즐거운 코딩 생활 ( funyphp ) > community > python https://www.funyphp.com/bbs/board.php?bo_table=python ko python (2021-03-08 17:34:41) [ python ] pandas read & count & value_counts() https://www.funyphp.com/bbs/board.php?bo_table=python&wr_id=19 pandas read & count

import pandas as pd

population_number=pd.read_csv("population_number.csv", index_col="도시", encoding="euc-kr")

population_number

1.PNG



#각 컬럼별 데이터 개수 세기

population_number.count()

지역      4

2015    4

2010    3

2005    2

2000    4

dtype: int64


#Series 클래스에 들어있는 각각의 값이 몇개씩 들어있는지 셀 수 있다.

#같은 의미로 특정값 별로 몇개가 있는지 확인하는 것(value_counts())

population_number['2000'].value_counts()


2473990    1

3655437    1

9853972    1

2466338    1

Name: 2000, dtype: int64


s1 = pd.Series([1,1,2,2,3,4,5,6,6,6])

s1.value_counts()

6    3

2    2

1    2

5    1

4    1

3    1

dtype: int64


#오름차순 정렬(sort_values의 기본값은 ascending=True)

population_number['2010'].sort_values()

도시

대구    2431774.0

인천    2632035.0

서울    9631482.0

부산          NaN

Name: 2010, dtype: float64


#내림차순 정렬

population_number['2010'].sort_values(ascending=False)

도시

서울    9631482.0

인천    2632035.0

대구    2431774.0

부산          NaN

Name: 2010, dtype: float64


#dataFrame 클래스에 sort_values 적용

#2010을 기준으로 오름차순

#정렬과 상관없이 NaN 값은 마지막에 출력 됨

population_number.sort_values(by='2010')

2.PNG



#DataFrame클래스에 sort_values 적용

population_number.sort_values(by=['지역', '2010'])

3.PNG




]]> 웹지기 2021-03-08T17:34:41+09:00 [ python ] Pandas 라이브러리 불러오기 사용하기 https://www.funyphp.com/bbs/board.php?bo_table=python&wr_id=18  

#Pandas 라이브러리 불러오기, 사용하기

import pandas as pd


#serise 사용

population=pd.Series([9904312,3448737,289045,2466052])

population

0    9904312

1    3448737

2     289045

3    2466052

dtype: int64


population = pd.Series([9904312,3448737,289045,2466052],

                      index=['서울','부산','인천','대구'])

population

서울    9904312

부산    3448737

인천     289045

대구    2466052

dtype: int64


#series에서 실제 데이터 값만 추출하기 -> .values

population.values

array([9904312, 3448737,  289045, 2466052], dtype=int64)


#Series에서 index 내용만 추출하기 -> .index

population.index

Index(['서울', '부산', '인천', '대구'], dtype='object')


population.dtype

dtype('int64')


#Series에서 이름 지정하기

#전체적인 Series에 이름 지정 -> .name

#index에 대하여 이름 지정-> .index.name

population.name="지역별 인구수"

population.index.name="도시"

population

도시

서울    9904312

부산    3448737

인천     289045

대구    2466052

Name: 지역별 인구수, dtype: int64


#Series 의 연산

population*10

도시

서울    99043120

부산    34487370

인천     2890450

대구    24660520

Name: 지역별 인구수, dtype: int64


#Series 인덱싱 구하기

print(population[1])

print(population['부산'])

3448737

3448737


#[서울 대구 부산]

print(population[[0,3,1]])

print(population[['서울','대구','부산']])

도시

서울    9904312

대구    2466052

부산    3448737

Name: 지역별 인구수, dtype: int64

도시

서울    9904312

대구    2466052

부산    3448737

Name: 지역별 인구수, dtype: int64


population>=2500000

도시

서울     True

부산     True

인천    False

대구    False

Name: 지역별 인구수, dtype: bool


population[population>=2500000]

도시

서울    9904312

부산    3448737

Name: 지역별 인구수, dtype: int64


population[(population>=2500000) & (population<=5000000)]

도시

부산    3448737

Name: 지역별 인구수, dtype: int64


population

도시

서울    9904312

부산    3448737

인천     289045

대구    2466052

Name: 지역별 인구수, dtype: int64


#시작점부터 끝점의 -1만큰 가져온다.

population[1:3]

도시

부산    3448737

인천     289045

Name: 지역별 인구수, dtype: int64


#명칭으로 입력시 해당이름을 포함해서 가져온다.

population['서울':'인천']

도시

서울    9904312

부산    3448737

인천     289045

Name: 지역별 인구수, dtype: int64


#Series를 생성할 수 있는 2번째 방법

data = {'서울':9631482, '부산':3393191, '인천':2632035, '대전':1490158}

data

{'서울': 9631482, '부산': 3393191, '인천': 2632035, '대전': 1490158}


population2=pd.Series(data)

population2

서울    9631482

부산    3393191

인천    2632035

대전    1490158

dtype: int64


population3=pd.Series({'서울':9631482, '부산':3393191, '인천':2632035, '대전':1490158})

population3

서울    9631482

부산    3393191

인천    2632035

대전    1490158

dtype: int64


#isnull() -> null값을 찾아 True로 표현

ds.isnull()


#Series 데이터 갱신, 추가 삭제

population['부산']=2500000

population

도시

서울    9904312

부산    2500000

인천     289045

대구    2466052

Name: 지역별 인구수, dtype: int64


#Series 데이터 추가

population['대전'] = 1700000

population

도시

서울    9904312

부산    2500000

인천     289045

대구    2466052

대전    1700000

Name: 지역별 인구수, dtype: int64


del population['인천']

population

도시

서울    9904312

부산    2500000

대구    2466052

대전    1700000

Name: 지역별 인구수, dtype: int64


#1) How to create a DataFrame

data = {"2015":[9904312,3448737,2890451,2466058],

       "2010":[9631482,3393191,2632035,2431774]}

df=pd.DataFrame(data)

df


1.PNG


#Index a DataFrame

df.index=['서울','부산','인천','대구']

df

2.PNG

 

