밑바닥에서 시작하는 Numpy 이해 - Numpy 배열과 텐서

Numpy

Numpy 배열(ndarray)과 텐서(tensor)

• ndarray : 텐서 데이터를 다루는 객체입니다.
• tensor : 선형대수의 데이터 배열(array)입니다.
• • 랭크(rank)에 따라 이름이 다릅니다.

Numpy 배열(ndarray)의 메모리 구조

• 배열 생성은 np.array()함수를 사용하여 진행합니다.

import numpy as np

np.array(a,b)

• np.array()함수의 기본적인 구조입니다. a라는 곳 에는 배열 정보가 입력되어야 합니다.

• b라는 곳 에는 Numpy 배열로 표현하려는 데이터 타입이 입력되어야 합니다.

import numpy as np

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

Python list와의 차이점

• Numpy배열은 텐서의 구조에 맞춰 배열을 생성해야 합니다.
• • m x n 배열을 생성한다면, 이 행렬의 모든 엔트리(entry)는 데이터로 채워져야 합니다.
• • 반면에 리스트의 경우 데이터를 일부 채우지않아도 무리없이 작동합니다.

import numpmy as np

test_list = [[1,4,5,8],
             [1,4,5]]

np.array(test_list, float)
# Value Error

위 코드를 보면, test_list의 1행은 4개의 데이터가, 2행에는 3개의 데이터가 있습니다. 다시말해 2행 4열에 한개의 값이 비어있는 상태입니다.

이는 위에서 이야기한 “행렬의 모든 엔트리는 데이터로 채워져야 함에 맞지 않기 때문에, 에러를 발생시킵니다.

Numpy 배열(ndarray)의 메모리 구조

• Numpy의 배열은 동적 타이핑(dynamic typing)을 지원하지않습니다.
• • 하나의 데이터 타입만 사용이 가능합니다.

import numpy as np
test_array = np.array([1,4,5,8], float)
test_array

#array([1.,4.,5.,8.,])

type (test_array[3])

# numpy.float64

• Numpy 배열은 데이터를 메모리에 연속적으로 나열합니다.

• Python list의 경우 데이터 값의 메모리주소만 연속적으로 배열합니다.

• 따라서 데이터 값을 직접 연결한 Numpy의 경우, 동적 타이핑이 불가하지만, 검색 연산이 리스트에 비해 훨씬 빠릅니다.