NumPy 라이브러리

NumPy란?

NumPy (Numerical Python) 은
다차원 배열(ndarray) 을 효율적으로 다루기 위한 수치 계산용 파이썬 라이브러리입니다.

• 과학 계산, 데이터 분석, 머신러닝, 딥러닝의 기반이 되는 라이브러리
• 순수 파이썬보다 수십~수백 배 빠른 연산이 가능함 (C로 구현되어 있음)

---

NumPy의 핵심 — ndarray (N-Dimensional Array)

NumPy의 핵심 자료구조는 바로 ndarray (n차원 배열)입니다.
리스트와 비슷하지만, 연속된 메모리 공간에 저장되어 훨씬 빠름.

---

배열의 주요 속성

속성	의미	예시
.ndim	차원 수	arr.ndim → 1
.shape	배열의 형태 (행, 열)	arr.shape → (4,)
.size	원소 개수	arr.size → 4
.dtype	데이터 타입	arr.dtype → int64

---

배열 생성 함수

함수	설명	예시
np.array()	배열 생성	np.array([1,2,3])
np.zeros()	0으로 채움	np.zeros((2,3))
np.ones()	1로 채움	np.ones((3,3))
np.full()	지정 값으로 채움	np.full((2,2), 7)
np.eye()	단위 행렬	np.eye(3)
np.arange()	범위 지정 배열	np.arange(0,10,2)
np.linspace()	일정 간격 배열	np.linspace(0,1,5)
np.random.rand()	0~1 난수	np.random.rand(2,3)

---

배열 인덱싱 / 슬라이싱

a = np.array([[10, 20, 30], [40, 50, 60]])

print(a[0, 1])    # 20 (0행 1열)
print(a[:, 1])    # [20 50] (모든 행의 1열)
print(a[0:2, 1:3])# [[20 30], [50 60]]

• 리스트와 달리 행렬 단위 슬라이싱이 매우 편리함.

---

벡터화 연산 (Vectorized Operations)

NumPy의 진짜 강점은 바로 for문 없이도 배열 간 연산 가능하다는 점입니다.

a = np.array([1, 2, 3])
b = np.array([10, 20, 30])

print(a + b)   # [11 22 33]
print(a * b)   # [10 40 90]
print(a ** 2)  # [1 4 9]