#2) How to create a DataFrame

data2 = [[9904312,3448737,2890451,2466058],

       [9631482,3393191,2632035,2431774]]

ind=['2015','2010']

col=['서울','부산','인천','대구']


#pd.DataFrame( data, index=Index name, columns = column name)

df2=pd.DataFrame(data2, index=ind, columns=col)

df2

3.PNG

 

#Location the data

df2.T

4.PNG


#Location the data

df2.T

5.PNG

 

 #Location the Save data

df3=df2.T

df3

6.PNG


#DataFrame -> values, index, columns

print(df.values)

print(df.index)

print(df.columns)

[[9904312 9631482]
 [3448737 3393191]
 [2890451 2632035]
 [2466058 2431774]]
Index(['서울', '부산', '인천', '대구'], dtype='object')
Index(['2015', '2010'], dtype='object')
 

#DataFrame Indxing

df[['2015']]

7.PNG


#2010을 먼저 보여주고 2015를 뒤에 보여주기 위해서 index값을 차례로 적어준다

df[['2010','2015']]

8.PNG


#DataFrame 값 추가하기

#2005년 컬럼명으로 인구수 대입

df['2005']=[9762546,3512547,2517680,2456016]

df

9.PNG


#서울 부산 인덱싱

df['서울':'부산']

10.PNG


#0~1 인덱싱

df[0:2]

10.PNG


#loc[], iloc[]

#loc[] - 실제 인덱스를 사용하여 행을 가지고 올 때 사용하는 ->df.loc[행,열]

#loc['서울'] 등의 형태로 조회

#iloc[] - numpy의 array 인덱싱 -> df.iloc[]

#iloc[0,1] 등의 형태로 조회


df.loc['서울':'부산', '2015':'2010']

11.PNG


df.iloc[[2],[0]]

12.PNG


df.loc[['서울','인천']]

14.PNG


df.loc[['서울','인천'],['2015']]

13.PNG


df.loc[['서울', '인천'], ['2010','2005']]

15.PNG


df.iloc[[0,2],[0,1]]

16.PNG

 

]]> 웹지기 2021-03-05T16:09:10+09:00 [ python ] 영화 데이터 불러와서 확인하기 https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=17 영화 데이터 불러와서 확인하기

@@데이터 불러오기

최종목표 : 각 영화의 평균 평점이 4이상을 구하는 것.

# Readme

# user_id 사용자 아이디

# item_id 영화 아이디

# rating 영화 평점

# timestamp 평점 입력 시간

movieData = np.loadtxt('data/ratings.dat', delimiter='::', dtype=np.int64)

movieData

array([[        1,      1193,         5, 978300760],

       [        1,       661,         3, 978302109],

       [        1,       914,         3, 978301968],

       ...,

       [     6040,       562,         5, 956704746],

       [     6040,      1096,         4, 956715648],

       [     6040,      1097,         4, 956715569]], dtype=int64)


1. 데이터 속성 확인은 필수 !

#배열 크기, 배열 차원수, 배열 전체 요소 개수

print(movieData.shape)

print(movieData.ndim)

print(movieData.size)


2. 전체 영화 평점 평균 구하기

ratings = movieData[:, 2]

np.mean(ratings)

3.581564453029317


3. 영화 아이디 1번인 영화의 평점 평균 구하기

특정 조건으로 배열의 요소값에 접근 : boolean index(true, false)

movieData[:, 1]


#해당하는 행에 true가 존재할 때 출력

movieData[movieData[:,1]==1]

array([[        1,         1,         5, 978824268],

       [        6,         1,         4, 978237008],

       [        8,         1,         4, 978233496],

       ...,

       [     6032,         1,         4, 956718127],

       [     6035,         1,         4, 956712849],

       [     6040,         1,         3, 957717358]], dtype=int64)


#영화 아이디가 1이 아닌 것에 접근하는데 평점만 보고 싶다.

#전체 구문 사용시

movieData[movieData[:,1] !=1][:,2]

array([5, 3, 3, ..., 5, 4, 4], dtype=int64)


#짧은 구문으로 접근하기

movieData[movieData[:,1] !=1,2]

array([5, 3, 3, ..., 5, 4, 4], dtype=int64)

 

 

]]> 웹지기 2021-03-05T11:49:10+09:00 [ python ] 배열과 여러 함수들 https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=16 배열과 여러 함수들

#배열 가져오기

#배열명[행, 열]

import numpy as np

arr=np.arange(1,51).reshape(5,10)

array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],

       [11, 12, 13, 14, 15, 16, 17, 18, 19, 20],

       [21, 22, 23, 24, 25, 26, 27, 28, 29, 30],

       [31, 32, 33, 34, 35, 36, 37, 38, 39, 40],

       [41, 42, 43, 44, 45, 46, 47, 48, 49, 50]])


#2행까지 

arr[0:2, :]

array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],

       [11, 12, 13, 14, 15, 16, 17, 18, 19, 20]])


arr[:,0]

array([ 1, 11, 21, 31, 41])


arr[:, :1]

array([[ 1],

       [11],

       [21],

       [31],

       [41]])



#boolean 색인

#이름을 저장

name=np.array(['수민', '예지', '한주', '권우'])

name

array(['수민', '예지', '한주', '권우'], dtype='<U2')

#참과 거짓을 저장

bol=np.array([False, True, True, False])

bol

array([False,  True,  True, False])

name[bol]

array(['예지', '한주'], dtype='<U2')

#점수를 저장

score=np.array([[60,60],[70,70],[80,80],[90,90]])

score

array([[60, 60],

       [70, 70],

       [80, 80],

       [90, 90]])

#해당하는 사람의 점수 불러오기

score[name=="권우"]

array([[90, 90]])


#1~10까지의 2행5열의 랜덤 배열

arr2 = np.random.randint(1, 11, size=(2,5))

arr2

array([[ 9,  8,  2,  8,  8],

       [10,  8,  6,  7,  1]])


#sum() 사용하여 전체 요소의 합계구하기

print(arr2.sum())

print(np.sum(arr2))

