[STARTERS 4기 TIL] #17일차(23.02.28)

---

📚 오늘 내가 배운 것

NumPy

📍NumPy란? 

배열로 저장된 대용량 데이터를 효율적으로 처리할 수 있는 수치 처리 라이브러리

 

 

📍NumPy 배열 생성

① 파이썬 리스트로 만들기

② 내장 메소드 이용 4가지

numpy.arange(start, stop, step)	지정된 구간 내 균등한 값 반환
numpy.zeros/ones(shape)  - shape은 int 혹은 tuple	0 또는 1로 이루어진 배열 생성
numpy.linspace(start, stop, num)	지정된 구간 내 균등한 간격의 수 num개 반환
numpy.eye(N, M, k)	identity 행렬은 항상 nxn의 행렬이라면, eye는 원하는 NxM의 행렬 반환 k 변수를 통해서 identity matrix가 시작할 열을 지정

 

③ Random

numpy.rand(parameters)  - parameters은 int 혹은 tuple	0~1 사이의 균등 분포라고 불리는 값 반환
numpy.randn(parameters)	-1~1 사이의 정규 분포라고 불리는 값 반환
numpy.randint(low, high, size)	low~high 사이의 정수 size개 반환
numpy.seed(parameters)	난수 생성 패턴을 동일하게 관리

 

④ 배열의 특성과 메소드

numpy를 이용하여 생성한 배열 arr과 ranarr

numpy.reshape(array, newshape) array.reshape(newshape)	array의 차원을 newshape에 따라 변경하여 반환
array.max() array.min() array.argmax() array.argmin()	array의 최대값, 최소값, 최대값의 인덱스, 최소값의 인덱스 반환
array.shape()	array의 배열 모양 반환
array.dtype()	데이터 타입 반환

 

 

 

📍NumPy 인덱싱, 선택 

① 괄호 인덱싱 및 선택

파이썬 리스트와 동일한 방식

 

② Broadcasting

NumPy 배열은 브로드캐스트 기능 때문에 일반 파이썬 리스트와 다릅니다. 리스트의 경우 크기와 모양이 동일한 새 부분만 목록에 재할당할 수 있음.

즉, 리스트의 처음 5개 요소를 새 값으로 바꾸려면 새 5개 요소 목록을 전달해야 합니다. NumPy array를 사용하면 단일 값을 더 큰 값 집합에 걸쳐 브로드캐스트할 수 있음

 

③ 2차원 배열의 인덱싱

arr_2d[row][col] or arr_2d[row,col]

 

④ 조건적 선택

 

📍NumPy 작동

① 산술 연산

나눗셈의 경우 분모가 0일 경우 경고가 뜸! 에러는 아님!

 

② 배열 기능

④ 배열의 요약 통계

 

⑤ 축 논리

 

 

 

Pandas

📍Series란? 

NumPy 배열과 유사. 그러나 named index를 가지고 있음.

 

📍DataFrame 

① 인덱스 지정

② 데이터프레임 요약 기능

df.describe()	요약 통계 정보
df.dtypes()	컬럼별 데이터 타입
df.info()	컬럼별 데이터 타입 및 데이터 프레임 정보

 

 

📍결측치 처리 

① 결측치 제거

df.dropna()	결측치가 있는 모든 행 제거
df.dropna(axis=1)	결측치가 있는 모든 열 제거
df.dropna(thresh=n)	value가 n개 미만인 행 제거

② 결측치 채우기

 

 

📍Groupby 함수 

① 데이터 분리·그룹화 → ② 분리된 그룹에 함수 적용 → ③ 데이터 통합하여 단일 데이터프레임 가져오기

 

📍동작 

① Unique Values 정보

df['col2'].unique()	데이터프레임 내 유일한 값 반환
df['col2'].nunique()	데이터프레임 내 유일한 값의 개수 반환
df['col2'].value_counts()	지정된 열의 각 값에 대한 모든 발생 횟수 반환

② 데이터프레임 정렬

df.sort_values(by=column)

column을 기준으로 데이터프레임 정렬

 

 

 

Pandas 데이터 시각화

📍그래프 종류 

 

📍사용자 정의 

① 선 종류, 색상, 너비

② 제목 및 축 라벨

③ 범례 위치

 

---

💭 오늘 기억해야 할 내용

Numpy 라이브러리에 대해 제대로 학습한 건 오늘이 처음이다.

오늘 배운 Numpy 내장 메소드에 대해 잘 기억해두어야겠다.

예제를 풀어보니 난수 생성에서 틀리는 부분이 많았다. 여러 상황에서 난수 생성을 응용하는 방법에 관해 연습해봐야겠다.

 

✍🏻 회고

오늘은 판다스 시계열 분석의 초반 부분을 학습했다.

이전에 배운 내용이 다시 나오기도 하였고, Numpy 라이브러리 자체가 어렵지는 않아서 수월하게 공부했다.

내일 배울 시계열 분석은 어떤 내용일지 궁금하다. 시계열 분석의 후반부는 정말 처음 접하는 내용이라 쉽지 않을 것 같다..😢