내일배움캠프 본캠프 8일차_파이썬 라이브러리 공부

인사말

오늘 과제 제출을 하고!

내일부터 새로운 강의를 받은 후 공부하기 때문에

이전에 받았던 파이썬 라이브러리 강의를 완강하려 합니다!

그러고 저녁(20 : 00 ~ 21 : 00)엔 Zoom으로 회의가 있고

새로운 과제를 받는다고 하네요 😅

파이팅,,,,

---

오전 ( 09 : 00 ~ 13 : 00 )

Git Hub에 폴더 생성 완료해주고! ( ~10 : 00)

파이썬 라이브러리 강의를 시청하였습니다.

---

<10 : 00 ~ 20 : 00>

요약

1. Pandas 개념
2. 시리즈(Series)
3. 데이터프레임(DataFrame)
4. 시리즈(Series) vs 데이터프레임(DataFrame)
5. Numpy(Numerical Python)
   1. 연산
   2. 기타 메서드
   3. 배열의 인덱싱, 슬라이싱

---

<Pandas>_데이터 처리가 필요한 모든 분야에서 사용됨

1. 개념 
   
   1. 파이썬에서 데이터를 쉽게 다룰 수 있게 해주는 데이터 분석 라이브러리
   2. 데이터를 표(테이블) 형식으로 다루기 쉽게 만들어 줌
   3. 다양한 데이터 조각 기능을 제공함
   4. 데이터를 정리하고 분석하는 데 아주 강력한 도구임.
      1. 데이터 프레임(DataFrame)
         1. 판다스의 핵심 자료 구조임
         2. 엑셀의 스프레드 시트처럼 행(row)과 열(column)로 구성된 2차원 데이터 구조
      2. 시리즈(Series)
         1. 단일 열을 나타내는 1차원 데이터 구조
         2. 데이터 프레임의 구성 요소 중 하나
2. 특징 : 판다스를 이용하면 데이터의 필터링, 정렬, 집계 등 다양한 작업을 간단한 코드로 수행 가능함

 

<시리즈 (Series) >

시리즈(Series)

1. 개념 : 인덱스(Index)와 데이터 값(Value)이 쌍으로 구성됨
2. 특징
   1. 인덱스를 통해 데이터에 빠르게 접근할 수 있음
   2. 데이터 타입은 자동으로 설정되지만, 원하는 타입으로 변경 가능함
3. 예시

import pandas as pd

# 시리즈 생성
s = pd.Series([10, 20, 30, 40], index = ['a', 'b', 'c', 'd'])
print(s)

a    10
b    20
c    30
d    40
dtype: int64

pd.Series()를 쓸 때 시리즈는 꼭 대문자로 작성해주셔야 오류가 안 나요!!

 

<데이터프레임(DateFrame)>

데이터프레임(DateFrame)

1. 개념
   1. 2차원의 표 형태 데이터 구조
   2. 엑셀의 전체 시트(Sheet)처럼 생김
   3. 여러 개의 시리즈(Series)가 모여서 만들어짐.
2. 특징
   1. 행(row)과 열(column)로 구성된 2차원
   2. 다양한 데이터 타입을 각 열에 담을 수 있음
   3. 인덱스와 컬럼명을 사용해 특정 데이터에 접근할 수 있음
3. 예시

# 예시: 데이터 프레임 생성
data = {
    '이름': ['철수', '영희', '민수'],
    '나이': [25, 30, 35],
    '직업': ['학생', '회사원', '프리랜서']
}

df = pd.DataFrame(data)
print(df)

   이름  나이     직업
0  철수  25     학생
1  영희  30    회사원
2  민수  35  프리랜서

# data의 컬럼만 뽑아보기

data["이름"]

결괏값
['철수', '영희', '민수']

# 인덱스와 칼럼명을 사용해 특정 데이터에 접근하기

파일명["이름"][0]

결괏값
'철수'

 

<시리즈(Series) vs 데이터프레임(DataFrame)>

차이점	공통점
시리즈는 1차원, 데이터프레임은 2차원	둘 다 인덱스를 가지고 있어서 데이터에 쉽게 접근 가능
시리즈는 하나의 데이터 타입, 데이터 프레임은 다양한 데이터 타입 기입 가능 (리스트, 튜플, 딕셔너리 등등)	판다스에서 가장 기본적인 구조

 

