Byte의 발자취

# Pandas Series에서의 데이터 접근과 삭제 # 이전장에서 사용하였던 데이터를 사용하여 진행 groceries eggs 30 apples 6 milk Yes bread No dtype: object # 판다스에서는 인덱스 수를 계산하여 부를 필요없이 지정된 명칭을 사용하면 된다. groceries['eggs'] 30 groceries['bread'] 'No' # 따로 출력되는 값을 불러올때는, list 로 묶음 처리를 하여 활용 groceries[['eggs','bread']] eggs 30 bread No dtype: object groceries['apples' : 'bread'..

Pandas 의 장점 Allows the use of labels for rows and columns 기본적인 통계데이터 제공 NaN values 를 알아서 처리함. 숫자 문자열을 알아서 로드함. 데이터셋들을 merge 할 수 있음. It integrates with NumPy and Matplotlib # 파이썬의 라이브러리 # 판다스는 넘파이를 확장해서 만든 데이터 스트렉쳐 / numpy는 기계 친화적 (숫자로 구성됨) # 판다스는 넘파이를 포함하고 있다 import pandas as pd index = ['eggs', 'apples', 'milk', 'bread'] data = [30, 6, 'Yes', 'No'] # numpy에서 1차원 데이터 벡..

Boolean 연산은 참(True) 또는 거짓(False) 값을 반환하는 연산을 말한다. NumPy에서는 이러한 Boolean 연산을 배열에 적용하여 각 요소의 조건을 평가할 수 있다. 예를 들어, 배열의 각 요소가 특정 조건을 만족하는지 여부를 판단하는 데 사용된다. 비교 연산자: == (equal), != (not equal), >, =, 80 array([[False, False, False, True, False], [False, False, True, False, True], [False, False, True, False, False], [False, False, False, False, False]]) x[ x > 80 ] # 난이도 중요도 최상! array([88..

1. ndarray[start:end] 2. ndarray[start:] 3. ndarray[:end] # 뭐 부터 뭐 까지 => 3시 ~ 5시 # 3 : 5+1 # 홍길동이라는 이름을 예시로 원하는 인덱스 위치에 결과만 출력 fullname = '홍길동' fullname[1:2+1] '길동' # 어디서부터 시작해서 끝까지 fullname[1:] '길동' # 1차원 배열 생성 x = np.arange(2, 10+1) x x[2 : 5+1] => 2번 인덱스 위치부터 5번 위치까지 가져오기 array([4, 5, 6, 7]) # X 라는 다차원 배열에서 원하는 위치값 가져오기 array([[76, 95, 49, 98, 11], [19, 19, 29, 64, 80],..

** 실습전 import 중요 ** import numpy as np import random # 데이터 전체에서 최대값, 최소값, 전체합, 전체평균, 표준편차, 중앙값을 구하세요 # 1부터 100 사이의 정수로 구성된 4행 5열 배열 생성 X = np.random.randint(1, 100+1, (4,5)) X array([[74, 46, 91, 68, 83], [29, 23, 66, 66, 86], [93, 89, 71, 16, 64], [ 4, 7, 84, 41, 4]]) # 최대값 X.max() 93 # 최소값 X.min() 4 # 모든 요소의 합계 X.sum() 1105 # 모든 요소의 평균값 X.mean() 55.25 # 표준 편차 X.std() 30.49077729412617 # 각 행렬 또..

# zeros() 함수를 사용하여 0으로만 구성된 벡터 (Vector) 생성 np.zeros( 5 ) array([0., 0., 0., 0., 0.]) # 3행 4열짜리, 0으로 되어있는 행렬 (Matrix) 생성 np.zeros( (3,4) ) array([[0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]]) # ones() 함수를 사용하여 1로만 구성된 벡터 (Vector) 생성 np.ones( 7 ) array([1., 1., 1., 1., 1., 1., 1.]) # 4행 5열짜리, 1로 되어있는 행렬 (Matrix) 생성 np.ones((4,5)) array([[1., 1., 1., 1., 1.], [1., 1., 1., 1., 1.], [1., 1.,..

# 2차원 배열의 데이터 생성 X = np.array([[1, 2] , [3, 4]]) X array([[1, 2], [3, 4]]) # 데이터 저장하기 (save 함수 사용) np.save('my_array', X) - 상단에 첨부한 이미지처럼 최초 실행시 지정하였던 경로의 .npy 형식으로 데이터가 저장된것을 볼수 있다. - .npy 는 NumPy에서 배열을 바이너리 형태로 저장할 때 사용되는 기본 확장자이다. # 데이터 불러오기 (load 함수 사용) Y = np.load('my_array.npy') Y array([[1, 2], [3, 4]])..