NumPy란?
NumPy는 파이썬 과학 계산 생태계의 초석으로, 고성능이며 다기능적인 N차원 배열(ndarray)을 핵심으로 하며, 벡터화 연산, 유연한 인덱싱 및 브로드캐스팅 메커니즘을 지원하여 현대 배열 계산의 사실상 표준으로 자리매김했습니다. 또한 포괄적인 수학 함수, 난수 생성기, 선형대수 루틴, 푸리에 변환 등의 기능을 내장하고 있으며, 완화된 BSD 라이선스로 오픈소스로 공개되어 GitHub에서 전 세계 활발한 커뮤니티가 협업하며 개발·유지하고 있습니다. NumPy는 우수한 상호운용성과 성능을 갖추고 있으며, 저수준에서는 고도로 최적화된 C 코드를 기반으로 하여 파이썬의 사용 편의성과 컴파일 언어의 속도를 모두 충족합니다. 동시에 GPU 가속, 희소 배열 및 분산 컴퓨팅 라이브러리와도 원활히 연동되어, 단일 머신 분석부터 초대규모 과학 계산에 이르기까지 모든 시나리오의 요구를 지원합니다.
주요 기능
효율적이고 메모리 친화적인 N차원 배열(ndarray) 데이터 구조를 제공하며, 벡터화 연산, 고급 인덱싱 및 자동 브로드캐스팅 메커니즘을 지원해 수치 계산의 효율성과 코드의 가독성을 크게 향상시킵니다.
일반 수학 함수, 기본 RNG(default_rng)와 같은 의사 난수 생성기, 행렬 곱셈, 고유값 분해 등의 선형대수, 푸리에 변환, 통계 분석 등 핵심 기능을 포함한 풍부한 수치 계산 도구 세트를 내장하고 있습니다.
활용 사례와 대상
과학 계산, 데이터 과학, 머신러닝, 엔지니어링 시뮬레이션, 교육 및 연구 분야에서 활동하는 파이썬 개발자들로, 초보자부터 전문 연구자까지 폭넓은 사용자를 포괄합니다.
- 과학 계산: 사건지평선 망원경이 최초로 촬영한 블랙홀 이미지와 같은 천체물리학, LIGO 실험과 같은 중력파 탐지 등 고정밀 수치 시뮬레이션을 지원합니다.
- 데이터 분석 및 머신러닝 기초: Pandas, scikit-learn, SciPy, TensorFlow, PyTorch 등 다양한 라이브러리에 핵심 N차원 배열 지원 제공
- 고성능 수치 연산: C 언어로 최적화된 저수준 구현을 통해 Python의 사용 편의성과 C/Fortran에 근접한 계산 속도를 동시에 제공
파이썬 코드에서 정의된 숫자형 데이터로, 스칼라, 리스트, 튜플, 중첩된 시퀀스 및 기타 배열로 변환 가능한 객체들을 포함합니다.
고도로 최적화된 N차원 배열(ndarray) 객체로, 벡터화 연산, 인덱싱, 슬라이싱, 브로드캐스팅 및 각종 수학 함수의 결과를 지원합니다.
자주 묻는 질문
NumPy는 오픈소스인가요?
네, NumPy는 완화된 BSD 라이선스를 채택하고 있으며, 소스 코드는 GitHub에 공개적으로 호스팅되고 있습니다.
NumPy는 GPU 가속을 지원하나요?
원래의 NumPy는 GPU를 직접 지원하지 않지만, CuPy와 같은 호환 라이브러리가 NumPy API의 GPU 가속 구현을 제공합니다.
사용 방법
- 01
브라우저 내 셸과 같은 대화형 환경에서 NumPy 코드 입력
- 02
Shift + Enter 키를 눌러 코드를 실행하거나 도구 모음의 “Run” 버튼을 클릭하세요
- 03
표준 import 문을 사용합니다: import numpy as np
- 04
N차원 배열을 생성하고 조작합니다. 예를 들어 x = np.arange(15).reshape(3, 5)와 같이 사용하며, 슬라이싱, 브로드캐스팅, 집계 등의 작업을 지원합니다
공식 웹사이트 및 출처
자료 출처
자료 업데이트 2026-10-27
