Numpy 연구 노트 01 - 설치 및

1. Numpy 소개

numpy이점:

간단한 코드: 배열과 행렬을 연산 객체로 사용하고, 다수의 수학 함수를 지원합니다.

효율적인 성능: numpy의 데이터 저장은 Python의 기본 List보다 우수하며 대부분의 numpy 코드는 더 효율적인 성능으로 C 언어로 구현됩니다.

기본 라이브러리: numpy는 scipy, tensorflow, scikit-learn 등과 같은 다양한 Python 데이터 과학 라이브러리의 기본 라이브러리입니다.

둘째, numpy 설치

1. 아나콘다를 사용하여 설치하고 numpy 설치 패키지와 함께 제공됩니다.

2. Python의 기본 설치를 사용하는 경우 pip 문을 사용하여 설치합니다.

pip install numpy

3. numpy가 설치되어 있는지 확인

python 명령줄을 입력하고 import numpy as np를 입력합니다. 오류가 보고되지 않으면 설치가 성공한 것입니다.

3. 성능 테스트

1. 코드 단순성 비교

#python原生实现，平方和立方依次相加
def python_sum(n):
    a = [i**2 for i in range(n)]
    b = [i**3 for i in range(n)]
    c = []
    for i in range(n):
        c.append(a[i]+b[i])
    return c

python_sum(10)


# 使用numpy实现
def numpy_sum(n):
    a = np.arange(n)**2
    b = np.arange(n)**3
    return a+b

numpy_sum(10)

2. 성능 비교

%timeit python_sum(10*10000)
#77.1 ms ± 1.57 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)


%timeit numpy_sum(10*10000)
#546 µs ± 12.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

참고: 위 코드는 jupyter 노트북 환경에서 구현되었습니다.

비교 결과, numpy를 사용하여 배열과 유사한 데이터를 작동하는 것이 더 간결하고 빠르다는 것을 보여줍니다.