[Day 1] numpy와 pandas

• numpy(numerical python)
  • 특징
    • 일반 list에 비해 빠르고 효율적임
    • 반복문을 쓰지 않고 data list를 처리가능
    • c,c++와 통합가능
    • 선형대수와 관련된 기능 제공
  • np array의 특징
    • 하나의 데이터 타입만 배열에 넣을 수 있다
    • 다이나믹 타이핑이 지원되지 않는다
    • C의 array를 사용하여 배열을 생성한다

    • test_arr = np.array([1, 2, 3], float)
      test_arr
      
      >>> array([ 1. , 2., 3.])

  • np 배열의 종류
    • 1차원(vector) : 위의 예제처럼 1차원 배열로 되있는 경우
    • 2차원(matrix) : c의 2차원 배열로 생각하자
  • reshape
    • 배열모양의 크기를 변경한다. ex) matrix -> vector
  • flatten
    • 2차원이상의 배열을 1차원 배열로 변경한다. 
  • indexing / slicing
    

    • ## indexing
      test[0][0] = 8
      test[0,0]
      
      >> 8
      
      ## slicing
      test2 = np.array([[1,2,3,4,5], [6,7,8,9,10]], int)
      test2[:, 2:3]
      
      >> array([[3,4],
      		  [8,9]])
      ### 전체 행의 2~3번째 열을 추출​

  • zeros : 0으로 초기화된 배열 생성
  • ones : 1으로 초기화된 배열 생성
  • empty : 쓰레기값으로 초기화된 배열 생성
  • identity : 단위행렬 생성
  • eye : 대각선이 1으로 초기화된 배열 생성
  • random : np.random.normal >> 정규분포 / np.random.uniform >> 균등분포
  • mean, std : 각각 평균과 표준편차를 리턴
  •  
  • concatenate
    • vstack : 행을 연결
    • hstack : 열을 연결
    • concatenate : 내가 원하는 축을 기준으로 연결
  • broadcasting
    • 차원이 서로 다른 배열간의 연결을 해준다.
  • comparisons
    • 배열의 크기가 동일 할 때, 원소간의 비교결과를 boolean 타입으로 return 해준다
    • 파이썬 6강의 numpy ppt의 예제들을 타이핑하면서 연습!

 

• pandas
  • 특징
    • numpy 라이브러리와 통합하여 강력한 스프레드시트 처리기능 제공
    • 데이터처리 및 통계 분석을 위해 사용

    • 

      1. y(속성, 열)    2. x(특정열의 모든 행)    3.data(하나하나의 값들) 

    • 데이터를 불러와서 dataframe을 생성할 수 있다.
    • DataFrame indexing

      • df["x"].iloc[1:]
        >>> x라는 속성을 1번째 행부터 끝까지 출력함

    • DataFrame drop
      • drop :

        df.drop([0,1,2,3])
        >>> 0,1,2,3 행을 drop시킴
        ########################
        df.drop("x", axis = 3)
        >>> 속성값(y)들중 x속성의 전체 행을 drop시킴​

    • 기타 여러 함수들이 존재하고 그 함수들만의 특징, 장점들이 많다. 하지만 그것을 다 정리하면서 외우는것은 비효율적이라고 생각된다. 어떤 함수들이 있는지 머리속에 넣어두는 것으로 만족하고 내가 필요한 상황이오면, 구글링이나 강의자료를 통해서 충분히 써먹을 수 있을 것 같다.