[Python] 넘파이(Numpy)

📌 들어가며

파이썬으로 데이터·통계 분석을 할 때 핵심 라이브러리는 numpy, pandas, matplotlib다. 이번 글에서는 그중 Numpy를 정리한다.

Numpy란? 배열을 효과적으로 관리하는 ndarray 객체를 제공한다. 파이썬 기본 리스트를 업그레이드해 더 향상된 기능(벡터·행렬 연산)을 준다.

import numpy as np

arr = [1, 2, 3, 4]
a = np.array(arr)
print(type(a))
# >>> <class 'numpy.ndarray'>

---

1. 배열 생성 메소드

메소드	역할
np.zeros(n)	0으로 채운 배열
np.ones(n)	1로 채운 배열
np.arange(s,e,step)	범위 배열 (리스트 불필요)
np.array(...).reshape(r,c)	행·열 재구성

np.zeros(10)                # [0. 0. ... 0.]
np.ones(10, dtype=int)      # [1 1 ... 1]

np.ones((3, 3), dtype=int)  # 3x3 2차원 행렬
# [[1 1 1]
#  [1 1 1]
#  [1 1 1]]

np.arange(2, 10, 2)         # [2 4 6 8]

reshape — 배열을 원하는 형태로 재구성한다.

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

---

2. 배열 합치기 (stack)

메소드	방향
np.vstack((a,b))	수직(세로)
np.hstack((a,b))	수평(가로)

a = np.array([1, 2])
b = np.array([3, 4])
np.vstack((a, b))
# [[1 2]
#  [3 4]]

⚠️ 합칠 때 배열의 길이가 같아야 한다.

---

3. 인덱싱·슬라이싱

a = np.array(range(12)).reshape(4, 3)   # 0~11을 4x3으로
a[0][1]     # 첫 행 두 번째 열 → 1

a[:2, :]    # 콤마로 행·열 구분: 2행까지, 모든 열
# [[0 1 2]
#  [3 4 5]]

💡 2차원 배열에서 콤마(,)가 행과 열을 구분한다. a[:2, :]는 “0~1행, 모든 열”을 의미한다.

---

4. 활용 — 시각화 & 행렬로 방정식 풀기

함수 시각화 (matplotlib 맛보기):

x = np.linspace(0, 1, 100)   # 0~1을 100등분
y = x ** 2

import matplotlib.pyplot as plt
plt.plot(x, y)

연립방정식을 역행렬로 풀기 — x + y = 4, 2x + 4y = 14:

a = np.array([[1, 1], [2, 4]])   # 계수 행렬
b = np.array([4, 14])            # 상수

inv_a = np.linalg.inv(a)         # 역행렬
inv_a @ b                        # @ = 행렬곱
# >>> array([1., 3.])   → x=1, y=3

💡 계수만 모은 행렬을 역행렬로 바꿔 상수 벡터와 행렬곱(@)하면 해가 나온다. 넘파이가 선형대수를 얼마나 간결하게 다루는지 보여주는 예다.

---

📝 정리

Numpy
├─ 생성    zeros/ones/arange/reshape
├─ 합치기  vstack(수직) / hstack(수평) — 길이 같아야
├─ 인덱싱  a[행, 열], 콤마로 구분
└─ 선형대수  linalg.inv(역행렬), @ (행렬곱)

개념	한 줄 정의
ndarray	Numpy의 향상된 배열 객체
reshape	배열을 행·열로 재구성
@ (matmul)	행렬 곱 연산
linalg.inv	역행렬

Numpy는 “리스트를 벡터·행렬로 다루는” 데이터 분석의 기반이다. reshape·인덱싱·행렬곱만 익혀도 pandas·시각화로 자연스럽게 이어진다.