Python 리스트를 NumPy 배열로 변환하는 방법

따라서 2차원 이상의 리스트를 NumPy 작업에 활용하기 위해서는 NumPy 배열로 변환해야 합니다.

다음은 Python 리스트를 NumPy 배열로 변환하는 두 가지 방법을 소개합니다.

np.array() 함수 사용:

import numpy as np

# 2차원 리스트 선언
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 리스트를 NumPy 배열로 변환
array = np.array(data)

print(array)  # 출력: [[1 2 3] [4 5 6] [7 8 9]]

리스트 comprehension 사용:

import numpy as np

# 2차원 리스트 선언
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 리스트 comprehension으로 NumPy 배열 생성
array = np.array([row for row in data])

print(array)  # 출력: [[1 2 3] [4 5 6] [7 8 9]]

주의 사항:

• 리스트의 모든 원소가 동일한 데이터 타입이어야 합니다.
• 다차원 리스트를 변환하는 경우 원하는 차원 순서를 유지해야 합니다.
• NumPy 배열은 변경 가능한 객체입니다. 즉, 배열의 값을 변경하면 원본 리스트에도 영향을 미칩니다.

참고:

• NumPy 배열을 리스트로 변환하려면 array.tolist() 메서드를 사용할 수 있습니다.

이 외에도 다양한 방법으로 리스트를 NumPy 배열로 변환할 수 있습니다.

예제 코드: 2차원 리스트를 NumPy 배열로 변환

np.array() 함수 사용

import numpy as np

# 2차원 리스트 선언
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 리스트를 NumPy 배열로 변환
array = np.array(data)

print(array)
print(array.dtype)  # 배열 데이터 타입 출력

리스트 comprehension 사용

import numpy as np

# 2차원 리스트 선언
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 리스트 comprehension으로 NumPy 배열 생성
array = np.array([row for row in data])

print(array)
print(array.dtype)  # 배열 데이터 타입 출력

설명:

• import numpy as np: NumPy 라이브러리 임포트
• data: 2차원 리스트 정의
• np.array(data): np.array() 함수를 사용하여 리스트를 NumPy 배열로 변환
• np.array([row for row in data]): 리스트 comprehension을 사용하여 리스트를 NumPy 배열로 변환
• print(array): 변환된 NumPy 배열 출력
• print(array.dtype): NumPy 배열의 데이터 타입 출력

결과:

[[1 2 3]
 [4 5 6]
 [7 8 9]]
int64

• 원하는 차원 순서를 유지해야 합니다.

추가 예제:

• 3차원 리스트를 NumPy 배열로 변환하는 경우:

data = [[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]
array = np.array(data)
print(array)

• 특정 데이터 타입으로 변환하려면 dtype 매개변수를 사용합니다.

array = np.array(data, dtype=float)
print(array.dtype)

Python 리스트를 NumPy 배열로 변환하는 대체 방법

list() 함수 사용:

import numpy as np

# 2차원 리스트 선언
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 리스트를 NumPy 배열로 변환
array = np.list(data)

print(array)

pd.DataFrame 사용 (pandas 라이브러리 필요):

import pandas as pd

# 2차원 리스트 선언
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 리스트를 DataFrame으로 변환
df = pd.DataFrame(data)

# DataFrame을 NumPy 배열로 변환
array = df.to_numpy()

print(array)

직접적인 배열 할당:

import numpy as np

# 2차원 리스트 선언
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 리스트를 NumPy 배열에 직접 할당
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

print(array)

중첩 for 루프 사용:

import numpy as np

# 2차원 리스트 선언
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# NumPy 배열 초기화
array = np.empty((len(data), len(data[0])), dtype=data[0][0].dtype)

# 중첩 for 루프를 사용하여 리스트 값을 배열에 할당
for i in range(len(data)):
    for j in range(len(data[0])):
        array[i, j] = data[i][j]

print(array)

각 방법의 장단점:

선택 가이드:

• 간결하고 명확한 방법을 원한다면 np.array() 함수를 사용하는 것이 좋습니다.
• 리스트의 원소가 다양한 데이터 타입인 경우 리스트 comprehension을 사용하는 것이 좋습니다.
• NumPy 라이브러리를 사용하지 않고 싶다면 list() 함수를 사용하는 것이 좋습니다.
• 다차원 데이터를 처리하는 경우 pd.DataFrame을 사용하는 것이 좋습니다.
• 특정 상황에 맞는 맞춤형 솔루션이 필요한 경우 직접 배열 할당 또는 중첩 for 루프를 사용하는 것이 좋습니다.

• NumPy 배열과 Python 리스트는 서로 다른 데이터 구조입니다. NumPy 배열은 고성능 과학 계산에 최적화된 반면 Python 리스트는 더 다목적적인 용도로 사용됩니다.
• 올바른 방법 선택은 특정 상황과 요구 사항에 따라 달라집니다.