NumPy 라이브러리 소개
- Numerical Python의 줄임말
- 대규모의 고성능 수치 계산을 위한 파이썬 라이브러리
- N차원의 배열을 효율적으로 다룰 수 있는 라이브러리
NumPy
Powerful N-dimensional arrays Fast and versatile, the NumPy vectorization, indexing, and broadcasting concepts are the de-facto standards of array computing today. Numerical computing tools NumPy offers comprehensive mathematical functions, random number g
numpy.org
N차원(N-Dimension)
- 1차원 - 선
- 2차원 - 면
- 3차원 - 공간
- 4차원 이상 - ..
- ..
- N차원 - ..
이미지 데이터
- 이미지는 수많은 픽셀로 구성되어 있음
- 흑백(gray-scale) 이미지는 각 픽셀의 밝기 값을 0 부터 255 사이로 표현한 이미지이다.
- 흑백 이미지: (높이 * 너비), 2차원
- 컬러(color) 이미지는 RGB 3가지 채널로 이루어져있다.
- 컬러 이미지: (높이 * 너비 * 컬러채널), 3차원
- 영상 데이터는 연속된 형태의 수많은 이미지들이 모인 형태이다.
- 영상 데이터: (프레임 * 높이 * 너비 * 컬러채널), 4차원
ndarray
- NumPy는 다양한 차원의 배열을 효율적으로 다룰 수 있는 라이브러리
- NumPy는 ndarray(N-Dimension Array)라는 핵심 자료구조를 제공한다.
- 대규모의 데이터 집합을 담을 수 있는 매우 빠르고 유연한 핵심 자료구조
NumPy의 주요 특징
- much easier to learn and use
- 대규모의 고성능 수치 계산을 위한 파이썬 라이브러리
=> 연산 속도가 빠르고, 메모리를 효율적으로 사용
- N차원의 배열을 효율적으로 다룰 수 있는 라이브러리
=> 반복문 작성없이 N차원의 데이터 배열을 바로 연산할 수 있음
NumPy 라이브러리 설치
# 둘 중 하나만 실행하면 된다.
> conda install numpy
> pip install numpy
'프로젝트 > 코드프레소 체험단' 카테고리의 다른 글
| 파이썬으로 배우는 데이터 분석: NumPy - NumPy의 데이터 타입 (0) | 2022.03.28 |
|---|---|
| 파이썬으로 배우는 데이터 분석: NumPy - ndarray 생성 (0) | 2022.03.28 |
| 파이썬으로 배우는 데이터 분석 - 데이터 분석을 위한 파이썬 라이브러리 (0) | 2022.03.27 |
| 시계열 데이터 처리를 위한 RNN 완벽 가이드 - GRU 모델을 이용한 영화리뷰 데이터셋 분류 모델 구현 (0) | 2022.03.27 |
| 시계열 데이터 처리를 위한 RNN 완벽 가이드 - 적층 LSTM 모델을 이용한 영화리뷰 데이터셋 분류 모델 구현 (0) | 2022.03.27 |
