일반 연산과 벡터화 연산 계산 속도 비교 일반 연산 import numpy as np import time x = np.arange(1,10001) y = np.arange(10001,20001) # 일반 연산 start = time.time() # 시작 시간 측정 z = np.zeros_like(x) for i in range(10000): z[i] = x[i] + y[i] end = time.time() # 종료 시간 측정 print(z[:10]) # [10002 10004 10006 10008 10010 10012 10014 10016 10018 10020] print('%.8f sec' %(end-start)) # 0.00582504 sec 벡터화 연산 # 백터화 연산 start = time.ti..

인덱싱 기존의 인덱싱과 매우 유사 import numpy as np a = np.array([0,1,2,3,4]) print(a) #[0 1 2 3 4] print(a[0]) # 0 print(a[1]) # 1 print(a[-1]) # 4 n차원 일 때는 콤마( , )로 구분 import numpy as np a = np.array([[0,1,2],[3,4,5]) print(a) ''' 결과 [[0 1 2] [3 4 5]] ''' print(a[0,0]) # 0 print(a[0,1]) # 1 print(a[1,0]) # 3 print(a[-1,-1]) # 5 슬라이싱 기존의 인덱싱과 매우 유사 a = np.array([0,1,2,3,4]) print(a) # [0 1 2 3 4] print(a[1:3..

NumPy 패키지란? 수치해석용 파이썬 패키지 벡터, 행렬 등 선형대수로 주로 사용 내부 반복문이 C로 구현되어 있어 파이썬에 비해 속도가 빠름 관례적으로 np로 import(즉, import numpy as np) 배열 1. 사용 방법 import numpy as np arr = np.array([0,1,2,3,4]) print(arr) # [0 1 2 3 4] print(type(arr)) # n-차원 배열(n-dimensional array) 리스트와 차이점 - 모든 원소가 같은 자료형이어야 함. - 원소의 개수를 바꿀 수 없음 - 벡터화 연산을 수행 리스트에 비해 제약이 많으나, 이로 인해 실행 속도가 빠름 벡터화 연산 데이터를 모두 2배 해야하는 경우 (배열 안에 있는 수 하나하나 2배 해야하는..