[파이썬] 인공지능(AI), 딥러닝 코드 필수 기초 문법 (3) - 배열

인공지능, 딥러닝 코드를 보다보면, 

데이터를 읽어오고 전처리, 시각화를 경우가 많다.

 

이 때 가장 많이 사용되는 데이터 형태가 배열이며,  numpy라는 패키지를 이용하여 선언하고 활용한다.

 

배열 코드는 다음과 같다.

아래 코드가 이해가 모두 간다면 패스해도 좋다. 

 

import numpy as np

items = [1,2,3,4] # list
a = np.array([1,2,3,4]) # numpy 배열
print(a+a)
print(items+items)

b = np.array([[1,2],[3,4]]) # 2차원 배열
print(b)
print(b.shape)

a = np.array([[1,2,3,4]]) # 1차원 배열
print(a.T)

a = np.array([1,2,3,4]) # numpy 배열
print(a.reshape((2,2)))

 

---

 

numpy 배열과 list
배열은 다양한 연산, 변형 등이 가능!

 

앞서 list를 살펴보았다.

list와 배열은 선언 방법도 다르고 연산에 따른 결과도 다르다.

 

items = [1,2,3,4] # list
a = np.array([1,2,3,4]) # numpy 배열

print(a+a)
print(items+items)

 

numpy로 선언한 배열은 안에 있는 값을 숫자로 인식하여 덧셈 연산을 제공한다.

list는 단순히 list에 새로운 list를 추가한다고 인식한다.

 

b = np.array([[1,2],[3,4]]) # 2차원 배열
print(b)
print(b.shape)

배열은 2차원, 3차원 등등 원하는 차원만큼 선언할 수 있다.

이로인해 딥러닝의 복잡한 데이터들을 다룰 수 있는 것이다.

shape는 현재 다루고 있는 배열의 형태를 알려준다.

---

 

 

행렬바꾸기(전치연산, T)

배열의 행과 열을 바꿔준다. 

a = np.array([[1,2,3,4]]) # 1차원 배열
print(a.T)

---

 

행렬의 형태 

 

때에 따라서 행렬의 형태를 바꿔주어야 할 때가 있다.

이럴 때 사용하는 것이 reshape 이다. 

 

a = np.array([1,2,3,4]) # numpy 배열
print(a.reshape((2,2)))

 

---

기본적으로 인공지능, 딥러닝에서 필요한 기초 문법들을 알아보았다.

세상에 모든 코드를 다 알 수 없다.

 

그 코드들의 공통 운영방식만 알면된다.

지금 포스팅들은 공통의 운영방식을 전달하기 위한 내용을 담고 있다.