67

67


#mead() 사용하여 전체 요소의 평균구하기

print(arr2.mead())

print(np.mead(arr))

6.7

6.7


#abs() -> 절대값 함수

arr3=np.arry([-1, -4, -12])

arr3

array([-1, -4, -12])

np.abs(arr3)

array([1,4,12])


]]> 웹지기 2021-03-05T11:38:49+09:00 [ python ] BMI 지수 구하기 https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=15 BMI 지수 구하기

일단 파일을 파이썬의 폴더로 업로드 시킨 후 사용가능

 

data = np.loadtxt("height_weight.txt", delimiter=",")

data

array([[175.2 ~~~~~~],

        [65.6 ~~~~~]])

 

#키를 저장 ( 키 / 100 또는 키 * 0.01 )

ki = data[0]/100

ki

 

#몸무게를 저장

mom = data[1]

mom

 

#BMI지수 저장

bmi = mom / ki**2

bmi

array([21.~~~~~~~~~~~~-])

 

]]> 웹지기 2021-03-05T10:59:49+09:00 [ python ] 파일을 모듈로 저장하기 https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=14 파일을 모듈로 저장하기

#함수 선언 -> 두개의정수를 더해주는 함수

def add(num1, num2) :

    return num1+num2

File > Download AS > Python(.py) 클릭

저장위치는 현재 사용하는 폴더를 선택하면됨


#모듈 사용하기(불러오기) 

import module_test

module_test.add(10,20)


from module_test import add

add(10,20)


]]> 웹지기 2021-03-05T10:50:49+09:00 [ python ] 반복문 , for, while https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=13 반복문 , for, while

#반복문 while

i = 0

while i<10:

    i+=1

    print('나무를 {}번 찍었습니다.'.format(i))

    if i==10 :

        print("나무가 넘어갑니다.")


나무를 1번 찍었습니다.

나무를 2번 찍었습니다.

나무를 3번 찍었습니다.

나무를 4번 찍었습니다.

나무를 5번 찍었습니다.

나무를 6번 찍었습니다.

나무를 7번 찍었습니다.

나무를 8번 찍었습니다.

나무를 9번 찍었습니다.

나무를 10번 찍었습니다.

나무가 넘어갑니다.


#입력받은 값이 10보다 작을 때, 정수를 입력 받는다.

#10보다 큰수를 입력하면 입력 받는 행위를 멈춘다.

while True :

    num1 = int(input("정수를 입력하세요"))

    if num1 >= 10 :

        break;



#반복문 for

#for 변수 in 문자열

listFood = ['햄버거','치킨','피자']

for food in listFood :

    print(food)

햄버거

치킨

피자


hi = "안녕하세요"

for s in hi :

    print(s)

안

녕

하

세

요


#range 시작숫자, 종료숫자 증가량

#range(1, 10, 1) 9까지 1씩 증가

#range(1, 100, 3) 99까지 3씩 증가

#range(10, 1, -1) 10부터 1씩 감소

for i in range(5) :

    print(i)

0

1

2

3

4


#range 시작숫자, 종료숫자 증가량

for i in range(5) :

    print(i, end=' ') 

#공백의 기본값이 \n 

#end=' ' 이렇게 공백을 이용해서 옆으로 출력이 가능

0 1 2 3 4 


for i in range(97, 76, -1) :

    print(i, end=' ') 

97 96 95 94 93 92 91 90 89 88 87 86 85 84 83 82 81 80 79 78 77 


data = enumerate([1, 2, 3])

for i, value in data:

    print(i, ":", value)

0 : 1

1 : 2

2 : 3


data = enumerate("재미있는 파이썬")

for i, value in data:

    print(i, ":", value)

0 : 재

1 : 미

2 : 있

3 : 는

4 :  

5 : 파

6 : 이

7 : 썬


dict1 = {'이름': '한사람', '나이': 33}

data = enumerate(dict1)

for i, key in data:

    print(i, ":", key, dict1[key])

0 : 이름 한사람

1 : 나이 33


]]> 웹지기 2021-03-03T15:42:20+09:00 [ python ] 단축키, Command mode , Edit mode https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=12 Command mode

1.PNG

 

Enter : edit mode 로 전환

a : 위에 셀(Cell)추가

b: 아래에 셀(Cell)추가

m: Markdown으로 전환

y: Code로 전환

dd: 셀(Cell) 삭제

 

Edit mode


2.PNG

Esc : Command Mode로 전환

Ctrl + z : 되돌리기

Ctrl + y : 앞으로 되돌리기

 

 

공통 단축키

- Ctrl + Enter : 실행

- Shift + Enter : 실행 후 아래로 커서 이동

- Alt + Enter : 실행하고 셀 추가

]]> 웹지기 2021-03-03T14:59:06+09:00 [ python ] 파이썬 정의 및 간단 설명 https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=11 파이썬은 인터프리터 언어이다..(대화형언어)

배우기 쉽다.

다양한 라이브러리 툴.

인간다운 언어(직관적)

문법이 쉬워 배우기 쉽고 코드가 간결하다.

파이썬패키지 - 에디터(주피터 에디터) - ANACONDA

anaconda.com > download > install

설치가 되면 anaconda 설치 > jupyter 실행

실행은 우측상단 new > python3 클릭


아래 화면에서 왼쪽이 녹색과 파란색

파란색은 실행완료화면

녹색은 수정가능화면

단축키 커맨로 나와서 

b 는 아래로 추가

a 는 위로 추가

x 는 삭제

ctrl + enter  = 실행

shift + enter 또는 alt + enter = 셀추가되면서 실행

주석 #을 사용

m(마크다운)을 선택하면 In[] 키워드가 사라짐

해당내역에 적으면 메모나 타이틀과 같은 형태로 쓸 수 있겠된다.

#을 붙일 때 마다 글자 크기가 수정이된다.

m(마크다운)을 없애고 싶으면 y를 누르면 됨

]]> 웹지기 2021-03-03T09:26:12+09:00 [ python ] 타이타닉 승객의 사망 분석 (Titanic 탑승객 중 생존/사망자 예측) - 엑셀활용 https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=10 타이타닉 승객의 사망 분석 - 엑셀활용

 

Titanic 탑승객 중 생존/사망자 예측) 과연, 어떤 사람이 생존하고 어떤사람이 사망했을까?

