NumPy 사용자 가이드

개요: 이 수업에서는 파이썬 과학 계산의 기초 라이브러리로서의 NumPy를 소개하며, 벡터화를 통해 성능상의 장점을 설명합니다. 학습자들은 윈도우, 라즈베리파이, 콘다, 파이참 등 다양한 플랫폼에서 라이브러리를 설치하는 방법을 배우고, 환경 변수와 시스템 종속성 관리를 통해 일반적인 설치 문제인 ImportError를 해결하는 방법을 익힙니다.

학습 결과:

• NumPy를 정의하고 과학적 파이썬 생태계에서의 역할을 식별합니다.
• 벡터화 개념을 사용하여 표준 파이썬 루프보다 NumPy가 훨씬 빠른 이유를 설명합니다.
• 파이프, 콘다, 라즈베리파이 등 다양한 환경에 대한 설치 명령어를 실행합니다.

개요: 이 수업은 NumPy의 ndarray 객체에 대한 포괄적인 소개를 제공하며, 그 핵심 속성, 생성 방법, 기본 수학 연산을 다룹니다. 또한 고급 주제인 패시 인덱싱(부울 및 정수 기반), 형태 조작, 필수 선형 대수 루틴까지 확장합니다. 이 모듈을 마치면 학습자는 다차원 데이터 구조를 효율적으로 저장, 변환, 분석할 수 있게 됩니다.

학습 결과:

• ndim, shape, dtype와 같은 기본 ndarray 속성을 식별하고 해석합니다.
• linspace, reshape, vstack, hstack 등의 함수를 사용하여 배열 생성 및 조작을 수행합니다.
• 원소 단위 연산, 유니버설 함수(우펑), 선형 대수 방정식 해법기를 수치 데이터셋에 적용합니다.

개요: 이 수업은 NumPy의 고급 메커니즘에 대해 다루며, 정확한 데이터 타입 관리, 오버플로우 처리, genfromtxt를 사용한 고도화된 입출력 작업에 집중합니다. 학습자들은 산술 연산을 위한 브로드캐스팅의 내부 논리를 숙지하고, 메모리 수준의 바이트 순서의 미묘한 점, 비균일한 데이터셋을 위한 구조화된/레코드 배열의 생성을 습득합니다. 마지막 섹션에서는 사용자 정의 배열 컨테이너를 통해 NumPy의 확장성과 ndarray 서브클래싱을 위한 공식 프로토콜을 설명합니다.

학습 결과:

• 숫자 정밀도를 관리하고, 오버플로우 오류를 줄이기 위해 NumPy의 스칼라 타입과 정보 도구(iinfo, finfo)를 사용합니다.
• 사용자 지정 구분자, 헤더, 열 선택을 포함한 genfromtxt를 사용하여 디스크에서 유연하게 데이터를 읽어옵니다.
• 서로 다른 형상을 가진 배열 간의 상호작용을 예측하고 제어하기 위해 일반 브로드캐스팅 규칙을 적용합니다.

개요: 이 수업은 사용자 정의 서브클래싱의 고급 세부 사항, 특히 메모리 관리와 하위 호환성에 대해 탐구합니다. 또한 NumPy가 특수값과 수치 예외를 처리하기 위해 어떻게 IEEE 754 부동 소수점 표준을 구현하는지 살펴보고, 낮은 수준의 언어인 C, C++, Fortran과의 배열 인터페이스 메커니즘으로 마무리합니다.

학습 결과:

• .base 속성을 사용하여 사용자 정의 ndarray 서브클래스에서 메모리 참조를 관리하고 "포인트"를 피합니다.
• __array_wrap__ 및 메서드 서명을 올바르게 구현함으로써 서브클래스에서 하위 호환성을 유지합니다.
• IEEE 754 특수값(NaN, Inf)을 식별하고 조작하며, 전역 수치 예외 동작을 구성합니다.

개요: 이 수업은 C, C++, Fortran과 같은 컴파일된 언어와 연결하여 NumPy의 기능을 확장하는 다양한 방법을 탐색합니다. 자동화 도구인 f2py와 Cython, ctypes를 통한 수동 래핑, 고성능 유니버설 함수(우펑)의 생성, 배열 반복, 사용자 정의 데이터 타입 및 ndarray 서브타입을 위한 고급 C-API 기술을 다룹니다.

학습 결과:

• 컴파일된 코드를 파이썬에 "접착"하는 다양한 방법을 비교하고 구현합니다 (f2py, Cython, ctypes).
• 단일 및 다중 데이터 타입, 구조화된 배열을 포함하여 사용자 정의 NumPy 유니버설 함수(우펑)를 생성하고 등록합니다.
• NumPy C-API를 활용하여 효율적인 배열 반복, 브로드캐스팅 처리, 사용자 정의 데이터 타입 또는 ndarray 서브타입을 정의합니다.