[멋사] AI SCHOOL 5기_ Day 16

NumPy

NumPy(Numerical Python)는 거의 모든 과학 및 공학 분야에서 사용되는 오픈 소스 파이썬 라이브러리다.

NumPy 라이브러리에는 다차원 배열 및 행렬 데이터 구조가 포함되어 있다.

import numpy as np  # 보통 이렇게 np 로 줄여 사용한다

# 배열(Array) 만들기
v1 = np.array([ 1, 2, 3, 4, 5 ])

# array 내부 아이템의 데이터 타입을 알고 싶다면?!
v1.dtype

numpy array에는 서로 다른 데이터 타입이 들어갈 수 없다!! (리스트와 다른 점)

# 행렬 만들기
matrix = np.array ([ [1, 2, 3], [4, 5, 6], [7, 8, 9] ])

# 모양 확인
matrix.shape

# 2열 전체 - [행, 열]
matrix[ : , 1]  # 결과 - array([2, 5, 8])

# 3행 전체
matrix[2]  # 결과 - array([7, 8, 9])

arange ( 'a'rray of 'range' ) 는 해당 범위로 array를 만들어준다.

# arange는 range처럼 사용 가능하다
v2 = np.arange(1, 10, 3)  
v2  # 결과 - array([1, 4, 7])

# arange는 일괄적인 연산이 가능하다 
v3 = np.arange(1, 10, 3) ** 2
v3  # 결과 - array([1, 16, 49])

# reshape - 모양을 바꿔준다
v = np.arange(12)

# 2행 6열로 바꿈
v4 = v.reshape(2, 6) 

# 행을 3개로 맞추고 나머지는 알아서 하도록 함
v5 = v.reshape(3,-1) 

# 열부터 채우도록 함
v6 = v.reshape(2, 6, order="F")

Method chaining(메서드 체이닝)은 메서드가 객체를 반환하게 되면, 메서드의 반환값인 객체를 통해 또 다른 메서드를 호출하는 프로그래밍 패턴을 말한다. arange에서도 메서드 체이닝을 적용할 수 있다.

np.arange(12).reshape(2,6).reshape(4,-1)

numpy에는 사칙연산이 적용된다

v1 = np.arange(1,5).reshape(2,2)

# 최댓값
np.max(v1)  # 4

# 최솟값
np.min(v1)  # 1

# 평균값
np.mean(v1) # 2.5

# 표준편차
np.std(v1)  # 1.118033999749895

# 더하기
np.add(v1, v1)

# 빼기
np.subtract(v1, v1)

# 곱하기 
np.multiply(v1, v1)

# 행렬곱 (dot-product)
np.dot(v1, v1)

 

Pandas

Pandas(판다스)는 파이썬 데이터 처리를 위한 라이브러리다.

데이터를 다루기 위해 Series(시리즈) 클래스와 DataFrame(데이터프레임) 클래스를 제공한다.

Series(시리즈) 클래스는 넘파이에서 제공하는 1차원 배열과 비슷하지만 각 데이터의 의미를 표시하는 인덱스를 붙일 수 있다.

데이터 자체는 값(value)라고 한다. 즉, 시리즈 = 값 + 인덱스 다.

import pandas as pd # 보통 pd로 줄여서 쓴다

a = pd.Series([1,3,5,7])

a.values  # 결과 - array([1,3,5,7])

a.index   # 결과 - RangeIndex(start=0, stop=4, step=1)

 

DataFrame에서 하나의 cell 값을 얻어내는 4가지 방법

1️⃣ df['컬럼명'][index] 

2️⃣ df.loc[index]['컬럼명']

3️⃣ df.at[index, '컬럼명'] - 가장 권장하는 방법

4️⃣ df.iloc[(index number 기준)행, 열]

 

**

Pandas 에서는 항목별 갯수를 세고 나서 matplotlib 없이 바로 시각화 처리를 할 수 있다.