 

EXCEL - 데이터 분석

kaggle.com

회원가입 후 

검색창에 titanic 

Titanic - Machine Learning From Disaster > enter

Data click > 화면아래로 내려서 Download All 

정상 다운로드가 되면 다운로드 받고 > 다운로드가 안되고 다른화면이 뜨면 클릭 > 확인을 누르고 다시 Data탭으로 이동 후 다운로드

압축을 풀어서 확인

train.csv => 분석용 파일

test.cvs => 테스트용 파일

gender_submission.csv => 완료 저장 후 kaggle 사이트 재업로드용

아래처럼 피벗차트를 이용해서 사망자등을 분석


train.csv로 분석한 내용을 

test.csv의 Pclass 에서 삽입을 해서 한행을 추가해서

Survived라는 필드를 B1에 적고

B2에는 Excel함수를 이용해서 찾아낸다


1) excel 피벗 테이블 필드 및 피벗 차트 만들기

데이터의 아무위치 > 삽입 > 피벗차트 || 피벗차트 & 테이블 

우측 피벗차트 필드 > Survived 를 하단 열에 드래그해서 추가

sex를 행에 드래그해서 추가

값에 survived 추가 후 ▼를 클릭해서 값필드 설정에서 개수로 변경

또는 값 에 Sex 추가 > 값필드 클릭해서 값필드 설정 > 개수로 변경

차트는 상단탭의  분석 > 피벗차트 > 차트선택 후 확인

차트에서 숫자가 보이게 하고 싶다면 

차트우측 + 버튼 클릭 > 데이터 레이블에 체크


2) excel 함수

if구문이 맞다면 0이실행 아니면 1이 실행

=if(E2="male", 0, 1) //E2의 열이 남자면 0 여자면 1을 입력해라

0이 있던자리에 다시 조건을 추가

=if(E2="male", if(C2=1, 1, 0), 1) // 남자고 클랙스가 1이면 생존

=if(or(E2="female", C2=1)), 1, 0) //or안에 하나라도 true가 있으면 true


분석된 데이터에서 Passenger, Survived 두개 행을 복사해서

gender_submission.csv 에 붙여놓기를 하는데

Passenger 위에서 마우스 우클릭 붙여놓기 옵션에서 숫자123 적어진 옵션선택

붙여 넣기를 하게 되면 함수를 삭제되고 결과값이 복사된다.


]]> 웹지기 2021-03-03T09:22:19+09:00 [ python ] python을 활용한 데이터 분석 / 예측 https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=9 python을 활용한 데이터 분석 / 예측

 

1) 빅데이터 

  - 1~2012 까지의 데이터 0.1%

  - 2013~현재 까지의 데이터 99.9%

    (스마트폰, 사물인터넷등의 의한 데이터)

2) 활용사례

 - 기저귀와 맥주?

     (편의점 체인점에서 쇼핑 행태를 분석하여 발견)

 - 구글 독감 유행 징후 감지

      (사람들의 검색어 분석 독감의 증상, 치료법, 가까운 병원등)

 - 금융권 빅데이터

 - 자동차회사 IoT

  #빅데이터 #인공지능 #사물인터넷 #수요증가 #산업채용

3) 빅데이터 분석

 - 기존 데이터베이스 관리도구의 능력을 넘어서

  DBMS, Excel-dbms 

  Apache Hadoop

 - 가치의 추출

  Data Mining

  Domain Knowledge 

 - 결과를 분석

  기업의 의사결정이 이루어지는 행동으로 이끌어 냄

4) Data Science 

 - 데이터 속에 담긴 패턴이나 미래 예측에 도움이 되는 신호를 찾는 것

 (머신러닝, 딥러닝 등등)

 Skillset

  Computer Science/IT  + Math and Statics  + Domain / Business

5) 데이터 분석 Process

 - 데이터수집 -> 데이터 전처리 -> 데이터 분속 -> 데이터 예측 -> 데이터 시각화/서비스화

 데이터 수집

  - Database , File(CSV,XML, JSON), Web crawling, IoT sensor data, Survey

 데이터 전처리

  - 결측치 처리 : 데이터 삭제, 다른값으로 대체(최소,최대, 중앙값등), 예측모델을 활용한 값 삽니다.

 - 이상치처리 : 입력오류

 데이터의 중요성!

  - Forbes 에서 이용한 crowFlower의 설문 결과에 따르면 데이터 분석가는 80% 이상의 시간을 데이터 수집/전처리 과정에 사용

  - Garbage in garbage out : 좋은 자료를 모으고, 적정하게 정리하여 넣지 않으면 가치를 발견하기 어려움(쓰레기는 쓰레기일 뿐)

 데이터분석

 데이터예측

 데이터 시각화 / 서비스화


Data Analysis

 단계별 python 패키지

  Collecting

  Preprocessing

  Explorary Data Analysis

  Machin Learning

  Communication/Reporting/Building Data Product


]]> 웹지기 2021-03-03T09:17:55+09:00 [ python ] Numpy 라이브러리 활용 - 데이터 불러와서 확인하기 1 https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=8 데이터 불러와서 확인하기numpy_학습자료.zip 파일을 압축을 풀어서

jupyter 노트에서 

새폴더 > 폴더명:data >  압축푼파일에서 

height_weight.txt

ratings.dat

두개의 파을을 업로드


다시 data 폴더에서 나가서 인재캠퍼스_Numpy 학습자료.ipynb 에 업로드


# ✨ Numpy란?

numpy는 과학 계산을 위한 라이브러리로서 다차원 배열을 처리하는데 필요한 여러 유용한 기능을 제공

- 빠르고 효율적인 벡터 산술연산을 제공하는 다차원배열 제공

- 반복문 없이도 전체 배열에 대해 연산이 가능

- 표준 수학 함수 제공(sum()합계,sqrt()제곱근,mean()평균)


