[5일차] 1일 1코드잇 챌린지 :: 데이터 사이언스 시작하기!

금요일...절반 듣다가 약속이 있어서 오늘이 되서야 하는 데이터 사이언스 시작하기 챕터!!

금요일날 들은 저 부분까지는 모두 쥬피터 노트북 설치하기 이런 거였는데

내 컴은 뭐가 문제인건지 예전에 잘 썼던 쥬피터가 갑자기 실행이 안되기 시작;;

나중에..시간되면 파일 다 삭제하고 다시 강의대로 천천히 깔아야겠다 ㅠㅠ

 

 

1-1 numpy

  1. numpy의 사용

기능	예시 코드	결과 값
정의	import numpy array1=numpy.array([1,2,3,4,5,6,7,8,9]) array1	array([1, 2, 3, 4, 5, 6, 7, 8, 9])
출력 numpy array 리턴	import numpy array1=numpy.array([1,2,3,4,5,6,7,8,9]) print(array1)	[1 2 3 4 5 6 7 8 9]
타입	import numpy array1=numpy.array([1,2,3,4,5,6,7,8,9]) type(array1)	numpy.ndarray
	import numpy array1=numpy.array([1,2,3,4,5,6,7,8,9]) array1.shape	(9, )
array 출력	import numpy array2=numpy.array([[1,2,3],[4,5,6],[7,8,9]]) array2	array([[1, 2, 3],         [4, 5, 6],         [7, 8, 9]])
타입 확인	import numpy array2=numpy.array([[1,2,3],[4,5,6],[7,8,9]]) type(array2)	numpy.ndarray
행렬 확인	import numpy array2=numpy.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]]) array2.shape	(3, 4)

 

 

...까지 듣다가 맞이한 503 에러..................

서버가 터져서 사이트를 못들어가니

문의고 뭐고 못함..고객센터 연락처도 볼수없음....암울......

대략 30분후... 복구완 ^~^ 

사이퍼즈 한판이네 ㅎㅎㅎㅎ

 

2. numpy의 주요 함수

함수	코드	결과
numpy.full(횟수,값)	import numpy array1 = numpy.full(3,9) print(array1)	[9 9 9]
numpy.zeros(갯수,dtype=int)	import numpy array2 = numpy.zeros(4,dtype=int) print(array2)	[0 0 0 0]
numpy.ones(갯수, dtype=int)	import numpy array3 = numpy.ones(5,dtype=int) print(array3)	[1 1 1 1 1]
numpy.random.random(갯수)	import numpy array4 = numpy.random.random(5) print(array4)	[0.42214929 0.45275673 0.57978413 0.61417065 0.39448558]
numpy.arange(m-1)	import numpy array5 = numpy.arange(5) print(array5)	[0 1 2 3 4]
numpy.arange(시작값,m-1)	import numpy array6 = numpy.arange(3,8) print(array6)	[3 4 5 6 7]
numpy.arrange(시작값,m-1, 간격)	import numpy array7 = numpy.arange(1,8,2) print(array7)	[1 3 5 7]

 

3. numpy 의 인덱싱과 슬라이싱

구분	코드	결과 값
숫자로의 인덱싱	import numpy as np array1=np.array([10, 11, 12, 13, 14, 15, 16, 17, 18]) array1[0]	10
	import numpy as np array1= np.array9[10, 11, 12, 13, 14, 15, 16, 17, 18]) array1[3]	13
	import numpy as np array1= np.array([10, 11, 12, 13, 14, 15, 16, 17, 18]) array1[-1]	18
	import numpy as np array1= np.array([10, 11, 12, 13, 14, 15, 16, 17, 18]) array1[-2]	17
리스트로의 인덱싱	import numpy as np array1= np.array([10, 11, 12, 13, 14, 15, 16, 17, 18]) array1[[0, 3, 7]]	array([10, 13, 17])
	import numpy as np array1= np.array([10, 11, 12, 13, 14, 15, 16, 17, 18]) array2=np.array([0, 5, 2]) array1[array2]	array([10, 15, 12])
슬라이싱	import numpy as np array1= np.array([10, 11, 12, 13, 14, 15, 16, 17, 18]) array1[2:5]	array([12, 13, 14])
	import numpy as np array1= np.array([10, 11, 12, 13, 14, 15, 16, 17, 18]) array1[:5]	array([10, 11, 12, 13, 14])
	import numpy as np array1= np.array([10, 11, 12, 13, 14, 15, 16, 17, 18]) array1[5:]	array([15, 16, 17, 18])
array1[시작,m-1끝, n개씩 건너뛰기]	import numpy as np array1= np.array([10, 11, 12, 13, 14, 15, 16, 17, 18]) array1[1:5:2]	array([11,13]) #1번 인덱스, 3번 인덱스

 

