Pandas_Series, DataFrame
Pandas란? 파이썬 라이브러리 구조화된 데이터를 효과적으로 처리하고 저장 Array 계산에 특화된 NumPy를 기반으로 설계 행과 열로 이루어진 데이터 객체를 만들어 다룰 수 있어, 데이터 처리와 분석하기 유용함 - Pandas 자료구조 Series: 1차원 DataFrame: 2차원 Panel: 3차원 - Series : numpy array가 보강된 형태 Data와 Index로 이루어져 있다. import pandas as pd data = pd.Series([1,2,3,4]) print(data) Index를 따로 선언해주지 않으면, 0부터 시작된다. 위 사진 기준, 좌측 Index, 우측 Data data = pd.Series([1,2,3,4],index=['a','b','c','d']) pr..
Numpy_Broadcasting, masking
- Broadcasting : shape이 다른 array끼리 연산 ## 브로드캐스팅 matrix = np.array([[2,4,2],[6,5,9],[9,4,7]]) matrix2 = np.array([1,2,3]) print(matrix+matrix2) array1 = np.arange(3).reshape((3,1)) array2 = np.arange(3) print(array1+array2) 처음 예제 : 3x3 + 1x3 배열연산은 1x3행렬의 1행을 2,3행에도 복사되서 연산이 이루어진다. 1x3 과 3x1의 연산도 3x3으로 복사되서 된다. 브로드캐스팅 조건으로 연산을 위해 행이나 열의 크기의 최소공배수가 두 배열중 한 배열의 크기와 같아야한다. - Masking 비교연산자나 조건문으로 각 원소..
Numpy_Indexing, Slicing, Operator
- Numpy Indexing, Slicing import numpy as np # 인덱싱 슬라이싱 lst = np.array([[1,2,3],[4,5,6],[7,8,9]]) slicing_lst = lst[:2,:2] print(slicing_lst) # [[1,2],[4,5]] print(lst[1]) # [4,5,6] 기본 문법과 동일하다. - Numpy Operator ## 연산 a = np.array([1,2,3]) b = np.array([4,5,6]) # 각 요소 더하기 c = a+b # c = add(a,b) print(c) # [5,7,9] # 각 요소 곱하기 np.multiply(a,b) print(a*b) # [4,10,18] # 각 요소 나누기 np.divide(a,b) print(..
Numpy_Create Array
- Numpy란? 과학 계산을 위한 라이브러리 행렬/ 배열 처리 및 연산 난수생성 다차원 배열을 쉽게 처리하고 효율적으로 사용할 수 있도록 지원하는 Python의 Package 배열의 생성에 대해서 다뤄보자. import numpy as np a = [[1,2,3],[4,5,6]] b = np.array(a) print(b) # [[1,2,3],[4,5,6]] print(b.ndim) # 배열의 차원 print(b[0,0]) # b[0][0]과 똑같다. 기본적인 배열은 numpy.array()로 생성한다. 기존의 파이썬문법과 다르게 numpy는 2차원이상 인덱싱을 괄호 하나에 좌표형식으로 적어도 가능하게끔 지원해준다. ## 특수한 배열의 생성 lst1 = np.arange(10) print(lst1) #..
