NUMPY | 일반 연산과 넘파이 연산 실행 속도 비교 / random 모듈

➡️ NUMPY 기본 통계 함수

• NUMPY 란? 
  • 다차원 배열을 (행렬) 쉽게 처리해 주는 파이썬 모듈 중 하나
  • 수학적 계산은 파이썬에서 NUMPY 모듈을 사용하는 편

#기본 통계 함수
│   ├── mean()                 # 데이터의 평균값 계산
│   ├── median()               # 데이터의 중앙값 계산
│   ├── std()                  # 데이터의 표준편차 계산
│   ├── var()                  # 데이터의 분산 계산
│   ├── sum()                  # 데이터의 합계 계산
│   ├── prod()                 # 데이터의 곱 계산
    ├──std() / mean()          # 변동계수 계산
│
├── 퍼센타일 및 백분위 함수
│   ├── percentile()           # 데이터의 특정 퍼센타일 값 계산
│   ├── quantile()             # 데이터의 특정 분위 값 계산
│
├── 최소값/최대값 관련 함수
│   ├── min()                  # 데이터의 최소값 반환
│   ├── max()                  # 데이터의 최대값 반환
│   ├── argmin()               # 최소값의 인덱스 반환
│   ├── argmax()               # 최대값의 인덱스 반환
│
├── 데이터 생성 및 처리 함수
│   ├── histogram()            # 데이터의 히스토그램 계산
│   ├── unique()               # 데이터에서 고유 값 반환
│   ├── bincount()             # 정수 배열의 값의 빈도 계산
│
├── 랜덤 데이터 생성 (통계적 실험 시 사용 가능)
│   ├── random.randn()         # 표준 정규분포를 따르는 랜덤 값 생성
│   ├── random.normal()        # 정규분포를 따르는 랜덤 값 생성
│   ├── random.randint()       # 정수 범위에서 랜덤 값 생성
│   ├── random.choice()        # 데이터에서 랜덤 샘플 추출

➡️PYTHON vs NUMPY  연산 실행 속도 비교

• 실행 속도 비교 : 행렬(리스트 등) 수학적 계산은 numpy 모듈 사용하면 훨씬 빠르게 처리 가능 
  • 코드 작성 전 후, time.time() 메소드로 실행 전/후 시각 저장
  • 코드 작성

#일반 연산 vs numpy 연산 속도 비교
import time 
start = time.time() # 현재 시간 숫자형 값으로 출력  
## 코드
my_list = [i for i in range(10000000)]
for i in range(len(my_list)):
    my_list[i] = my_list[i] + 10
## 코드
end = time.time() # 시간 출력 
print(end= start) # 코드 실행 시간 

# array 자료형으로 처리
import numpy as np
start = time.time()

np.array(my_list) + 10 # 리스트값을 어레이로 변환후 연산 

end = time.time()
print(end-start)

➡️random 모듈 

• np.random.rand () : 0-1 사이의 임의의 난수 출력 
• np.random.randint(a.b) : a~(b-1) 까지의 정수를 랜덤으로 출력 
• np.random.seed() + random()~ : 초기값 설정 
• np.random.choice (배열,size=n,replace=T/F) : replace는 중복값 출력 허용 여부임(복원 추출), 배열 값중 size 만큼 랜덤으로 출력해주는 함수 
• np.normal(평균,표준편차,n개) : 정규분포를 따르는 평균, 표준편차에서 n개 난수 생성

#rand
np.random.rand(n) # 난수 n 개 생성

#randint
np.random.randint(1,7) #1~6까지 정수 랜덤으로 

#seed()
np.random.seed(42) #초기 값 고정 
np.random.rand() # 0-1 사이의 임의의 함수 추출, seed 선언으로 초기값이 고정됨.

#choice()
a =[1,2,3]
np.random.choice(a, size= 2, replace = False) #a 리스트중에 임의로 2개 출력

#normal()
population = np.random.normal(170, 10, 1000)

 

numpy.random.choice — NumPy v2.1 Manual