range 와 np.arange()

🔹 range() vs np.arange() 차이점

둘 다 숫자의 범위를 생성하는 기능을 하지만, 데이터 타입과 동작 방식이 다름.

---

1. range(start, stop, step) (기본 Python 문법)

for i in range(0, 10, 2):
    print(i)

출력

0
2
4
6
8

• range()는 정수만 지원.
• range(0, 10, 2) → 0, 2, 4, 6, 8이 생성됨.
• list(range(0, 10, 2)) 하면 [0, 2, 4, 6, 8] 리스트로 변환 가능.

✅ range()는 Python의 기본 기능이라 가볍고 빠름.

---

2. np.arange(start, stop, step) (NumPy 함수)

import numpy as np

for i in np.arange(0, 10, 2):
    print(i)

출력

0
2
4
6
8

• np.arange()는 정수뿐만 아니라 실수도 지원.
• np.arange(0, 10, 2) → array([0, 2, 4, 6, 8]) (NumPy 배열 반환)
• 리스트로 변환하려면 .tolist() 사용.

✅ NumPy 배열을 다룰 때 유용하고, 실수(float) 범위도 지원 가능.

---

3. range()와 np.arange()의 주요 차이점

차이점 range() np.arange()

지원하는 타입	**정수(int)**만 가능	정수(int) & 실수(float) 지원
반환 값	range 객체 (리스트 변환 필요)	NumPy 배열 (numpy.ndarray)
메모리 사용	작은 메모리 사용 (이터레이터 방식)	더 많은 메모리 사용 (배열 생성)
속도	더 빠름	NumPy 연산 최적화됨 (대량 데이터에 유리)

---

4. np.arange()가 필요한 경우

1. 실수(float) 범위를 사용할 때

import numpy as np
print(np.arange(0, 1, 0.1))  # 0.1 간격으로 숫자 생성

출력

[0.  0.1  0.2  0.3  0.4  0.5  0.6  0.7  0.8  0.9]

→ range()는 실수를 지원하지 않기 때문에 np.arange()가 필요함.

1. NumPy 기반 연산을 할 때

arr = np.arange(0, 10, 2)
print(arr * 2)  # 배열 요소 전체에 연산 적용 가능

출력

[ 0  4  8 12 16]

→ NumPy 배열이므로 벡터 연산이 가능 (일반 range()는 불가능)

---

5. for 루프에서 range() vs np.arange()

코드 동작 방식 언제 사용하면 좋을까?

for i in range(0, 10, 2):	0, 2, 4, 6, 8을 하나씩 반환	단순한 반복문 (빠르고 가볍게 실행)
for i in np.arange(0, 10, 2):	NumPy 배열 생성 후 반복	NumPy 배열로 수학적 연산이 필요한 경우

---

6. 결론: 언제 어떤 걸 써야 할까?

• range() → 일반적인 for 루프에 적합 (메모리 효율적, 빠름).
• np.arange() → NumPy를 사용하고, 실수 범위 또는 배열 연산이 필요할 때 적합.

📌 추천 사용법

✅ 반복문에서 숫자 범위만 필요하면? → range() 사용
✅ NumPy 연산을 포함한 배열 처리가 필요하면? → np.arange() 사용

---