# numpy 라이브러리를 import로 불러오고, as로 앞으로는 np라는 별칭으로 부른다고 정의

import numpy as np


###  1. Numpy  배열 크기 가늠이 안됩니다 ! N차원 배열 생성

Numpy 라이브러리 안에는 다차원 배열을 지원하는 클래스가 존재함 -> numpy.ndarray

- 배열은 동일한 타입값을 가짐

- 다(N) ~ 차원 형태로 구성 가능

- 배열의 차원 rank라고 부름 

- 각 차원의 크기는 shape으로 표시

- 각 값들은 양의 정수로 인덱스 값을 가짐

- ndarray를 array라고 표현하기도 함


#### numpy 배열 생성하기

- 1차원 

array([1,2,3,4,5])

# 1. list 변수 선언 후 함수 연결

#lst

#type 타입을 확인하는 기본 함수

lst = [1,2,3,4,5]

type(lst)

list


# arr1 배열 변수 정의

arr1 = np.array(lst)

# arr1 값 확인 

print(arr1)

type(arr1)

[1 2 3 4 5]

numpy.ndarray


#two_lst(리스트 안에 리스트)

two_lst = [[1,2,3],[4,5,6]]

two_lst

[[1, 2, 3], [4, 5, 6]]


#arr2 배열 변수 정의

arr2 = np.array(two_lst)

# arr2 배열 확인

arr2

array([[1, 2, 3],

       [4, 5, 6]])


#특정한 값으로 배열 생성하기

#기본적으로 0이나 1로 초기화 하는 방법

#0 -> zeros(행, 열)  1-> ones(행, 열)

arrZero = np.zeros((3,4))

arrZero

array([[0., 0., 0., 0.,],

          [0., 0., 0., 0.,],

          [0., 0., 0., 0.,],

          [0., 0., 0., 0.,]])


arrOne = np.ones((5,5))

arrOne


#0과 1이 아닌 숫자로 배열을 생성할 때 -> full((행, 열), 원하는 숫자)

arrFull = np.full((5,5),3)

arrFull


#1~5까지의 숫자를 array로 만들기

arr = np.arange(1,6,1)

arr


#데이터 타입 지정 -> dtype

#정수형으로 된 0의 배열

arrZero=np.zeros((3,4), dtype=np.int32)

arrZero


#실수로된 수를 정수형으로 변환해서 배열저장

arr1=np.array([1.2, 2.4, 5.14], dtype=np.int32)

arr1


#정수로 변환된 배열을 다시 실수로 변환

#arr1.astype("float64")

arr1 = arr1.astype(np.float32)

arr1.dtype

arr1


#랜덤값 배열 만들기 -> random.rand()

arr = np.random.rand(2,3)

arr


#정수형 랜덤값 배열 만들기 -> random.randint(범위, size=(행, 열))

arr2 = np.random.randint(1,11, size=(2,3))


#요소별 연산 arr* arr     arr+arr


# 배열생성 유용한 함수  

arange 함수로 만들고 reshape 함수로 배열 크기 설정하자!  

(반복문 없이 리스트 생성 후 크기 지정)

#1차원 배열의 생성

arg_arr1 = np.arange(1,51)

arg_arr1

array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,

       18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34,

       35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50])


#2차원 배열 생성

arg_arr2 = arg_arr.reshape(5,10)

arg_arr2

array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],

       [11, 12, 13, 14, 15, 16, 17, 18, 19, 20],

       [21, 22, 23, 24, 25, 26, 27, 28, 29, 30],

       [31, 32, 33, 34, 35, 36, 37, 38, 39, 40],

       [41, 42, 43, 44, 45, 46, 47, 48, 49, 50]])


# 배열의 크기만큼 요소의 갯수가 정확하게 대응되어야함

arg_arr.reshape(5,11) #--> 오류 발생 arg_arr.reshape(5,10) 으로 지정하면 오류가 발생한다.


print(arr1.shape)

# 2차원 배열 크기 확인하시오!

(5,)


print(arr2.shape)

(2, 3)


# 배열 요소 개수 확인

# 배열.사이즈

print(arr1.size)

# 2차원 배열 요소 개수 확인하시오 !

5


# 2차원 배열 데이터 타입 확인하시오 ! 

print(arr1.dtype)

int32


# 2차원 배열 차원 확인하시오

print(arr1.ndim)


2. Numpy 데이터 접근은 어떻게 하지??

Numpy 배열은 파이썬 리스트(python list)와 마찬가지로 인덱싱(indexing), 슬라이싱(slicing)을 지원


Numpy 정수 인덱싱(integer indexing), 슬라이싱(slicing) : 배열에 부여되어 있는 인덱스(index)를 이용

Numpy 불리언 인덱싱(boolean indexing): 배열 각 요소를 True,False로 표현하는 방식

Numpy 슬라이싱(slicing)

인덱스의 범위를 정하여 부분 집합을 구하는 것

arr = np.arange(1,51).reshape(5,10)

arr

array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],

       [11, 12, 13, 14, 15, 16, 17, 18, 19, 20],

       [21, 22, 23, 24, 25, 26, 27, 28, 29, 30],

       [31, 32, 33, 34, 35, 36, 37, 38, 39, 40],

       [41, 42, 43, 44, 45, 46, 47, 48, 49, 50]])


# 1번째 행까지와 모든 열에 접근 arr[0:2] 

arr[0:2]

array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],

       [11, 12, 13, 14, 15, 16, 17, 18, 19, 20]])


# 1번째 행까지와 모든 열 접근 arr[0:2,:] 

# 배열이름[행, 열] arr[0:2, :] = 0~2행, 모든열

arr[0:2,:]

array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],

       [11, 12, 13, 14, 15, 16, 17, 18, 19, 20]])


# 1번째 행까지와 7번째열부터 끝열까지 접근 arr[0:2,7:] 

arr[0:2, 7:10] #arr[:2, 7:] 생략가능 처음0 과 마지막에 10

array([[ 8,  9, 10],

       [18, 19, 20]])

arr[2:5, 2:7]

array([[23, 24, 25, 26, 27],

       [33, 34, 35, 36, 37],

       [43, 44, 45, 46, 47]])


