[참조]

• 공학자를 위한 Python, 조정래, 2022: 3. NumPy
  https://wikidocs.net/14569
• Dookie Kim, Python: From Beginning to Application,  2022
  https://www.dropbox.com/s/oa86j9ap62esmtz/Python.pdf?dl=0 

 

NumPy는 과학 컴퓨팅을 위한 기본 패키지이다. 
다차원 배열 외에도 이산 푸리에 변환, 선형대수, 통계, 난수(random number) 등 다양한 기능을 가지고 있다.

 

 (6) 파일 입출력
  1) 텍스트(text) 파일
  2) 이진수(binary) 파일

 (7) 구조체 배열  
  1) 데이터 타입
  2) compound(합성) 타입과 구조체(structured) 배열

 (8) 기타
 

---

 

(6) 파일 입출력

1) 텍스트(text) 파일

• Ex)
  import numpy as np

  np.savetxt(fname, X, delimiter=' ', ...)              
  # np.savetxt()로 텍스트파일로 저장한다. 
  # 디폴트 구분자(delimiter)로 스페이스를 사용한다. 콤마를 사용하려면 delimiter=','로 지정한다. 

  X = np.loadtxt(fname, delimiter=' ', skiprows=0, comments='#', ...)
  # np.loadtxt()로 텍스트파일을 읽는다. 
  # 빌트인 패키지인 csv와 달리 헤더(header)를 읽지 못한다.
  # np.loadtxt()가 skiprows(처음 몇개의 열을 무시할 건지)와 comment 문자를 지정한다.
  
  (Note) np.savetxt()와 np.loadtxt()는 각각 출력과 입력을 나타내는 np 함수이다.

• Q) 양수는 blank로, 음수는 -로 float를 출력하려면?
  A) % + blank + .7e
  코드) np.savetxt('resp.dat', resp, fmt='% .7e', delimiter='  ', newline='\n')
  결과)  2.4000000e-01   8.8196305e-04   8.1919938e-03  -4.1484255e-03

  
   

• Ex)
  import numpy as np

  X = np.arange(4).reshape(2,2)
  np.savetxt('2x2.txt',X)
  Y = np.loadtxt('2x2.txt')

   

• Ex-결과)
  "2x2.txt" 파일에 저장된 결과는 다음과 같다.
  0.000000000000000000e+00 1.000000000000000000e+00
  2.000000000000000000e+00 3.000000000000000000e+00

  
  1차원 배열(즉, 벡터)은 n*1 형태로 저장된다
  파일에서 n*1이나 1*n은 모두 1차원 벡터로 읽힌다.

   

• Ex)
  import numpy as np

  X1 = np.array([0,1])
  np.savetxt('X1.txt',X1)

  X2 = np.array([0,1]).reshape(1,2)
  np.savetxt('X2.txt',X2)

  X3 = np.array([0,1]).reshape(2,1)
  np.savetxt('X3.txt',X3)

  Y1 = np.loadtxt('X1.txt')  # array( [0., 1.])
  Y2 = np.loadtxt('X2.txt')  # array( [0., 1.])
  Y3 = np.loadtxt('X3.txt')  # array( [0., 1.])

   

• Ex-결과)
  "X1.txt" 파일
  0.000000000000000000e+00
  1.000000000000000000e+00

  "X2.txt" 파일
  0.000000000000000000e+00 1.000000000000000000e+00

  "X3.txt" 파일
  0.000000000000000000e+00
  1.000000000000000000e+00

  
   

• Ex)
  import numpy as np

  A1 = np.array([0,1])
  A1.tofile('A.dat') # A1을 (이진수 형태로) 저장
  A2 = np.fromfile('A.dat', dtype=int) # 저장했던 (이진수 형태의) A를 A2로 불러들임
  A1 == A2  # array( [True,True] )

  
   

2) 이진수(binary) 파일
 

• save(file,arr,...): arr을 .npy 포맷으로 file에 씀
  savez(file,*args,**kwds): args와 kwgs에 주어진 여러 배열을 .npz 포뱃으로 file 에 씀. 
   **kwds로 저장할 때 주어진 키워드가 사용되고, args로 저장하는 경우 arr_0, arr_1, 등을 키워드를 사용한 것과 같음

   

• Ex)
  import numpy as np

  acc = np.random.random(1024)  # 1024 points in [0,1.0)
  dt = 60.0
  station = 3

  np.savez('acc.npz',acc=acc,dt=dt,station=station) # acc,dt,station를 인자로 acc.npz에 저장

  data = np.load('acc.npz') # acc,dt,station인 세 인자로 저장된 acc.npz를 data로 불러 들임
  data["acc"] # array( [0.74681048, ..., 0.62417015] )
  data["dt"]  # array(60.)
  data["station"] # array(3)

  
   

(7) 구조체 배열

 

• 구조체 배열(Structured array)의 요소는 여러 타입을 모은 compound(합성) 타입이다.
• 구조체 배열은 (name,type)의 쌍으로 구성한다.

 

1) 데이터 타입 

• Ex)
  import numpy as np

  Xi = np.array([0,1],dtype=np.int16)   # 배열의 dtype을 정수형(np.int32)으로 지정
  Xf = np.array([0,1],dtype=np.float64) # 배열의 dtype을 정수형(np.float64)으로 지정

  
   

2) compound(합성) 타입과 구조체(structured) 배열

 

• Ex) 일반 문자열(str) vs 바이트(bytes) 문자열
  import numpy as np

  dtype = [('name','S10'),('age','<i4>'),('height','<f4>')]
  X = np.array([('Alice',19,173.),('Bob',20,'181.')],dtype=dtype)
  X = np.array([('Alice',19,173.),('Bob',20,'181.')],dtype=dtype)
  # b'Alice'처럼 ' '(작은따옴표)나 " "(큰따옴표) 앞에 b를 붙이면 바이트(bytes) 문자열이 된다. 
  # 'Alice'는 일반 문자열(str)이고, b'Alice'는 바이트 문자열이다.')]</f4></i4>

  X['name']   # array( [b'Alice', b'Bob'], dtype='|S10' )
  X['age']    # array( [19, 20] )
  X['height'] # array( [173., 181.], dtype=float32 )
  X[0]        # (b'Alice', 19, 173.)

   

• Ex)
  import numpy as np

  dtype = [('name','S10'),('age','int32'),('weight','float64')]  # 위 예와 동일

  
   

• Ex) 여러 개의 리스트 데이터를 구조체 배열로 저장
  import numpy as np

  name = ['Alice', 'Bob', 'Doug']
  age = [25, 45, 37]
  height = [173.,181.,165.]

  dtype = [('name','S10'),('age','<i4>'),('height','<f4>')]< span="">')]<></f4></i4>

  X = np.zeros(3,dtype=dtype)
  X['name'] = name
  X['age'] = age
  X['height'] = height

   

(8) 기타

• Ex) nan (not a number)
  import numpy as np
  import matplotlib.pyplot as plt

  x = [1,2,3,4]
  y1 = [4,7,8,9]
  y2 = [2,3,1,np.nan]
  # 그림을 그릴 때 nan이 있으면 그 포인트는 그리지 않는다.

  plt.plot(x,y1)
  plt.plot(x,y2)
  plt.show()

  
   

• Ex) inf (infinite)
  import numpy as np

  data = [0,1,2,3]
  maximum = -np.inf # maximum: -inf
  for x in data:
      if x > maximum:
          maximum = x # maximum: 3