numpy는 외부 라이브러리이다.

따라서 사용하기 위해서는 다음 처럼 나타내야 한다.

import numpy as np

이것은 numpy를 np라는 이름으로 가져오라는 뜻이다. 관습적으로 numpy를 np라는 이름으로 많이 사용하는데, 사실 as np 부분은 없어도 된다. 다만 이름이 길어서 불편하기 때문에 사용하지 않는다.

x = np.array([1.0, 2.0, 3.0])

print(x)
# >>> [1. 2. 3.]
print(type(x))
# >>> <class 'numpy.ndarray'>

이를 통해numpy 모듈에 존재하는 클래스인 ndarray를 선언했다.
그런데 array가 아닌 이유는 뭘까? 그 이유는 array는 numpy 모듈 내부에 있는 ndarray 선언을 도와주는 함수이기 때문이다. 도움이 필요한 이유는 직접 선언하기에는 좀 어려운 면이 있어서 그렇다.

# array 함수 없이 ndarray 클래스 직접 선언하기 

import array
# array.array를 사용하여 파이썬 리스트를 메모리 버퍼로 변환
buffer = array.array('d', [1.0, 2.0, 3.0])

# memoryview를 사용하여 buffer를 numpy.ndarray의 buffer 매개변수에 전달
x = np.ndarray(shape=(3,), dtype=float, buffer=memoryview(buffer))

print(x)
# >>> [1. 2. 3.]

이처럼 직접 선언으로도 동일한 결과를 얻을 수 있다. 하지만 굳이 알고싶지 않다.

numpy element-wise calculate

x = np.array([1.0, 2.0, 3.0])
y = np.array([2.0, 4.0, 6.0])

print(x + y)
# >>> [3. 6. 9.]

print(x - y)
# >>> [-1. -2. -3.]

print(x * y)
# >>> [ 2.  8. 18.]

print(x / y)
# >>> [0.5 0.5 0.5]

numpy N-dimension array

A = np.array([1.0, 2.0, 3.0], [2.0, 4.0, 6.0])
print(A)
# >>> [[1. 2. 3.]
#      [2. 4. 6.]]
print(A.shape)
# >>> (2, 3)
print(A.dtype)
# >>> float64
B = np.array([[3, 0, 0], [0, 6, 0]])

print(A + B)
# >>> [[ 4.  2.  3.]
#      [ 2. 10.  6.]]
print(A * B)
# >>> [[ 3.  0.  0.]
#      [ 0. 24.  0.]]

주의할 점은 '+'과 '*' 연산을 할 때, shape가 동일해야 한다.
그리고 '*'은 두 매트릭스간의 내적 연산이 아니다. 각 원소의 자리별로 계산, 즉 element-wise 계산이다.