맞춤형 플랫폼 개발 도전기 (웹개발, 딥러닝, 블록체인)

Series가 1차원이라면 DataFrame은 2차원으로 확대된 것이라고 생각하면 쉽다. DataFrame은 2차원이기 때문에 인덱스가 row, column로 구성되어 있다. (row는 개별 데이터, column은 개별 속성) DataFrame은 데이터를 읽어와서 가공하는 과정까지로 설명하는게 쉽다. 1. pd.read_csv(filepath) Kaggle에서 연습용 데이터로 가장 많이 사용하는 Titanic 데이터를 예시로 설명하겠다. import pandas as pd filepath = r'C:\User\data\titanic.csv' titanic_df = pd.read_csv(filepath) 이런 형식으로 파일을 읽어올 수 있다. 여기서 옵션을 몇개 줄 수 있다 df = pd.read_csv(..

File로 저장하려면 일단 import os 를 해야 한다. (Operating System의 약자로, 운영체제에서 제공되는 여러 기능을 파이썬에서 수행할 수 있게 해준다. 파일을 복사하거나 디렉터리를 생성하고 특정 디렉터리 내의 파일 목록을 구하고자 할 때 많이 쓰인다.) import os np.savetxt(os.path.join(r'C:\User\datas', 'rand_numbers.txt'), numbers, fmt = '%d', delimiter=', ') # fmt = 정수형태 저장을 위해 %d 사용 (기본포맷은 %.18e) # delimiter = 구분자 File을 읽어들이려면 loadtxt() 를 사용하는게 좋다 기본적으로 실수타입으로 읽어 들이기 때문에, delimeter(뭘 구분자로 ..

어렵지 않아서 사용 방법과 수학함수 나열 정도만 하고 넘어가려 한다. np.math_func 의 방식으로 사용하면 된다. np.pi np.sqrt np.sin np.cos np.tan np.cos ※ np.sqrt(np.arange(1,17).reshape(4,4)) 이런식으로 Array 각 원소에 적용할 수도 있다. 만약, 이런 함수를 시각화해서 쓴다면 x = np.arange(0, 2 * np.pi, 0.1) 로 x 값을 만들 수 있을텐데, 여기서 마지막 인자는 몇 단위로 만들 것이냐이다. 위 같은 경우는 0에서 2까지 0.1 단위로 쪼개서 x 값을 만든다는 것 import matplotlib.pyplot as plt %matplotlib inline x = np.arange(0, 2 * np.pi,..

기본적으로 matplotlib 모듈을 사용한다. import matplotlib.pyplot as plt 해서 사용하는 것이 일반적이다. (참고 : %matplotlib inlined의 역할을 모르는 사람들이 간혹 있는 것 같아서 참고사항으로 넣자면, %matplotlib inlined은 jupyter notebook 일 경우 바로 그려질 수 있게 하는 notebook 기능이다) 보통 그래프 등을 생성할때 x 축 좌표를 균등하게 만들고 싶을때 사용하는 것이 np.linspace(start, end, num) np.linspace(0, 10, 11) 일 경우에는 0부터 10까지 균등한 간격으로 11개의 점을 찍는 것 이 데이터들을 가지고 y값까지 지정한 후 plt.plot( x, y ), plt.scatt..

차원 변경 1. 1차원으로 변경 ravel() : 다차원배열을 1차원으로 변경 (흔히 '펼친다'라고 말함) → iterable.ravel() or np.ravel(iterable) order 파라미터 : 행 기준(C), 열 기준(F) x = np.arange(15).reshape(3, 5) np.ravel(x, order='C') # '행' 기준으로 펼친다 np.ravel(x, order='F') # '열' 기준으로 펼친다 # array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]) # array([ 0, 5, 10, 1, 6, 11, 2, 7, 12, 3, 8, 13, 4, 9, 14]) flatten() 과 차이점 : iterable.flatten() ..

Python에서는 대부분 함수 적용했을 때 원본이 변화되면 return 값이 없는데, 원본이 변화되지 않으면 return 값이 있음 (은근히 유욯하게 쓰인다 :) 잘 기억해 놓으면 활용도 多) Array 1. np.arange(iterable) 일단, range(10) 이라 함은 0부터 10 전까지의 iterable한 list가 생성되는 것 그래서 np.array(range(10)) 같은 형태도 가능하지만 np.arange(10) 도 가능하다 (np.arange(1,10,2) 이런 형태도 가능하다. 1-2. np.arange(범위(start, end, step)).reshape(차원) 배열을 뽑은 다음에 차원 변경하는 것 x = np.arange(36) x.reshape(6, -1) # 앞의 차원이 정해..