[Python] 넘파이 저장/불러오기/특정값 만들기: save,load,zeros(),ones(),full()
저장 및 불러오기: Save and Load data - 저장: 해당 작업하고 있는 파일의 루트에 넘파일명으로 저장된다. np.save('my_array', D) 넘파이.save(‘저장 파일명’, 넘파이 데이터) - 불러오기: 주피터 노트북이랑 같은 루트에 있으니까, 그대로 불러온다. np.load('my_array.npy') (계속 작업하고 싶으면 메모리에 저장해둔다.) 넘파이로 0/1/특정값인 행렬만들기: numpy.zeros(), numpy.ones(), numpy.full( , ) - ex) 3행 4열짜리, 데이터가 0으로 되어있는 행렬 - 원시적인 방법: [[0,0,0,0],[0,0,0,0],[0,0,0,0]] - 넘파이로 만들기: zeros는 0으로 만들라는 뜻, float으로 처리된다. 튜플..
더보기
[Python] Numpy 넘파이 개념
Numpy - 다차원 배열을 처리할 수 있는 선형대수학 라이브러리. (만약 실행이 안될경우 아나콘다 프롬프트에서 conda install numpy를 실행하여 설치한다. - 왜 배우는가? 고객 데이터 정리(ex : 이메일, 비번, 성별, 주소, 월결제금액, 가입날짜등등) - 행과 열이 있다. 그것이 데이터이며, 데이터는 행, 컬럼은 속성이다. 1차원 -> 리스트 2차원 배열 = 행렬(행:row, 열: column) 3차원 배열 -> 이미지 (R,G,B) shape -> 모양, 1차원 shape: 튜플, 튜플은 데이터 하나만 쓰면 안되니까, 숫자 하나 쓰고 콤마 씀 ex) (4,) 2차원: shape: 행부터, 그다음에 열 (2,3) -> 2행, 3열 # 1차원 배열은 = 벡터(Vector),라고도 불리운..
더보기
[Python] 라이브러리(날짜/시간관련): datetime, weekday() , isoformat(), strftime(),today(),now(),gmtime(), localtime(),parser, relativedelta
statistics 라이브러리의 평균값과 중앙값 ㄴ 통계 라이브러리 ㄴ 평균값: .mean() ㄴ 중앙값: 먼저, 데이터를 정렬한 후, 가운데 있는 값: .median() 날짜와 시간 ㄴ 날짜 관련 라이브러리: datetime from datetime import date ㄴ from은 파일명을 불러올 때 사용한다. ㄴ .(점)뒤에 괄호가 없는 건 속성이라고 함. date = 데이터 타입 date.weekday() -> {0: 월, 1: 화, 2: 수, 3: 목, 4: 금, 5: 토, 6: 일} 사람용으로 날짜 보이게 하는 방법1: 날짜 데이터 변수. isoformat() -> '-(하이푼)'이라는 뜻이 iso 사람용으로 날짜 보이게 하는 방법2: 날짜 데이터 변수. strftime(표시 형식) -> 날..
더보기
[Python]판다스 데이터 정렬, 저장/불러오기:sort_values(), pd.read_csv(), pd,read_excel(), pd.to_csv()
데이터 정렬 - Sorting and Ordering - 판다스 데이터프레임 변수명[컬럼명]. sort_values(컬럼명) ㄴ 기본적으로 오름차순으로 설정이 되어있다. ㄴ ex) 경력을 오름차순으로 정렬 - 내림차순: ascending=False Ex) 이름으로 먼저 정리하고, 이름이 같을 경우에는, 경력으로 정렬 Ex) 이름과 경력으로 정렬하되, 이름은 내림차순, 경력은 오름차순으로 정렬! csv로 저장/불러오기/처리 - csv : comma separated values => 데이터는 콤마로 구분합니다. - csv의 규칙! 맨 위의 행은, 컬럼명을 적어줍니다. - 불러오기: df = pd.read_csv('my_test.csv') ㄴ unnamed 없애는 방법: 방법1 (불러오고나서): df.dro..
더보기
[Python] 판다스 오퍼레이션: &, |, apply(함수명)
판다스 오퍼레이션 - Pandas Opertations - 엄청 중요! - 데이터는 행이다. Ex) 경력이 3년 이상인 사람의 데이터를 가져오시오 - 경력이 3년 이상인 행 - 결과가 Ture, False로만 나와서, iloc는 사용불가 - loc[행,렬] - 데이터는 행 - df[ df['Years of Experience']>=3 ] ㄴ 이렇게 해도 되지만, 나중에 헷갈리므로, 이렇게 쓰지 않기를 권장한다. Ex) 경력이 3년 이상인 사람의, 이름과 시급 정보를 가져오시오 df.loc[ df['Years of Experience']>=3 , ['Employee Name','Salary [$/h]'] ] - 조건문과 비교 기호는 같다. ㄴ 다만, ‘and’와 ‘or’는 다르게 표기한다. ㄴ and =>..
더보기
