Python 기반 공학/과학적 계산

numpy, scipy 중심으로

Andrew. J 지음

작가와 2025년 05월 26일 출간

작품소개

책소개

지금으로부터 10년 전만 해도, python 외에 수학적 계산이나 데이터 분석을 위해 MATLAB 등의 상용 도구나 C, Java 등 기존에 널리 쓰여진 언어를 많이 사용했습니다. 하지만 이런 도구들은 몇 가지 불편한 점이 있었습니다. MATLAB은 강력한 수치 계산 기능을 제공하지만, Python처럼 범용 프로그래밍이 가능하지 않으며, 다른 시스템과의 연동이 어려운 면이 있었습니다. (물론 유료 소프트웨어 인것도 한몫) 아울러, C, Java 등의 기존 언어는 초심자의 관점에서 진입 장벽이 상대적으로 높은 점과, 같은 기능을 구현하기 위해 상대적으로 많은 코드를 작성해야 하는 문제가 있었습니다. 단적으로 Python에서는 단 한 줄로 해결할 수 있는 코드가 다른 언어에서는 여러 줄에 걸쳐 작성해야 하는 경우가 많았습니다.
이러한 이유로, 보다 간결하고 직관적인 Python을 활용하고자 하는 needs가 늘어났고, 이를 위해 데이터 과학, 수치 해석 및 과학 계산 분야에서 Numpy (Numerical Python), SciPy (Scientific Python라는 python 기반 module이 탄생되고 발전하였으며, 많은 사람들이 널리 이용하게 되었습니다.
이 책은 Numpy, SciPy 각각에 대해 실무에서 자주 쓰이는 핵심적인 내용 위주로 정리하였으며, 이를 통해 과학 계산, 데이터 분석 관련 업무나 학업을 하시면서 필요한 내용이 있을 때 빠르게 찾고, 예시 코드도 쉽게 참조할 수 있도록 설계하였습니다. 초보자는 물론, 이미 활용 중인 개발자와 연구자들도 보다 효율적으로 라이브러리를 활용할 수 있도록 다양한 예제를 수록하였습니다.

목차

Numpy의 기본 사용법 13
Numpy 배열의 이해 13
Numpy 배열내 요소 슬라이싱, 수정, 접근 14
Numpy ndarray 주요 속성 15
Numpy 기본 array 생성방법 16
Numpy 배열 요소 추가, 제거, 정렬 17
Numpy 배열 shape 변환 19
Numpy 배열 인덱싱/슬라이싱 21
Numpy array의 결합, 분할, 복사 23
Numpy array 기본 연산 25
Numpy 집계함수 27
Numpy array 내 unique 한 요소 파악 28
Numpy array의 import/export 29
Numpy 기능별 설명 상세 30
Numpy 모듈 구성 30
Numpy에서 자주 활용하는 상수 31
Numpy array 생성 33
Numpy array 처리 함수 42
Numpy 논리 연산 함수 47
Numpy bit연산 52
Numpy string 연산 54
Numpy datetime 연산 64
Numpy 지원 수학 연산 함수 64
Numpy 입출력 81
Numpy 에서의 함수형 프로그래밍 적용 89
Numpy indexing 관련 기능 91
Numpy Set 연산 100
Numpy sorting 101
Numpy Mask operation 104
Numpy window 함수 114
Numpy FFT 117
Numpy 선형대수 121
Numpy 방정식 풀이 135
수치 계산 및 최적화 143
선형대수 연산 143
미적분 173
최적화 및 해 탐색 186
신호 처리 209
신호 처리 연산 209
데이터 보간 273
B-spline 생성과 보간 286
Discrete Fourier Transform (DFT) 295

책 속으로

Numpy는 숫자로 이루어진 데이터를 쉽게 다룰 수 있도록 도와주는 도구입니다. 특히, 여러 개의 숫자를 모아서 한 번에 계산할 수 있는 다차원 배열(ndarray) 이라는 구조를 사용합니다. 이 배열을 이용하면 벡터나 행렬 같은 수학 연산을 빠르게 처리할 수 있는데, 가령 여러 개의 숫자를 한 번에 더하거나 곱하는 연산을 한 줄로 끝낼 수 있습니다. 또한, 고속 인덱싱(Indexing) 기능을 통해 배열에서 원하는 값을 쉽게 찾아낼 수 있으며, 평균, 표준 편차, 삼각 함수(예: 사인, 코사인) 등 다양한 수학 및 통계 함수도 포함하고 있습니다. Numpy는 계산 속도를 빠르게 하기 위해 C나 Fortran 같은 프로그래밍 언어와 연결될 수 있도록 만들어졌습니다. 이를 통해 일반적인 파이썬 코드보다 훨씬 빠르게 숫자 연산을 수행할 수 있습니다.
Numpy는 배열 연산, 선형 대수, 간단한 수학 함수 등을 매우 효율적이고 빠르게 처리하는 데 도움을 주지만, 더 복잡한 수학적 문제 (최적화, 신호처리 등)를 해결하기 위해선 Numpy만으로는 어려운 면이 있습니다. 이를 위해 SciPy라는 툴이 보완을 할 수 있으며 복잡한 수학 문제를 해결하는 데 도움을 주는 여러 가지 도구들을 제공합니다. 가령 최적화, 보간법, 신호처리 등의 분야에서 많은 도움을 받을 수 있습니다.

작가정보

저자(글) Andrew. J

스마트팩토리 분야 전문엔지니어로, python을 비롯한 다양한 기술스택에 관심이 많습니다.