Numpy 정수 인덱싱(integer indexing)

하나하나 선택되어지는 인덱스들을 일렬로 나열한 부분집합

arr2 = np.array([[1,2,3],[4,5,6]])

arr2

array([[1, 2, 3],

       [4, 5, 6]])


arr2[0]

array([1, 2, 3])


arr2[0][0]

1


arr2[0,0] # 넘파이는 []안 콤마를 기준으로 행과 열로 구분

1

arr2[:,0]

array([1, 4])



# 요소값 중 1,6 에 접근 arr2[[0,1],[0,2]]

#0,0 1,2의 값을 불러온다.

arr2[[0,1],[0,2]]

array([1, 6])


Numpy 불리언 인덱싱(boolean indexing)

특정 조건에 맞으면 True, 아니면 False 값으로 배열을 만들어 True에 해당하는 요소값의 데이터에 접근

arr2 = np.array([[1,2,3,4,5],[55,0,60,80,90]])

arr2

array([[ 1,  2,  3,  4,  5],

       [55,  0, 60, 80, 90]])


# 0이 아닌 요솟값에 접근

arr2 != 0

array([[ True,  True,  True,  True,  True],

       [ True, False,  True,  True,  True]])


arr2[arr2 != 0]

array([ 1,  2,  3,  4,  5, 55, 60, 80, 90])


#짝수에 접근(이 상황에서는 0도 포함이 된다.)

arr2[arr2%2==0]

array([ 2,  4,  0, 60, 80, 90])



#행복습

arr2[0][arr2[1] >=70]

#1행 - 사람번호

#2행 - 성적

array([4, 5])



3. 누구보다 빠르게 남들과는 다른 Numpy 배열 연산!!

import numpy as np

arr3 = np.array([[1,2],[3,4]])

arr4 = np.array([[3,4],[5,6]])

# 요소별 연산 :배열에 3더하기

arr3+3

array([[4, 5],

       [6, 7]])

# 요소별 연산 :배열에 2.0 나누기

arr4/2.0

array([[1.5, 2. ],

       [2.5, 3. ]])

#리스트를 연산하고 싶다면 numpy로 변경해주면된다

np.array([1,2,3])


# 배열 간 연산 : 곱하기

arr4*10

array([[30, 40],

       [50, 60]])


# 참고) 배열의 행렬 연산은 np.dot 함수를 통해서 할 수 있다 ! 

np.dot(arr3,arr4)

array([[13, 16],

       [29, 36]])


4. Numpy 배열 관련 유용한 함수

# np.sum

np.sum(arr4)

18


# np.sqrt

np.sqrt(arr4)

array([[1.73205081, 2.        ],

       [2.23606798, 2.44948974]])



@@데이터 불러오기

data = np.loadtxt("data/height_weight.txt", delimiter=",")

data

array([[175.2, 180.3, 175. , 169.2, 185.2, 188. , 177.6, 178.2, 177. ,

        179. ],

       [ 65.6,  88. ,  79.2,  69.3,  55. ,  71.2,  73. ,  68.9,  74. ,

         82. ]])


#shape 크기확인

#ndim 차원수 확인

#size 요소개수확인

print('data크기 :', data.shape)

print('차원 : ', data.ndim)

print('요소개수 : ', data.size)(2, 10)

data크기 : (2, 10)

차원 :  2

요소개수 :  20


2. 배열 데이터에서 키와 몸무게 데이터 각각 변수에 넣기

height = data[0]

height

array([175.2, 180.3, 175. , 169.2, 185.2, 188. , 177.6, 178.2, 177. ,

       179. ])


weight = data[1]

weight

array([65.6, 88. , 79.2, 69.3, 55. , 71.2, 73. , 68.9, 74. , 82. ])


3. BMI지수 공식에 대입해보기

키는 M로 표기(height.100 또는 height *0.01

bmi지수 = weight/(height**2)

height = data[0]

height

height2 = height/100

height2

weight = data[1]

weight

bm = weight/height2**2

bm


4. 과체중 이상인 사람은 몇명일까요 ?(불리언 인덱싱을 이용해보세요 ! )

bm >=23 

array([False,  True,  True,  True, False, False,  True, False,  True,

        True])

bm[bm >= 23]

array([27.07018468, 25.86122449, 24.20652885, 23.14392095, 23.62028791,

       25.59220998])

bm[bm >= 23].size

6

len(bm[bm>=23])

6


-----------------------------------------------------------


### 응용예제2) 영화가 좋은 평점을 받았는지 알아보기 

최종목표 : 각 영화의 평균 평점이 4이상을 구하는 것.

# Readme

# user_id 사용자 아이디

# item_id 영화 아이디

# rating 영화 평점

# timestamp 평점 입력 시간

movieData = np.loadtxt('data/ratings.dat', delimiter='::', dtype=np.int64)

movieData

array([[        1,      1193,         5, 978300760],

       [        1,       661,         3, 978302109],

       [        1,       914,         3, 978301968],

       ...,

       [     6040,       562,         5, 956704746],

       [     6040,      1096,         4, 956715648],

       [     6040,      1097,         4, 956715569]], dtype=int64)


1. 데이터 속성 확인은 필수 !

배열 크기

배열 차원수

배열 전체 요소 개수

print(movieData.shape)

print(movieData.ndim)

print(movieData.size)



2. 전체 영화 평점 평균 구하기

ratings = movieData[:, 2]

np.mean(ratings)

3.581564453029317



3. 영화 아이디 1번인 영화의 평점 평균 구하기

특정 조건으로 배열의 요소값에 접근 : boolean index(true, false)

movieData[:, 1]

#해당하는 행에 true가 존재할 때 출력

movieData[movieData[:,1]==1]

array([[        1,         1,         5, 978824268],

       [        6,         1,         4, 978237008],

       [        8,         1,         4, 978233496],

       ...,

       [     6032,         1,         4, 956718127],

       [     6035,         1,         4, 956712849],

       [     6040,         1,         3, 957717358]], dtype=int64)


#영화 아이디가 1이 아닌 것에 접근하는데 평점만 보고 싶다.

