[Numpy] Numpy 배열 ndarray 속성

 

🔹 Numpy 배열 ndarray의 주요 속성

Numpy 배열은 다음과 같은 속성들을 제공한다.

속성	설명
ndarray.ndim	배열의 차원 수 (축의 개수)
ndarray.shape	배열의 구조를 나타내는 튜플 (각 차원의 크기)
ndarray.reshape	배열의 모양을 변경 (단, 원소 수는 유지해야 함)
ndarray.size	전체 원소 개수
ndarray.dtype	배열의 데이터 타입 (예: int32, float64, bool 등)
ndarray.itemsize	하나의 원소가 차지하는 바이트 크기
ndarray.T	배열의 전치(transpose) 결과
ndarray.tolist()	배열을 list로 반환

 

예제 코드:

import numpy as np

ex_arr = np.array([[[1, 2, 3], [3, 4, 5]],
                   [[10, 20, 30], [30, 40, 50]]])

print("차원:", ex_arr.ndim)         # 3
print("모양:", ex_arr.shape)        # (2, 2, 3)
print("크기:", ex_arr.size)         # 12
print("데이터 타입:", ex_arr.dtype) # int32
print("원소 크기:", ex_arr.itemsize)# 4 (bytes)
print("전치 행렬:\n", ex_arr.T)

 

🔸ndarray.ndim

 

"Number of array dimensions(배열 차원의 수)"의 의미이다. 즉, 배열의 차원 수를 나타낸다.

import numpy as np

scalar = np.array(1)                       # 0차원
vector = np.array([1, 2, 3])               # 1차원
matrix = np.array([[1, 2], [3, 4]])        # 2차원
tensor = np.array([[[1,2,3],[4,5,6]], 
                   [[7,8,9],[10,11,12]]])  # 3차원

print(scalar.ndim)  # 0
print(vector.ndim)  # 1
print(matrix.ndim)  # 2
print(tensor.ndim)  # 3

 

- Scalar : 0차원 (단일 값)
- Vector : 1차원 (Scalar가 모인 배열)
- matrix(매트릭스) : 2차원, (Vector가 모인 배열)
- tensor(텐서) : 3차원이상, (배열 일반을 나타내는 표현) 

 

🔸 ndarray.shape

"Tuple of array dimensions(배열 차원의 튜플)"로, 배열의 구조(모양)이다.

각 차원의 크기를 튜플 형태로 반환한다.

scalar = np.array(1)                       
vector = np.array([1, 2, 3])               
matrix = np.array([[1, 2], [3, 4]])        
tensor = np.array([[[1,2,3],[4,5,6]], 
                   [[7,8,9],[10,11,12]]])  

print(scalar.shape)  # ()
print(vector.shape)  # (3,)
print(matrix.shape)  # (2, 2)
print(tensor.shape)  # (2, 2, 3)

 

- scalar의 경우, 0차원이므로, 배열의 모양이 없음
- vector 경우, 3개짜리 1차원 배열이라는 의미로 (3, )
- matrix의 경우, 2행 2열짜리 배열이 있으니 (2,2)
- tensor의 경우, 2개의 2행 3열짜리 배열이 있으므로 (2,2,3)

 

 

🔸 ndarray.reshape()

shape 속성을 활용하는 메소드가 reshape()이며, 배열의 형태를 바꿀 때 사용한다. 이때, 원소의 개수는 유지해야 한다.

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

b = np.linspace(11, 19, 9)
print(b)    # [11. 12. 13. 14. 15. 16. 17. 18. 19.]

b = b.reshape(a.shape)
print(b)    #   [[11. 12. 13.]
            #  [14. 15. 16.]
            #  [17. 18. 19.]]
            
print("result: ", a + b)

 

요소의 개수가 적절할 경우, 행렬의 모양을 바꿔 연산 처리를 하는 식으로 활용할 수 있다.

 

🔸ndarray.size

전체 원소 개수를 의미하며, 배열 차원들의 곱과 같다.

scalar = np.array(1)                       
vector = np.array([1, 2, 3])               
matrix = np.array([[1, 2], [3, 4]])        
tensor = np.array([[[1,2,3],[4,5,6]], 
                   [[7,8,9],[10,11,12]]]) 

print(scalar.size)	# 1
print(vector.size)	# 3
print(matrix.size)	# 4
print(tensor.size)	# 12

 

scalar_np : 하나의 정수 = 1
vector_np : 3개의 요소 * 1차원 = 3
matrix_np : 2개의 요소 안에 * 2개의 요소 = 4
tensor_np : 2개의 요소 안에  * 2개의 요소, 그리고 그안에 * 3개의 요소 = 12

 

🔸 ndarray.dtype, itemsize

Numpy는 대용량 데이터를 효과적으로 처리하기 위해 데이터 타입 설정 및 최적화 기능을 제공한다. 배열의 각 원소가 어떤 자료형을 가지는지를 dtype으로 지정할 수 있으며, 이에 따라 각 원소가 차지하는 메모리 크기(itemsize)가 결정된다.

 

int8_np = np.array([1,2,3], dtype=np.int8)
int16_np = np.array([1,2,3], dtype=np.int16)

uint8_np = np.array([1,2,3], dtype=np.uint8)
uint16_np = np.array([1,2,3], dtype=np.uint16)

float32_np = np.array([1,2,3], dtype=np.float32)
float64_np = np.array([1,2,3], dtype=np.float64)

print("Integer: {}/{}/{}/{}".format(int8_np.dtype, int16_np.dtype)) # int8 int16
print("Unsigned Integer: {}/{}/{}/{}".format(uint8_np.dtype, uint16_np.dtype)) # uint8 uint16
print("Floating Point: {}/{}".format(float32_np.dtype, float64_np.dtype)) # float32 float64

 

메모리 사용량 확인은 다음과 같다.

ones = np.ones(shape=(10, 5, 3, 2))	 #기본 dtype은 float64

print("size:", ones.size)	#전체 원소 수: 10*5*3*2 = 300
print("dtype/itemsize: {} / {}\n".format(ones.dtype, ones.itemsize))	# float64 / 8

total_bytes = ones.size * ones.itemsize
print("메모리 사용량:")
print(f" - {total_bytes} B") # 2400

 

📌 ndarray.nbytes는 위 계산을 한 줄로 요약한 속성

print(ones.nbytes)  # 2400 (bytes)

 

🔸ndarray.T

배열의 행과 열을 뒤바꾼 형태를 반환한다.

 

arr = np.array([[1, 2],
                [3, 4]])
print(arr.T)
#[[1 3]
# [2 4]]

 

🔸 ndarray.tolist() 

Numpy 배열을 Python의 리스트 자료형으로 바꿔준다.

print(arr.tolist())  # [[1, 2], [3, 4]]

 

 

마무리