4. numpy 기본 연산

기능	코드	결과 값
	import numpy as np array1=np.arange(10) array1	array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
곱 연산	import numpy as np array1=np.arange(10) array1 * 2	array([0, 2, 4, 6, 8, 10, 12,14, 16, 18])
나누기 연산	import numpy as np array1=np.arange(10) array1/2	array([0. , 0.5 , 1. , 1.5 , 2, 2.5, 3. ,3.5 , 4. , 4.5])
덧셈 연산	import numpy as np array1=np.arange(10) array1-1	array([-1, 0, 1, 2, 3, 4, 5, 6, 7, 8])
뺄셈 연산	import numpy as np array1=np.arange(10) array1+2	array([2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
제곱 연산	import numpy as np array1=np.arange(10) array1 ** 2	array([0, 1, 4, 9, 16, 25, 36, 49, 64, 81])
두 numpy array 의 연산	import numpy as np array1=np.arange(10) array2=np.arange(10,20) array1 + array2	array([10, 13, 14, 16, 18, 20, 22, 24, 26, 28])
boolean 연산	import numpy as np array1=np.arange(10) array1>5	array([False, False, False, False, False, False, True, True, True, True], dtype=bool)
	import numpy as np array1= np.array([True, True, False, False, True, False]) np.where(array1)	(array([0, 1, 4]),)
	import numpy as np array1=np.arange(10) filter = np.where(array1>4) array1[filter]	array([5, 6, 7, 8, 9])

 

5. numpy 와 python List (import ~ 생략)

Numpy Array	Python List
numpy.array([1, 2, 3, 4]) + numpy.array([1, 2, 3, 4]) 연산 결과: array([2, 4, 6, 8])	list1=[1, 2, 3, 4] list2=[1, 2, 3, 4] list1+list2연산 결과: [1, 2, 3, 4, 1, 2, 3, 4]
뺄셈, 곱셈, 나눗셈 위와 동일하게 동작	오류
numpy.array([1, 2, 3, 4]) + 5 연산결과: array([6, 7, 8, 9])	오류
numpy.array([1, 2, 3, 4]) * 3 연산 결과: array([3, 6, 9, 12])	list1=[1, 2, 3, 4] list1*3 연산 결과: [1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4]
한 어레이에는 같은 자료형만 저장	한 리스트에 다양한 자료형 저장

6. numpy로 기본 통계

기능	코드	결과값
최댓값	import numpy as np array1=np.array([5, 2, 3, 4, 1]) print(array1.max())	5
최솟값	import numpy as np array1=np.array([5, 2, 3, 4, 1]) print(array1.min())	1
평균값	import numpy as np array1=np.array([5, 2, 3, 4, 1]) print(array1.mean())	3.0
중앙값	import numpy as np array1=np.array([5, 2, 3, 4, 1]) print(np.median(array1))	3.0
표준편차	import numpy as np array1=np.array([5, 2, 3, 4, 1]) print(array1.std())	1.41421356237
분산	import numpy as np array1=np.array([5, 2, 3, 4, 1]) print(array1.var())	2.0

 

2-2 pandas란

1. pandans

     Column: 데이터의 특징(ex. 키, 나이 ...)

     Row: 레코드 (2Row, 이름: 누Ring, 나이: 20살, 키: 170 ...)

     numpy와 다른 점: (0,0) 과 같이 숫자로 찾는 것이 아닌 (누Ring, 키) 와 같은 값으로 검색 가능

                                   다양한 자료형을 사용 가능

2. pandans 의 사용

기능	코드	결과 값
	import pandas as pd two_dimensional_list=[['A',10, 20], ['B',42,37], ['C',53,11]] my_df=pd.DataFrame( two_dimensional_list) my_df
	import pandas as pd two_dimensional_list=[['A',10, 20], ['B',42,37], ['C',53,11]] my_df=pd.DataFrame( two_dimensional_list) type(my_df)	pandas.core.frame.DataFrame
	import pandas as pd two_dimensional_list=[['A',10, 20], ['B',42,37], ['C',53,11]] my_df=pd.DataFrame( two_dimensional_list, columns=['Name','EngScore','MathScore'], index=['a','b','c']) my_df
	import pandas as pd two_dimensional_list=[['A',10, 20], ['B',42,37], ['C',53,11]] my_df=pd.DataFrame( two_dimensional_list, columns=['Name','EngScore','MathScore'], index=['a','b','c']) my_df.columns	Index(['Name', 'EngScore', 'MathScore', dtype='object'])
	import pandas as pd two_dimensional_list=[['A',10, 20], ['B',42,37], ['C',53,11]] my_df=pd.DataFrame( two_dimensional_list, columns=['Name','EngScore','MathScore'], index=['a','b','c']) my_df.index	Index(['a','b','c', dtype='object'])
	import pandas as pd two_dimensional_list=[['A',10, 20], ['B',42,37], ['C',53,11]] my_df=pd.DataFrame( two_dimensional_list, columns=['Name','EngScore','MathScore'], index=['a','b','c']) my_df.dtypes	Name         object EngScore      int64 MathScore     int 64 dtype:  object