

3-tensor 3 order tensor

 

# Data type을 integer로 선언
np.array([[1, 2, 3], [4.5, 5, 6]], dtype = int)

# Data type을 float로 선언
np.array([[1, 2, 3], [4.5, "5", "6"]], dtype = np.float32)

ndim

np.array(tensor, int).ndim
np.array(tensor, int).size

nbytes

# nbytes: ndarray object의 메모리 크기를 반환

# 32bits = 4bytes -> 6. * 4bytes
np.array([[1, 2, 3], [4.5, "5", "6"]], dtype=np.float32).nbytes

# 8bits = 1bytes -> 6. * 1bytes
np.array([[1, 2, 3], [4.5, "5", "6"]], dtype=np.int8).nbytes

# 64bits = 8bytes -> 6. * 48bytes
np.array([[1, 2, 3], [4.5, "5", "6"]], dtype=np.float64).nbytes