NumPy 사용자 가이드

NumPy에 대한 포괄적인 소개 및 기술 가이드로, 설치, 배열 조작, 인덱싱, 브로드캐스팅, 그리고 C/C++와의 통합을 다룹니다.

4.9

15.0h

891 학생들

5 lessons

0 좋아요

인공지능

수강 시작하기

강좌 개요

📚 콘텐츠 요약

NumPy의 설치, 배열 조작, 인덱싱, 브로드캐스팅, 그리고 C/C++와의 통합을 포함한 포괄적인 소개 및 기술 가이드.

공식 NumPy 가이드를 통해 파이썬 과학 계산의 기초를 마스터하세요.

저자: NumPy 커뮤니티

감사의 말씀: NumPy 커뮤니티가 작성함

🎯 학습 목표

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.
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.
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.
.base 속성을 사용하여 사용자 정의 ndarray 서브클래스에서 메모리 참조를 관리하고 "포인트"를 피합니다.

수업 共 5 课时 · 预计 15.0h

5 C-API를 이용한 NumPy 확장

수업

Lesson

1 Lesson 1

This lesson introduces NumPy as the foundational bridge between high-level Python applications and low-level hardware, focusing on the ndarray as a universal interface for scientific computing. Students will learn how the ndarray’s contiguous memory layout and homogeneous data structure enable high-performance, vectorized operations across the data science ecosystem.

2 Lesson 2

This lesson introduces the NumPy ndarray as a memory-efficient, homogeneous alternative to Python lists, focusing on proper initialization and the performance benefits of contiguous memory. Students will learn to interpret core array attributes—such as shape, size, and data type—to understand how metadata defines the spatial geometry and memory footprint of numerical data.

3 Lesson 3

This lesson covers precision management in NumPy, focusing on how fixed-size data types handle integer overflow and floating-point saturation. It also introduces robust data ingestion techniques using np.genfromtxt to handle irregular file formats and sanitize messy datasets.

4 Lesson 4

This lesson explores the complexities of subclassing `numpy.ndarray`, focusing on the "Initialization Triad" and the critical role of the `__array_finalize__` hook in maintaining metadata. Students will learn to navigate the risks of behavioral fragility and identify when to choose subclassing for interoperability versus using composition for safer architectural design.

5 Lesson 5