[인공지능] 넘파이 응용 | 연산 | 인공지능 | 파이썬 넘파이

https://techscript24.com/how-to-start-with-numpy-for-beginners/

 

---

 

0. 환경 설정

먼저, 활용을 위해서 세팅을 아래와 같이 해주자.

import numpy as np
import matplotlib.pyplot as plt

---

1. 숫자 연산

narr = np.array([[1,2],[3,4]])
print(narr + 2) 	// 배열에 2씩 더해진다.
print(narr * 2)		// 배열에 2씩 곱해진다.
print(narr / 2)		// 배열에 2씩 나눠진다.

---

2. 수학연산

numpy는 사칙연산 외에도 여러 수학 함수를 배열 전체에 대해 사용할 수 있도록, 아래와 같은 함수를 지원한다.

np.log : 로그 연산 np.exp : 지수 연산 np.sqrt : 루트 연산

 

예제를 통해서, 알아보자.

# 0 ~ 2π 사이에 100개의 값을 생성
arr = np.linspace(0.1,1,10) 

# sin graph 생성
plt.plot( np.log( arr ), label = 'log' )
plt.plot( np.exp( arr ), label = 'exp')
plt.plot( np.sqrt(arr ), label = 'sqrt')
plt.legend()
plt.show()

linspace( ) 함수는 파이썬 numpy 모듈에 포함된 함수로 1차원 배열, 그래프 그리기에서 수평축의 간격 만들기 등에 매우 편리하게 사용할 수 있는 함수이다. 해당 함수는 linspace(start, stop, num)형식으로 사용된다.

 

---

삼각함수는 어떤 주기성을 가진 데이터를 표현하는 방법으로 널리 사용된다. 삼각 함수는 cos, sin, tan 로 이뤄진다.

 

이때 입력값은 일반적인 360도 수치가 아니라 파이(π = 3.14... ) 를 기준으로 표현된다.

이는 np.pi 라는 라이브러리 내장 상수를 이용해서 표현이 가능하다.

 

np.sin : 사인 연산 np.cos : 코사인 연산 np.tan : 탄젠트 연산

 

예제 코드) 

# 0 ~ 2π 사이에 100개의 값을 생성
arr = np.linspace(0,np.pi * 2,100) 

# sin graph 생성
plt.title("sin cos")
plt.plot( np.sin( arr ), label = 'sin' )
plt.plot( np.cos( arr ), label = 'cos')
plt.legend()
plt.show()

print() 
plt.title("tan")
plt.plot( np.tan( arr ) )
plt.show()

 

---

문제 1. sin을 이용하여 아래 그래프를 그리는 방법을 생각해봐라.

 

정답)

arr = np.linspace(0,np.pi*4,100)
plt.plot(np.sin(arr))
plt.plot(np.sin(arr)*-1)
plt.show()

---

3. 조건연산

배열을 단일 값과 비교시, 각각의 값에 대한 비교 결과를 True 와 False 형태로 리턴한다.

narr = np.array([1,2,3,4,5])
print( narr > 2 ) 
narr = np.array([[1,2],[3,4]])
print( narr % 2 == 0 ) 

---

4. 배열연산

Numpy는 배열끼리의 연산을 지원한다.

규칙은 복잡하지만, 사용하는 방법을 익히면 상당히 복잡한 기능도 배열끼리의 연산으로 간단히 구현할 수 있다.

na1 = np.array( [[1,2],[3,4]] )  # shape : (2,2)
na2 = np.array( [[1,2]] ) # shape : (1,2)
na3 = np.array( [[1],[2]]) # shape : (2,1)

print( na1 + na2 ) 
print( na1 + na3 ) 

---

Numpy 의 배열끼리의 연산은 같은 동일 차원(x축, y축등.. ) 길이가 같거나 또는 한쪽이 1일때 허용된다.

 

단 차원의 크기다 다를때는 앞의 차원은 1로 간주된다.

아래에는 서로 연산이 가능한 예시이다.

(2,2) + (2,)
(2,2) + (1,2) 
(2,2) + (2,1)
 
(3,1) + (1,2)
 
(1,2,3) + (1,2,1)
(1,2,3) + (1,1,3)
(1,2,3) + (1,2,3)
(1,2,3) + (2,3)
(1,2,3) + (1,3)
(1,2,3) + (3,)

3차원 이상의 배열에서도 유효하다.

아래는 그에 따른 예이다.

(4,3,2) + (3,1)  = (4,3,2) + (1,3,1)

---

full( )은 배열에 사용자가 지정한 값을 넣는데 사용한다.

na1 = np.full((4,3,2),2)
na2 = np.full((1,2),2)

print( na1 + na2 ) 

---

특히 (n,1) 과 (1,m) 같이 서로 1 대 n 을 엇갈려 연산할 경우 n x m 의 행렬이 생성된다.

x1,x2 = np.array([0,1,2]), np.array([[1],[2],[3],[4]]) 
print(x1)
print(x2)
print(x1 + x2)

---

문제 2. 99단 행렬 만들기

arrage와 행렬 연산을 이용해 아래와 같은, 99단 행렬을 만드시오.

정답)

x,y=np.arange(1,10), np.arange(2,10)

print(x*y.reshape(8,1))

---

문제 3. ( n, ) 두 개를 ( n,2 )로 합치기

같은 n의 길이를 갖는 두개의 1차원 배열이 있다고 가정해보자.

두 배열을 각각의 열로 갖는 ( n,2 ) 형태의 배열을 배열 연산을 이용해 만들어보자.

정답)

arr1 = np.array([1,2,3,4,5,6]).reshape(6,1)
arr2 = np.array([0,10,20,30,40,50]).reshape(6,1)

arr3 = arr1*np.array([1,0])
arr4 = arr2*np.array([0,1])
print(arr3+arr4)

---

문제 4. 컬러 그라데이션 배열

np.linspace를 사용해서 아래와 같이, (100,100,3) 이미지를 갖는 배열을 생성해보자.

정답)

narr = np.full((100,100,3),[0,0,0])
x = np.linspace(0,255,100).astype('int')

plt.imshow(narr+x.reshape(100,1,1)*[1,0,0])

---

문제 5. sin 그래프의 2차원화

다음 0부터 np.pi까지의 sin곡선과 같은 비율로 밝기가 변화하는 (100,100)의 2차원 흑백이미지를 생성해보자.

 

아래는 기본으로, 주어진 형식이다.

# 100개의 점으로 이뤄진 1차원 sin 곡선
x = np.sin(np.linspace(0,np.pi,100))
plt.plot(x)
plt.show() 

정답)

x = np.sin(np.linspace(0,np.pi,100))
plt.plot(x)
plt.show() 

y = x.reshape(100,1)
plt.imshow(x*y, cmap = 'gray')