5강. NumPy 기초: 배열과 벡터 연산

?1. 이번 강의에서 해결할 문제

Python 반복문으로 모든 수치를 하나씩 처리하면 계산 의도가 흐려지고 큰 데이터에서 느려집니다. 같은 타입의 수치 배열에 연산을 한 번에 적용해야 합니다.

✓2. 학습 목표

✓이 강의를 마치면

• ndarray의 shape와 dtype을 확인합니다.
• 벡터 연산과 불리언 마스크를 사용합니다.
• 평균만이 아니라 중앙값과 분포를 함께 봅니다.

◇3. 핵심 개념

NumPy ndarray는 대체로 같은 dtype의 N차원 배열입니다. 벡터 연산은 Python 반복문을 직접 작성하지 않고 배열 전체에 계산을 적용합니다. 브로드캐스팅은 호환되는 shape 사이의 연산 규칙이며, 자동 동작이 의도한 축인지 shape를 먼저 확인해야 합니다.

✎4. 단계별 실습

1. 예제 파일 작성

실행 환경: 코드 편집기

실행 위치: C:\dev\game-data-lab

실행 전 확인: 기존 파일이 있으면 내용을 덮어쓰지 말고 Git diff로 이번 강의 변경 범위를 확인합니다. 실제 개인정보·API Key·토큰은 사용하지 않습니다.

대상 파일: src/numpy_basics.py

src/numpy_basics.py

import numpy as np

scores = np.array([1280, 970, 820, 910, 1410, 1530, 760, 1190, 880], dtype=np.float64)
wins = np.array([1, 0, 1, 0, 1, 1, 0, 1, 1], dtype=np.int8)

print("shape/dtype:", scores.shape, scores.dtype)
print("평균/중앙값:", scores.mean(), np.median(scores))
print("승리 세션 평균:", scores[wins == 1].mean())
centered = scores - scores.mean()
print("중심화 평균:", np.round(centered.mean(), 10))

2. 실행과 결과 확인

실행 환경: Windows PowerShell

실행 위치: C:\dev\game-data-lab

실행 전 확인: Python 코드는 프로젝트의 .venv 인터프리터를 사용하고 입력 파일 경로가 존재하는지 확인합니다.

대상: src/numpy_basics.py과 이 강의가 만드는 출력

Windows PowerShell

Set-Location C:\dev\game-data-lab
.\.venv\Scripts\python.exe .\src\numpy_basics.py

예상 결과: 배열 크기와 dtype, 전체 평균·중앙값, 승리 세션 평균과 0에 가까운 중심화 평균이 출력됩니다.

→5. 분석 또는 모델이 동작하는 이유

wins == 1은 각 원소를 비교한 불리언 배열을 만들고 이를 인덱스로 사용해 승리 점수만 선택합니다. 평균을 뺀 중심화 결과의 평균은 부동소수점 오차 범위에서 0에 가깝습니다.

!6. 자주 하는 실수와 해결법

!자주 하는 실수

• 실수: 배열과 리스트의 *를 같은 의미로 생각하기 해결: 배열은 원소별 곱, 리스트는 반복입니다.
• 실수: shape를 확인하지 않고 브로드캐스팅하기 해결: 계산 전 shape를 출력합니다.
• 실수: 평균만 보고 치우침을 놓치기 해결: 중앙값·사분위수·그래프를 함께 확인합니다.

✎7. 직접 실습

✎직접 실습

1. 플레이 시간 배열을 만들고 평균과 중앙값을 비교합니다.
2. 점수 1000 이상만 마스크로 선택합니다.
3. 점수를 평균 0으로 중심화하고 결과를 확인합니다.

실습 기록에는 입력 파일, 실행 명령, 행 수, 처리 규칙과 실제 결과를 남깁니다. 평균 하나를 전체 결론으로 확대하지 않고, 상관관계를 인과관계로 표현하지 않으며, 평가 데이터 정보를 학습에 사용하지 않았는지 확인합니다.

?8. 이해 점검 질문 3개

?이해 점검

1. ndarray의 dtype이 중요한 이유는 무엇인가요?
2. 불리언 마스크는 어떤 배열을 만드나요?
3. 평균과 중앙값이 크게 다르면 무엇을 의심할 수 있나요?

■9. 핵심 요약

■핵심 요약

NumPy는 같은 형태의 수치 데이터에 벡터 계산을 적용합니다. shape·dtype·마스크를 확인하고 평균과 중앙값을 함께 해석해야 합니다.