NumPy 배열(ndarray)
이 레슨에서는 2차원 NumPy 배열을 만들고, 모양(shape)과 요소 수(size) 같은 기본 정보를 확인합니다.
소개
어떤 문제를 해결하나요
Python 리스트는 유연하지만 많은 숫자의 계산에는 느립니다. 백만 개의 값에 1을 더하려면 Python 반복문이 필요합니다. 과학, 데이터 분석, 머신러닝은 큰 숫자 격자를 다루므로, 모든 값을 한꺼번에 빠르게 계산하도록 만든 구조가 필요합니다.
일상 속 비유
NumPy 배열은 칸마다 같은 종류의 숫자가 든 모눈종이와 같습니다. 모든 칸의 크기와 타입이 같아서, 칸을 하나씩 방문하지 않고 행, 열, 종이 전체를 한 번에 다룰 수 있습니다.
np.array([[1, 2, 3], [4, 5, 6]])📄 2행 3열짜리 종이 한 장values.shape📐 크기: (2, 3)values.size🔢 칸의 개수: 6print(values)👀 종이 전체를 한 행씩NumPy 배열(ndarray)은 모양이 정해진 한 데이터 타입의 값 격자로, 모든 요소에 대한 연산을 한꺼번에 빠르게 하도록 설계되었습니다.
핵심 포인트
np.array([[1, 2, 3], [4, 5, 6]])은 리스트의 리스트를 2차원 배열로 바꿉니다.values.shape는(2, 3), 즉 2행 3열입니다.values.size는 모든 요소를 세어 6입니다.- 모든 요소의 타입이 같다는 점이 배열 계산을 빠르게 합니다.
언제 사용하나요?
- 많은 숫자를 한꺼번에 계산하기: 점수, 측정값, 가격.
- 픽셀 값의 배열인 이미지.
- 대부분의 데이터 과학과 머신러닝 라이브러리의 입력 형식.
필요 없는 경우
- 이름과 숫자가 섞인 데이터: pandas DataFrame 이나 딕셔너리의 리스트가 더 맞습니다.
- 항목이 하나씩 늘어나는 컬렉션: 배열에 덧붙이면 매번 복사되니 먼저 리스트를 만듭니다.
동작 원리 보기
칸을 가리키면 행과 열, 그리고 메모리 위치를 볼 수 있습니다. 메모리에는 행이 차례대로 이어서 저장됩니다.
예제 코드
import numpy as np
values = np.array([[1, 2, 3], [4, 5, 6]])
print(values)
print("shape:", values.shape)
print("size:", values.size)
실행 결과
[[1 2 3]
[4 5 6]]
shape: (2, 3)
size: 6
코드 설명
np.array() 함수는 중첩 리스트로부터 2행 3열짜리 2차원 배열을 만듭니다. shape 속성은 각 차원의 크기인 (2, 3)을, size는 전체 요소 수인 6을 알려 줍니다.
값을 변경하고 Python 설치 없이 CodeUtility 온라인 Python 컴파일러에서 실행하세요.
연습 문제
아래 제안을 따라 코드를 바꿔 보세요. 코드를 직접 고치고 결과를 확인하면 읽기만 할 때보다 레슨을 훨씬 잘 이해할 수 있습니다.
- 입력 배열의 모양(shape)과 데이터 타입(dtype)을 바꿔 보세요.
- 음수, 소수, 누락된 값으로 테스트해 보세요.
- 같은 연산을 더 큰 다차원 배열에 적용하고 시간을 재 보세요.
자주 하는 실수
길이가 들쭉날쭉한 행
길이가 다른 행으로는 제대로 된 2차원 배열이 되지 않습니다.
np.array([[1, 2, 3], [4, 5]]) # error or object array
np.array([[1, 2, 3], [4, 5, 6]])
이 레슨을 마쳤나요?
학습 완료로 표시하면 진행 상황을 기록할 수 있습니다.
챌린지로 연습하기
이 레슨에서 배운 내용으로 실제 문제를 풀어 보세요. 모든 챌린지는 브라우저에서 실행되며 즉시 테스트와 AI 리뷰를 받을 수 있습니다.
- 두 벡터의 내적 두 벡터를 원소별로 곱한 뒤 모두 더합니다. 모든 뉴런의 핵심 연산입니다. 쉬움
- 배열 합 구하기 리스트의 모든 값을 더하세요. 쉬움
- 활성화 함수 리스트의 모든 값에 sigmoid, ReLU, Leaky ReLU 또는 tanh를 적용합니다. 쉬움