다시바람

DataFrame 표 형식의 데이터 2차원 형태의 데이터를 다루기 위한 자료형(대부분의 자료는 2차원 형태임) 행(Row/Index) : 레코드 , 열(Column) : 데이터 특징 Numpy와의 차이점 Pandas는 Numpy를 기반으로 만들어짐 Numpy + 행/열에 이름 붙이기 기능(문자열, 숫자 다가능 : 다양한 자료형) Pandas vs Numpy import pandas as pd import numpy as np two_dimensional_list = [['dongwook', 50, 85], ['sineui', 89, 31], ['iljoong', 68, 91], ['yoonseo', 88, 75]] print(np.array([two_dimensional_list])) df = pd.Da..

덧셈의 경우 Numpy : 덧셈 수행 List : 이어 붙이기 성능 Numpy 간단한 문법, 뛰어난 성능 수치 계산이 많고 복잡할 떄 행렬 같은 다차원 배열의 경우 사용 List 값을 추가하고 제거하는 일 성능 차이 발생 이유 : 값이 저장되는 방식의 차이 Numpy : 같은 자료형만 저장 가능 List : 여러 자료형 저장 가능 numpy 통계 함수 최대 최소 import numpy as np array1 = np.array([14, 6, 13, 21, 23, 31, 9, 5]) print(array1.max()) # 최댓값 print(array1.min()) # 최솟값 # 31 # 5 평균 import numpy as np array1 = np.array([14, 6, 13, 21, 23, 31, 9..

산술연산 import numpy as np array1 = np.arange(10) array2 = np.arange(10, 20) print(array1) print(array2) print(array1 * 2) print(array2 / 2) print(array1 + array2) 불린연산 import numpy as np array1 = np.array([2,3,5,7,11,13,17]) print(array1 > 4) print(array1 % 2 == 0 ) # [False False True True True True True] # [ True False False False False False False] np.where 함수 booleans = np.array([ True, True, ..

인덱싱(Indexing) import numpy as np array1 = np.array([2,3,5,7,11,13,17]) print(array1[0]) print(array1[-1]) print(array1[[1,3,4]]) # 2 # 17 # [ 3 7 11] array2 = np.array([2,1,3]) print(array1[array2]) # [5 3 7] 슬라이싱(Slicing) print(array1[2:7]) print(array[:7]) print(array1[2:]) print(array1[2:11]) print(array1[2:11:2]) # [ 5 7 11 13 17] # [ 2 3 5 7 11 13 17] # [ 5 7 11 13 17] # [ 5 7 11 13 17] # [..

Numpy : Numerical Python array1 = numpy.arange(2, 7) print(array1)​ import numpy array1 = numpy.array([2,3,5,7,11,13,17,19,23,29,31]) array2 = numpy.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]]) print(type(array1)) print(array1.shape) print(array1.size) print(type(array2)) print(array2.shape) print(array2.size) full array1 = numpy.full(6, 7) print(array1) # [7 7 7 7 7 7] array1 = numpy.full(6, 1) ..

Numpy를 사용하는 이유 --> 반복문 없이 배열 처리 가능함. --> 리스트에 비해 빠른 연산을 지원하고 메모리를 효율적으로 사용가능하다. list 배열 생성 list(range(5) --> [0, 1, 2, 3, 4] 생성 타입은 list numpy 배열 생성 numpy 호출: import numpy as np np.array(range(5)) --> [0 1 2 3 4] 생성 (공백으로 구분됨) print(type(np.array(range(5)))) --> 생성 - numpy는 같은 데이터 타입만 저장 가능 arr = np.array([0, 1, 2, 3, 4], dtype=float)) print(arr) --> [0. 1. 2. 3. 4. ] print(arr.dtype) --> 'float..