Python NumPy를 이용한 수치 계산

Python NumPy를 이용한 수치 계산

NumPy는 Python에서 수치 계산을 효과적으로 수행할 수 있게 해주는 강력한 라이브러리입니다. 과학적 계산, 데이터 분석, 머신러닝 등 다양한 분야에서 활용되며, 특히 벡터와 행렬 연산에서 탁월한 성능을 자랑합니다. 이번 포스팅에서는 NumPy의 주요 기능과 수치 계산 활용 예제를 통해 기본 개념을 다지고 실전 활용 능력을 키워보겠습니다.

---

1. NumPy란 무엇인가?

NumPy는 "Numerical Python"의 줄임말로, 다차원 배열 객체와 다양한 수치 계산 기능을 제공합니다. NumPy의 주요 특징은 다음과 같습니다:

• 빠른 연산 속도: NumPy 배열은 일반 Python 리스트보다 빠릅니다.
• 다양한 함수 지원: 수학, 통계, 선형대수 등 다양한 연산 함수가 내장되어 있습니다.
• 다차원 배열 지원: 다차원 데이터를 손쉽게 다룰 수 있습니다.

2. NumPy 설치하기

NumPy는 pip를 통해 설치할 수 있습니다. 다음 명령어를 사용하세요:

pip install numpy

설치 후, Python 환경에서 NumPy를 불러옵니다:

import numpy as np

---

3. NumPy의 주요 기능

3.1 배열 생성

NumPy 배열은 리스트를 기반으로 생성할 수 있습니다. 다양한 초기화 방법도 지원합니다.

import numpy as np

# 리스트로부터 배열 생성
array = np.array([1, 2, 3, 4, 5])
print(array)  # 출력: [1 2 3 4 5]

# 0으로 초기화된 배열
zeros = np.zeros((3, 3))
print(zeros)

# 1로 초기화된 배열
ones = np.ones((2, 4))
print(ones)

# 랜덤 값으로 초기화된 배열
random_array = np.random.rand(3, 3)
print(random_array)

3.2 배열 연산

NumPy는 배열 간의 산술 연산을 지원하며, 이는 요소별로 수행됩니다.

import numpy as np

array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])

# 요소별 덧셈
print(array1 + array2)  # 출력: [5 7 9]

# 요소별 곱셈
print(array1 * array2)  # 출력: [ 4 10 18]

# 스칼라 곱셈
print(array1 * 2)  # 출력: [2 4 6]

3.3 배열 인덱싱 및 슬라이싱

NumPy는 복잡한 인덱싱과 슬라이싱을 지원합니다.

array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 특정 요소 접근
print(array[0, 2])  # 출력: 3

# 슬라이싱
print(array[1:, :2])  # 출력: [[4 5] [7 8]]

3.4 통계 함수

NumPy는 평균, 분산, 표준편차 등을 계산하는 다양한 통계 함수를 제공합니다.

import numpy as np

array = np.array([1, 2, 3, 4, 5])

# 평균
print(np.mean(array))  # 출력: 3.0

# 분산
print(np.var(array))  # 출력: 2.0

# 표준편차
print(np.std(array))  # 출력: 1.414...

---

4. NumPy를 활용한 실전 예제

4.1 선형 대수 계산

행렬 연산은 과학 및 데이터 분석에서 필수적입니다.

import numpy as np

# 두 행렬의 곱
matrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[5, 6], [7, 8]])
result = np.dot(matrix1, matrix2)
print(result)  # 출력: [[19 22] [43 50]]

4.2 데이터 분석 예제: BMI 계산

다음은 NumPy를 사용하여 BMI(체질량지수)를 계산하는 간단한 예제입니다.

import numpy as np

# 키(cm)와 몸무게(kg) 데이터
heights = np.array([170, 180, 160, 155]) / 100  # cm를 m로 변환
weights = np.array([70, 80, 60, 50])

# BMI 계산
bmi = weights / (heights ** 2)
print(bmi)  # 출력: BMI 값 배열

# 과체중 여부 확인
print(bmi > 25)  # 출력: [True, True, False, False]

4.3 시뮬레이션 예제: 난수 생성

Monte Carlo 시뮬레이션과 같은 작업에서도 NumPy는 중요한 역할을 합니다.

import numpy as np

# 동전 던지기 시뮬레이션 (1000번)
n = 1000
flips = np.random.choice([0, 1], size=n)

# 앞면이 나온 확률
probability = np.mean(flips)
print(probability)

---

5. 마무리

NumPy는 Python에서 수치 계산을 수행할 때 필수적인 도구입니다. 배열 연산, 선형 대수, 통계 함수 등을 효과적으로 활용하면 복잡한 계산도 손쉽게 처리할 수 있습니다. 이번 포스팅에서 소개한 기본 개념과 예제를 기반으로, 다양한 실전 문제를 해결해보세요.