[머신러닝·딥러닝]NumPy 기초 정리 - 배열 생성부터 axis 개념까지 명확하게

NumPy - 배열과 수치 연산의 시작

Python의 대표적인 수치 연산 라이브러리인 NumPy는 머신러닝, 딥러닝, 데이터 분석의 기초입니다. 배열 생성, 슬라이싱, 축(axis) 개념, 결측값 처리 등 주요 기능을 실습 중심으로 정리합니다.

---

배열 생성

import numpy as np

np.array([1, 2, 3])
np.arange(5)        # 0부터 4까지
np.linspace(0, 1, 5) # 0부터 1까지 5등분
np.zeros((2, 3))    # 2x3 영행렬
np.ones((3, 3))     # 3x3 일행렬
np.eye(3)           # 단위 행렬

---

배열 슬라이싱

NumPy 배열은 Python 리스트와 비슷하게 슬라이싱이 가능합니다. 하지만 다차원 배열에서도 매우 강력하게 작동합니다.

arr = np.array([[10, 20, 30],
                [40, 50, 60],
                [70, 80, 90]])

코드	설명
arr[0, 1]	첫 번째 행, 두 번째 열 (20)
arr[1]	두 번째 행 전체 [40 50 60]
arr[:, 1]	전체 행의 두 번째 열 ([20 50 80])
arr[1:, :2]	두 번째 행부터 끝까지, 첫 번째/두 번째 열 ([[40 50], [70 80]])
arr[::-1]	행을 역순으로 뒤집음

---

기본 연산

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

요소별 연산

arr + 1    # 각 요소에 1 더하기
arr * 2    # 각 요소에 2 곱하기
np.sqrt(arr) # 각 요소의 제곱근 계산

---

axis 개념 확실히 이해하기

NumPy는 axis 파라미터로 연산 방향을 제어합니다.

• axis=0: 행을 따라 연산 → 열 단위 연산 (예: 각 열의 평균, 합계)
• axis=1: 열을 따라 연산 → 행 단위 연산 (예: 각 행의 평균, 합계)

예시:

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

np.mean(arr, axis=0)  # 열 평균
# 결과: [2.5 3.5 4.5]

np.mean(arr, axis=1)  # 행 평균
# 결과: [2. 5.]

함수별 설명:

함수	설명
np.sum(arr, axis=0)	각 열의 합
np.sum(arr, axis=1)	각 행의 합
np.max(arr, axis=0)	각 열의 최대값
np.min(arr, axis=1)	각 행의 최소값

---

결측치 처리 (NaN)

data = np.array([1, 2, np.nan, 4])

np.isnan(data)             # NaN 여부 확인 (boolean 배열 반환)
np.sum(np.isnan(data))     # NaN 개수 확인
data[~np.isnan(data)]      # NaN 제거 (NaN이 아닌 값들만 선택)
np.nanmean(data)           # NaN을 무시하고 평균 계산

---

Pandas와 함께 NaN 처리

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, np.nan],
    'B': [5, np.nan, 9],
    'C': [10, 20, 30]
})

df.dropna()       # NaN이 포함된 행 제거
df.dropna(axis=1) # NaN이 포함된 열 제거
df.fillna(0)      # NaN을 0으로 대체 (원하는 값으로 대체 가능)

---

NumPy 요약표

기능	함수 예시	설명
배열 생성	np.array(), np.arange()	기본적인 NumPy 배열 만들기
배열 정보	.shape, .dtype	배열의 구조 및 데이터 타입 확인
연산	+, *, np.sum()	브로드캐스팅을 지원하는 요소별 연산
슬라이싱	arr[1:3, :]	파이썬 리스트 슬라이싱과 유사하며 다차원 지원
축(axis) 연산	np.mean(arr, axis=0)	지정된 축(열 또는 행) 방향으로 연산 수행
결측값 처리	np.isnan(), np.nanmean()	NaN 값 관련 함수 제공

---