#전체 구문 사용시

movieData[movieData[:,1] !=1][:,2]

array([5, 3, 3, ..., 5, 4, 4], dtype=int64)


#짧은 구문으로 접근하기

movieData[movieData[:,1] !=1,2]

array([5, 3, 3, ..., 5, 4, 4], dtype=int64)


 

 

]]> 웹지기 2021-02-25T21:57:12+09:00 [ python ] 함수의 정의와 사용 방법 https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=7 함수의 정의와 사용 방법

 

 함수란(function)

 - 하나의 특별한 목적의 작업을 수행하기 위해 독립적으로 설계된 코드의 집합

 - 함수 사용 목적

  = 반폭을 피함

  = 모듈화로 가독성 높임

  = 문제발생시 기능변경 필요시 손쉽게 유지보수

 - 구조

 (defined: 정의)

 def 함수명(매개변수) :

    실행문장

    return 반환변수


#함수 만들어 보기

def numberSum(num1, num2) :

    result =  num1 + num2

    return result

numberSum(4,5)

9



#두개의 숫자와 연산 기호를 매개변수로 입력 받아 

#연산하는 함수 cal을 만드시오

#독스트링 사용법

#함수내에서 """ 세개로 앞뒤를 감싸준다 """독스트링"""

#cal(10,20) 같은 해당 함수에서 Shift + tab 클릭

#설명 문구가 나오게 된다. 이를 독스트링이라 한다.

def cal(num1, num2, op) :

    """덧셈과 뺄셈을 계산하는 함수"""

    if op == '+' : result = num1 + num2

    elif op == '-' : result = num1 - num2

    elif op == '*' : result = num1 * num2

    elif op == '/' : result = num1 / num2

    return result

print(cal(5,7,'+'))

12


#함수의 값을 튜플로 가져오기

def addSub(n1, n2) :

    return n1+n2, n1-n2

addSub(7,5)

(12, 2)


#튜플을 나눠서 담기

a,b = addSub(10,11)

print(a)

print(b)

21

-1

 

#가변매개변수

def sumMany(*args) :

    print(args)

sumMany(1,2,3,4,5)

(1,2,3,4,5)

 

#def sumMany2(*args) :

    tot=0

    for i in args :

        tot+=i
    return tot

sumMany2(1,2,3,4,5,6,7,8,9,10)

55

 

]]> 웹지기 2021-02-24T21:52:45+09:00 [ python ] 리스트와 튜플 https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=6 리스트와 튜플

 

 리스트(list)란?

 - 파이썬의 자료구조 형태중 하나

 - 순서가 있는 수정이 가능한 객체의 집합

 - 대괄호( [ ] ) 로 작성, 내부는 ,로 구분

 - 추가,수정,삭제 가능


 리스트는 + 연산이 가능하다

list4 = [1,2,3]

list5 = [3,4,5,6]

print(list4+list5)

print(list5+list4)

 

list4 = [1,2,3]

list5 = [3,4,5,6]

print(list4+list5)

print(list5+list4)

[1, 2, 3, 3, 4, 5, 6]

[3, 4, 5, 6, 1, 2, 3]


#리스트 삽입

list5.append(10) //맨뒤에 삽입

[3,4,5,6,10]


list6 = [4,7,8,9,1,0]

list6.insert(3, 6)  //3번인덱스에 6을 추가

print(list6)

[4, 7, 8, 6, 9, 1, 0]


#리스트요소 수정하기

list7 = [1,2,3,4,5]

list7[2] = 8

print(list7)


#리스트 요소 삭제하기

#1. del키워드를 사용하여 삭제

#2. .remove() 함수를 사용하여 삭제

#index를 통해서 한개의 값 또는 여러개의 값을 모두 삭제가능

list8 = [1,2,3,7,8,9]

del list8[4]

print(list8)

[1, 2, 3, 7, 9]

#index검색을 통한 delete가 아니라 해당 값을 검색해서 삭제하는 방식

list9 = [0,1,2,3,4,5]

list9.remove(3)

print(list9)

[0,1,2,4,5] 


#list8에 b가 있는지 확인 할 때 in 키워드를 사용

if('b' in list8) :

    list8.remove('b')

else :

    print('b가 없습니다')


#list요소 정렬하기

li = [4,1,2,9,8,10,3]

li.sort()

print(li)

[1, 2, 3, 4, 8, 9, 10]


#list요소 뒤집기

list10 = [7,5,8,9,0]

print(list10)

list10.reverse()

print(list10)

[7, 5, 8, 9, 0]

[0, 9, 8, 5, 7]


#list요소 내림차순 정렬하기

list11 = [4,7,5,1,4,9]

list11.sort()

list11.reverse()

print(list11)

[9, 7, 5, 4, 4, 1]


#한번에 정렬

list11 = [4,7,5,1,4,9]

print(list11)

list11.sort(reverse=True)

print(list11)


#리스트의 길이 확인

list12 = [1,2,3]

print(len(list12))

s = "python"

print(len(s))

 

#1. 위치는 찾아내는 함수 -> .index()

#찾기 위한 문자또는 숫자열을 적어서 검색

list11.index(1);

 

#2. 위치를 찾아내는 함수 -> .pop()

#무조건 마지막에 있는 요소를 반환

#반환 후에는 삭제한다.

list11.poo()

 

 

#튜플 생성하기

#튜플은 삽입 삭제 등이 불가능

t1 = (1,2,3)

t2 = ('a', 'b', 'c')

t3 = (1.2, 'a', 'b')

t4 = (1.2,(4,5,6))

#튜플로 인식된다.

t5 = 1,2,3

#튜플로 인신되지 안는다.

t6 = (2)

print(t6)

2

#튜플로 인식을 하고 싶은 때는 , 을 이용

t6 = (2,)


print(t1)

print(t2)

print(t3)

print(t4)

print(t5)

print(t6)

(1, 2, 3)

('a', 'b', 'c')

