ndarry

출처 : 금융 데이터 분석을 위한 파이썬 판다스

 

금융 데이터 분석을 위한 파이썬 판다스

예제파일

GitHub - sharebook-kr/book-pandas-for-finance: 금융 데이터 분석을 위한 파이썬 Pandas

NumPy documentation

NumPy documentation — NumPy v1.22 Manual

NumPy documentation pdf

numpy-user.pdf

3.79MB

 

ndarray생성

import numpy as np
data = [1,2,3]
arr = np.array(data,dtype=np.int8)
print(arr)
print(type(arr))

import numpy as np

data1 = [[1, 2, 3],
         [4, 5, 6],
         [7, 8, 9]]

arr1 = np.array(data1)
print(arr1)

ndarray 연산

import numpy as np

data = [1, 2, 3]
arr = np.array(data)
print(arr * 10)  # [10 20 30]

인덱싱, 슬라이싱

import numpy as np

data1 = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

arr1 = np.array(data1)
print(arr1)
print(arr1[1, 1])  # ndarray[row,col]
print(arr1[1][1])  # ndarray[row][col]
print(arr1[:, 0])  # 0열 array
print(arr1[[0, 2], 2])  # 부분 슬라이싱

import numpy as np

arr = np.arange(4)
print(arr[1])                    # 1

arr = np.arange(4).reshape(2, 2) # [0 1]
print(arr[0])

print(arr[1][1])                 # 3
print(arr[1, 1])                 # 3

저장된 데이터의 정보를 조회

print(arr1.shape)      # 크기정보  (2, 4)
print(arr1.ndim)       # 차원 정보  2
print(arr1.dtype)      # 데이터 타입  int32

# 1차원 데이터
data2 = [1,2,3,4]
arr2 = np.array(data2)
print(arr2.shape)      # 크기정보  (4,)
print(arr2.ndim)       # 차원      1

# 4*1 데이터
data3 = [
    [1],
    [2],
    [3],
    [4]
]
arr3 = np.array(data3)
print(arr3.shape)      # 크기정보  (4, 1)
print(arr3.ndim)       # 차원      2

zeros, ones

import numpy as np

# np.zeros(shape)
print(np.zeros(3))       #  [0. 0. 0.]
print(np.zeros(3,))
print(np.zeros((3,3)))   
print(np.ones((2,2)))

arrange

import numpy as np

print(np.arange(5))        # [0 1 2 3 4]
print(np.arange(1, 5))     # [1 2 3 4]
print(np.arange(1, 5, 2))  # [1 3]

reshape

import numpy as np

ndarr1 = np.arange(6)
ndarr2 = ndarr1.reshape(2, 3)
print(ndarr2)

"""
[[0 1 2]
 [3 4 5]]
"""

데이터 타입

import numpy as np

arr = np.array([1, 2, 3], dtype=np.uint8)
print(arr.dtype)            # uint8
# kind : dtype종류 -  i/u/f/c - int, uint, float, complex
# alignment : byte수
print(arr.dtype.kind)       # u
print(arr.dtype.alignment)  # 1

arr = arr.astype('int8')
print(arr.dtype)            # int8

a16 = np.array([ 1.0 ], dtype=np.float16)
a32 = np.array([ 1.0 ], dtype=np.float32)
print(a16/3)               # [0.3333]
print(a32/3)               # [0.33333334]

# 무한대, 결측치(숫자가 아닌 값 or  정의 되지 않은 숫자)
print(np.nan,  type(np.nan))     #  nan <class 'float'>
print(np.inf,  type(np.inf))     #  inf <class 'float'>
print(-np.inf,  type(-np.inf))   #  -inf <class 'float'>

arr = np.array([-1, 2, -3])
print(arr + np.nan)              # [nan nan nan]
print(arr + np.inf)              # [inf inf inf]

import numpy as np

a = np.array([0, 255], dtype=np.uint8)
b = a.astype('int8')
print(a)  # [  0 255]
print(b)  # [ 0 -1]

브로드캐스팅

import numpy as np

a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
print(a + b)  # [3 5 7]
print(a * b)  # [ 2  6 12]
print(a % b)  # [1 2 3]

조건연산 : ndarray[조건]

import numpy as np

arr = np.array([10, 20, 30])
cond = arr > 10
print(cond)        # [False  True  True]
print(arr[cond])   # [20 30]
print(cond.all())  # False
print(cond.any())  # True

import numpy as np

#  and(&), or(|), not(~)
arr = np.array([10, 20, 30])
cond0 = arr > 10
cond1 = arr < 30
print(arr[ cond0 & cond1 ])      # [20]

cond = arr > 10
arr[cond] = 1
arr[~cond] = 0
print(arr)                       # [0 1 1]

arr = np.array([10, 20, 30])
arr = np.where( arr > 10, 1, 0)
print(arr)                       # [0 1 1]

arr1 = np.array([10, 20, 30])
cond = arr1 > 10
arr1[cond] += 10
print(arr1)                     # [10 30 40]

arr2 = np.array([10, 20, 30])
cond = arr2 > 10
arr2[~cond] -= 10
print(arr2)                     # [ 0 20 30]

arr3 = np.array([10, 20, 30])
cond = arr3 > 10
result = np.where(~cond,arr3-10,arr3)
print(result)                   # [ 0 20 30]

함수와 메서드

import numpy as np

# sum함수
arr = np.arange(8).reshape(4, 2)
print(arr)
print(arr.sum())
print(arr.sum(axis=0))  # 열단위     [12 16]
print(arr.sum(axis=1))  # 행단위     [ 1  5  9 13]

# random함수
a = np.random.randint(3)               # 범위
print(a)
b = np.random.randint(46, size=5)      #size = 반복횟수
print(b)                               # [19 19 42 19 11]
c = np.random.randint(46, size=(2, 5))     #size = (행,열)
print(c)
"""
[[13 20  4  8  7]
 [16  1 21 29 32]]
"""

# linspace함수
x = np.linspace(0, 10, 3)
print(x)                  # [ 0.  5. 10.]
y = x ** 2
print(y)                  # [  0.  25. 100.]

# vstack, hstack
a = np.arange(4)
b = np.arange(4, 8)
c = np.vstack([a, b])
d = np.hstack([a, b])
print(c)
"""
[[0 1 2 3]
 [4 5 6 7]]
"""
print(d)                   # [0 1 2 3 4 5 6 7]

# jupitor  동작시간 측정

a = np.arange(10000).reshape(100, 100)
%timeit a[0, 50]

ch02정리.ipynb

0.01MB