Pandas Categoricals
본 포스팅은 Pandas 패키지 라이브러리 원문을 기반으로 하여 작성하였습니다. Pandas는 DataFrame에 범주형 데이터를 포함할 수 있습니다. df = pd.DataFrame( ________{ ___________"id": [1, 2, 3, 4, 5, 6], ___________"raw_grade": ["a", "b", "b", "a", "a", "e"] ________} ) raw_grade의 값들을 범주형 자료 유형으로 변환할 수 있습니다. df["grade"] = df["raw_grade"].astype("category") df["grade"] 범주 이름을 보다 의미 있는 이름으로 변경하는 것이 좋습니다. df["grade"].cat.categories = ["very good", "g..
2021. 9. 21.
Pandas Reshaping
본 포스팅은 pandas 패키지 라이브러리 원문을 기반으로 하여 작성하였습니다. 1. Stack tuples = list( _______________zip( ____________________*[ ["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"], _____________________["one", "two", "one", "two", "one", "two", "one", "two"], ] ___________________) ______________) tuples index = pd.MultiIndex.from_tuples(tuples, names=["first", "second"]) index df = pd.DataFrame(np.random...
2021. 9. 19.
Pandas Grouping
본 포스팅은 Pandas 패키지 라이브러리 원문을 기반으로 하여 작성하였습니다. "group by"는 다음 단계 중 하나 이상을 포함하는 프로세스를 나타냅니다. Splitting: 일부 기준에 따라 데이터를 그룹으로 분할 Applying: 각 그룹에 독립적으로 기능 적용 Combining: 결과를 데이터 구조로 결합 import numpy as np import pandas as pd df = pd.DataFrame( ________{ __________"A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"], __________"B": ["one", "one", "two", "three", "two", "two", "one", "three"], __..
2021. 9. 18.
NumPy 복사 및 조회
본 포스팅은 NumPy 패키지 홈페이지의 원문을 기반으로 하여 작성하였습니다. 배열을 조작하고 다룰 때 데이터가 새 배열로 복사되는 경우가 있고 그렇지 않은 경우가 있습니다. 이것은 종종 초보자에게 혼란을 주는 주요 원인입니다. 세 가지 경우가 있습니다. 1. No Copy at All 단순 할당은 개체 또는 해당 데이터의 복사본을 만들지 않습니다. >>> import numpy as np >>> a = np.array([[ 0, 1, 2, 3], ____________________[ 4, 5, 6, 7], ____________________[ 8, 9, 10, 11]]) >>> b = a # 새로운 객체가 생성되지 않음 >>> b is a # a 및 b는 동일한 ndarray 객체에 대한 두 개의 ..
2021. 9. 11.
NumPy 배열 모양 변경
본 포스팅은 NumPy 패키지 홈페이지의 원문을 기반으로 하여 작성하였습니다. 배열의 모양 변경 배열은 각 축을 따라 요소의 수로 지정된 모양을 갖습니다. >>> rg = np.random.default_rng(1) >>> a = np.floor(10 * rg.random((3, 4))) >>> a array([[3., 7., 3., 4.], _______[1., 4., 2., 2.], _______[7., 2., 4., 9.]]) >>> a.shape (3, 4) 배열의 모양은 다양한 명령으로 변경할 수 있습니다. 다음 세 가지 명령은 모두 수정된 배열을 반환하지만 원래 배열은 변경하지 않습니다. >>> a.ravel() # 평면화된 배열 반환 array([3., 7., 3., 4., 1., 4., 2..
2021. 9. 10.
NumPy 인덱싱, 슬라이싱, 반복
본 포스팅은 NumPy 패키지 홈페이지의 원문을 기반으로 작성하였습니다. 1차원 배열은 목록 및 기타 Python 시퀀스와 마찬가지로 인덱싱, 슬라이스 및 반복을 처리할 수 있습니다. >>> a = np.arange(10)**3 >>> a array([ 0, 1, 8, 27, 64, 125, 216, 343, 512, 729]) >>> a[2] 8 >>> a[2:5] array([ 8, 27, 64]) >>> # a[0:6:2] = 1000 와 동일 >>> # 시작부터 위치 6까지, 배타적, 모든 두 번째 요소를 1000으로 설정 >>> a[:6:2] = 1000 >>> a array([1000, 1, 1000, 27, 1000, 125, 216, 343, 512, 729]) >>> a[::-1] # r..
2021. 9. 9.
NumPy 기본 옵션 및 함수
본 포스팅은 NumPy 패키지 홈페이지의 원문을 기반으로 작성하였습니다. 배열의 산술 연산자는 요소별로 적용됩니다. 새 배열이 생성되고 결과로 채워집니다. >>> a = np.array([20, 30, 40, 50]) >>> b = np.arange(4) >>> b array([0, 1, 2, 3]) >>> c = a - b >>> c array([20, 29, 38, 47]) >>> b**2 array([0, 1, 4, 9]) >>> 10 * np.sin(a) array([ 9.12945251, -9.88031624, 7.4511316 , -2.62374854]) >>> a < 35 array([ True, True, False, False ]) 많은 행렬 언어와 달리 곱 연산자 *는 NumPy 배열에..
2021. 9. 8.
NumPy 활용 기초 코드 작성
본 포스팅은 NumPy 패키지 홈페이지의 원문을 기반으로 하여 작성하였습니다. Example >>> import numpy as np >>> a = np.arange(15).reshape(3, 5) >>> a array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]]) >>> a.shape (3, 5) >>> a.ndim 2 >>> a.dtype.name 'int64' >>> a.itemsize 8 >>> a.size 15 >>> type(a) >>> b = np.array([6, 7, 8]) >>> b array([6, 7, 8]) >>> type(b) Array 생성 배열을 만드는 방법에는 여러 가지가 있습니다. 예를 들어, 배열 함수를 사용하..
2021. 9. 7.