<Numpy(Numerical Python)>

1. 개념
   1. 과학 계산에 강력한 성능을 제공하는 파이썬 라이브러리
   2. 다차원 배열 객체인 ndarray와 배열을 효율적으로 처리할 수 있는 다양한 함수들을 제공함.
   3. 데이터 분석, 머신러닝, 딥러닝에서 기초가 되는 라이브러리
   4. 판다스와 함께 자주 사용됨
2. 특징
   1. 고속 배열 연산 : C언어로 작성돼 있어, 파이썬 기본 리스트 보다 훨씬 빠른 연산 가능
   2. 다양한 수학 함수 : 배열 간의 덧셈, 뺄셈, 곱셈 등의 연산을 효율적으로 수행
   3. 선형대수, 통계함수 : 복잡한 수학 계산도 간단히 처리 가능
3. 예시

• 배열(ndarray) 생성하기

import numpy as np

# 리스트로 생성하기
## 1차원 배열 생성

arr = np.array([1, 2, 3, 4, 5])
print(arr)

[1 2 3 4 5]

 

•  배열의 연산

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

# 각 원소에 2를 더하기
arr_add = arr + 2
print(arr_add)

# 각 원소에 2를 곱하기
arr_mul = arr * 2
print(arr_mul)

[3 4 5 6 7]
[ 2  4  6  8 10]

 

• 배열간의 연산

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

# 배열 간 덧셈
arr_sum = arr1 + arr2
print(arr_sum)

# 배열 간 곱셈
arr_mul = arr1 * arr2
print(arr_mul)

[5 7 9]
[ 4 10 18]

 

• 배열의 기타 메서드

메서드 설명	메서드	코드	결괏값
0으로 채워진 배열	np.zeros()	zero_arr = np.zeros((2, 3)) # 2x3 크기의 배열 print(zero_arr)	[[0. 0. 0.]  [0. 0. 0.]]
1로 채워진 배열	np.ones()	ones_arr = np.ones((3, 2))  # 3x2 크기의 배열 print(ones_arr)	[[1. 1.]  [1. 1.]  [1. 1.]]
특정 값으로 채워진 배열	np.full()	# 2x2 크기의 7로 채워진 배열 full_arr = np.full((2, 2), 7) print(full_arr)	[[7 7]  [7 7]]
연속적인 값으로 채워진 배열	np.arange()	# 0부터 9까지의 연속된 값 range_arr = np.arange(10) print(range_arr)	[0 1 2 3 4 5 6 7 8 9]

메소드 설명	메소드
array 속 개수 확인	arr.size()
array의 데이터 타입 확인	arr.dtype()
array의 용량 차지 확인	arr.nbytes()
array의 차원 확인	arr.ndim()
array를 1차원으로 입력하기	arr.ravel()
array의 차원은 바꾸지 않고 평탄화	arr.flatten()
array의 sum	arr.sum(), arr.sum(axis = 1), arr.sum(axisi = 0) *axis = 1는 열, axis = 0은 행

 

• 배열의 인덱싱과 슬라이딩

인덱싱(Indexing)

: 배열의 특정 위치의 값을 가져옴

arr = np.array([10, 20, 30, 40, 50])

# 첫 번째 원소
print(arr[0])

# 마지막 원소
print(arr[-1])

10
50

 

슬라이싱(Slicing)

: 배열의 일부분을 잘라내는 방법

arr = np.array([10, 20, 30, 40, 50])

# 두 번째부터 네 번째 원소까지
sliced_arr = arr[1:4]
print(sliced_arr)

[20 30 40]

 

다차원 배열의 인덱싱과 슬라이싱

: 콤마(,)로 구분해서 함

arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 특정 원소 접근 (2행 3열)
print(arr2d[1, 2])

# 슬라이싱 (2행까지, 2열까지)
sliced_arr2d = arr2d[:2, :2]
print(sliced_arr2d)

6
[[1 2]
 [4 5]]

---

저녁 ( 20 : 00 ~ 21 : 00)

오늘까지 과제였던 걸 리뷰도 하면서,

새로운 과제를 설명 듣는 Zoom 수업에 참여하였습니다

---

마무리

벌써 내일이면 새로운 강의를 받게 되고

새로운 과제도 시작하고

새로운 팀에서 새로운 팀원과 공부하게 되네요 😢

시간 너무 빠른 거 같아서 서운할 정도입니다

그래도

모든 분들을 한 번씩은 뵈어야

나중에 팀 프로젝트를 진행할 때 유리할 거 같아요

좋게 생각하려구요,, 아쉽지만 🥲

 

공부할 게 많이 쌓여있어서

스트레스도 쌓이고 있지만

그래도 해야 하는 걸 어떡합니까!

오늘도 수고 많으셨어요 ㅎㅎ

감사합니다.