NumPy는 Python에서 과학적 계산을 위한 핵심 라이브러리로, 다차원 배열과 이러한 배열을 다루는 다양한 함수를 제공합니다. 주로 수학, 과학, 공학 분야에서 사용되며, 수많은 수학 함수와 통계 함수를 포함하고 있습니다. 이번 포스트에서는 NumPy의 주요 수학 함수와 통계 함수를 사용하는 방법에 대해 살펴보겠습니다.

수학 함수 활용

NumPy를 사용하면 다양한 수학 함수를 간편하게 활용할 수 있습니다. 예를 들어, 삼각함수(sin, cos, tan)나 지수 함수, 로그 함수 등을 사용할 수 있습니다. 아래는 간단한 예시 코드입니다.

import numpy as np

# 삼각함수
angles = np.array([0, 30, 45, 60, 90])
sin_values = np.sin(np.deg2rad(angles))
cos_values = np.cos(np.deg2rad(angles))
tan_values = np.tan(np.deg2rad(angles))

# 지수 함수
x = np.array([1, 2, 3])
exponential_values = np.exp(x)

# 로그 함수
log_values = np.log(x)

통계 함수 활용

데이터의 분포를 분석하거나 요약 통계량을 계산하는 등 다양한 통계 함수도 NumPy에서 제공됩니다. 예를 들어, 평균, 표준편차, 분산, 최솟값, 최댓값 등을 계산할 수 있습니다. 아래는 간단한 예시 코드입니다.

import numpy as np

# 평균, 표준편차
data = np.array([1, 2, 3, 4, 5])
mean = np.mean(data)
std_dev = np.std(data)

# 분산
variance = np.var(data)

# 최솟값, 최댓값
min_value = np.min(data)
max_value = np.max(data)

NumPy를 활용하면 수학 함수와 통계 함수를 효율적으로 사용할 수 있으며, 과학적 및 공학적 계산에 많은 도움이 됩니다.

참고 자료: NumPy 공식 문서