(1.2, 'a', 'b')

(1.2, (4, 5, 6))

(1, 2, 3)

(2,)


]]> 웹지기 2021-02-24T20:13:15+09:00 [ python ] 변수, 주석, 슬라이싱, 문자열 포멧, 연산자, 대입연사, 비트연산, 비교연산자, 논리연산자, 멤버연산자, 의사결정(fi() https://www.funyphp.com/bbs/board.php?bo_table=python&amp;wr_id=5 변수, 주석, 슬라이싱, 문자열 포멧, 연산자, 대입연사, 비트연산, 비교연산자, 논리연산자, 멤버연산자, 의사결정(fi)

 

변수

 - 데이터를 답을 수 있는 공간

 - num = 3

 숫자(정수) : -2, -1, 0, 1, 2

 숫자(실수) : 3.2, 3.14, 0.12, 3.0

 문자열 : 'Hello World!', "" 

 논리 : 대문자 소문자 구분

 대소문자가 다르면 서로 다른 변수가 된다.

 숫자시작되는 변수명은 만들 수 없다.

 키워드는 변수로 사용불가(if, else, 등등 색이 녹색으로 변하면 키워드임)

 변수명의 첫글자는 소문자로 시작하는 것을 추천

 연결이 된 변수명은 numberList 또는 number_list의 형태 권장

 변수는 한번에 정의가능

 a,b,c = 10,11,12

 print(a,b,c) #출력

 인덱싱(indexing)

 - 무엇인가를 가리킨다는 의미

 - 파이썬은 문자열에서 index를 가진다.

 s = "my name is test"

 s[0]  0~부터 각 문자별 인덱스 가능

 s[-13]   -13~부터 각문자별 인덱스 가능



 슬라이싱(Slicing)

 - 무언가를 잘라낸다는 의미

 s[0:2] my

 s[3:7] name

 s[:7] my name => 0부터 시작하면 0은 생략가능

 s[8:] is test => 8번째부터 끝까지 불러온다.

 #역순으로 가져올 때는

 s[-3:-1]


문자열 포멧팅

- .format

month = 2

day = 18

s = "오늘은 {}월 {}일입니다.".format(month, day)

print(s)

  - f포멧팅

s = f"오늘은 {month}월, {day}일 이여요."

문자열 함수

  count('찾고싶은 문자')

  find('문자')

  index('문자') ~~~등등등 많음

 

 연산자

  산술연산자

  +더하기 - 빼기 * 곱하기 / 나누기 // 몫 % 나머지

  지수연산자

  ** 제곱근

  

 input함수

num = input("정수입력")

print(num*2) =>문자열로 인식

  - 문자열을 입력받고 싶을 때

num = int(input("정수입력"))

print(num*2) => 숫자로 인식


 대입연산자(할당연산자)

 = += -= *= /= %= **= //=

  num1 = 10

 복합대입연산자

  num1 += 2 # num1 = num1+2


 비트연산자

 & (and연산) - 둘다 참일때 만족

  | (or연산)  - 둘중 하나만 참이여도 만족

  ^ (xor연산) - 둘중 하나만 참일 때 만족

  ~ (보수연산) 

  << (왼쪽 시프트 연산자) - 변수의 값을 왼쪽으로 지정된 비트수 만큼이동

   >> (오른쪽 시프트 연산자) - 변수의 값을 오른쪽으로 지정된 비트 수 만큼 이동

  

 비교연산자(값은 true, false)

 >, >=, <, <=, ==, !=

 

 논리연산자(true, false)

 and or not

 not  not논리(부정연산)

  - 논리값을 뒤집는 역할(true = false, false = true)

 and, or 논리 and 논리 논리 or 논리

  - and는 둘중 모두가 true면 true

  - or 는 줄중 하나만 true면 true


 멤버 연산자

 a = 10, b = 10, list = [1, 2, 3, 4, 5]

 in( a in list ) = false

 not in(b not in list) = true


 식별연산자

  a=20, b=20

 is ( a is b) = true

 is (a is not b) = false

 

 연산 우선자

 ** > ~, +, - > *, /, %, // > +,- > >>, << > & > ^, | > <=, <, >, >= > <>, ==, != > =, %=, /=, //=, -=, +=, *=, **= > is, is not > in, not in > not, or, and



 의사결정(if, else, elif)

  - 실행문은 앞쪽 공백이 모두 같아야 조건에 대해 실행이된다.

     공백이 다르면 조건식이 끝난 것으로 간주 된다.

 조건식에 and 를 빼고 바로 하는것도 가능

score < 90 and score >= 80 

===> 

90 > score >= 80

( 이렇게 중간에 and 연산자를 없애고 조건이 가능하다)

 

#3항 연산자 

( 변수 선언은 맨앞에 한번 만 해준다. )num = int(input('정수입력 : '))

#if 문 앞쪽에서 변수를 선언하고 if문에서는 조건을 적어주고 else 구문에 해당하는 조건을 적는다.

 

"짝수" if num%2==0 else "불합격"

 

#두개의 정수를 입력받아 큰 수에서 작은 수를 뺀 결과값을 출력.

num1 = int(input("첫번째 정수를 입력하세요 : ")

num2 = int(input("두번째 정수를 입력하세요 : ")

result = num1-num2 if num1>num2 else num2-num1

 

#주의사항 : 다음에 오는 내용을 조건에 포함시키기위해 들여쓰기를 사용

#들여쓰기가 없으면 조건이 끝난것으로 간주한다.

#if 조건식 :

#   실행문

#elif 조건식 : 

#   실행문

#else : 

#   실행문

 

#키보드로 변수 num을 입력 받고 

#num이 3의 배수이면서 5의 배수 이면 "3과 5의 배수입니다" 를 출력하고

#아니라면 "3과 5의 배수가 아닙니다."를 출력하시오


num = int(input("정수를 입력 하세요 :: "))

if num%3==0 and num%5==0 :

    print("3과 5의 배수입니다.")

else :

    print("3과 5의 배수가 아닙니다.")


]]> 웹지기 2021-02-24T19:17:36+09:00