본문 바로가기

Programming

(35)
[Python][문법] 기초 - 3. 연산자_흐름제어 #!/usr/bin/env python # coding: utf-8 # # 1. 연산자 # ### 1.1 수치 연산자 # In[ ]: 2 + 3 # In[ ]: 3 - 2 # In[ ]: 2 * 3 # In[ ]: 5 / 2 # In[ ]: 5 // 2 # In[ ]: 5 % 2 # In[ ]: 3.14 ** 2 # In[ ]: 2 ** 0.5 # In[ ]: # ### 1.2 대입 연산자 # In[ ]: a = 20 # In[ ]: a += 5 a # In[ ]: a -= 10 a # In[ ]: a *= 2 a # In[ ]: a /= 3 a # In[ ]: a = 3 b = 2 a *= 2 + b # a = a * ( 2 + b ) a # In[ ]: # ### 1.3 비교 연산자 # In[ ]: ..
[Python][문법] 기초 - 2. 변수 타입 #!/usr/bin/env python # coding: utf-8 # # 1. 파이썬 데이터 타입 및 변수 # ### 1.1 변수 및 대입 # - variable # - structure # - class # ### 1.2 데이터 타입 종류 # 타 입|설 명|예 # :---|:---|:--- # int|정수형 데이터|100 # float|소숫점을 포함한 실수|10.25 # bool|참/거짓|True # str|문자열|'LG Electronics' # list|리스트, 순서가 있는 배열, 수정/추가/삭제가 가능한 자료 구조|[1, 2, 3, 'a', 'b'] # tuple|튜플, 순서가 있는 배열, 수정/추가/삭제가 불가능한 자료 구조|(1, 2, 3, 'a', 'b') # dict|사전, {key: v..
[Python][문법] 기초 - 1. 파이썬 소개 #!/usr/bin/env python # coding: utf-8 # # 수업 진행 - 3과목 # > ### 빅데이터 분석 및 머신러닝을 위한 파이썬 # ### Lecture01 # - 프로그램밍 일반 # - 파이썬 이론 및 실습 # # ### Lecture02 # - 파이썬 패키지를 이용한 데이터 분석 소개 및 실습 # - numpy, pandas, matplotlib, etc # # ### Lecture03 # - 파이썬 패키지를 이용한 머신러닝 개념 설명 및 실습 # - scikit-learn, keras, konlpy, etc # --- # # 1. 파이썬 프로그래밍 소개 # ### 1.1 파이썬 언어 소개 및 역사 # - 파이썬은 널리 쓰이는 범용, 고급 언어이다. 파이썬의 설계 철학은 코드 ..
[Python][Library] 라이브러리 별 기능 요약 Numpy 1 - 배열과 벡터 Numpy ndarray : 다차원 배열 객체 ndarray 사용 [참고] 파이썬 리스트의 산술 연산 ndarray 생성 [참고] np.array 는 생성될 때 적절한 자료형을 선택 한다 np.zeros(): 0으로 초기화된 배열 생성 np.empty(): 초기화 되지 않은 배열 생성 np.arange(): 파이썬 range() 함수의 배열 버전 ndarray 의 자료형 타입변경 : astype() 메소드 [참고] dtype 축약코드 배열과 스칼라 간의 연산 인덱싱 (색인) 과 슬라이싱 브로드캐스팅 배열 조각은 원본 배열의 view 를 리턴 (파이선 리스트의 슬라이싱은 복사본을 리턴) slicing : 사용 예 2차원, 3차원 배열 제어 슬라이스 색인 add2d[:2, 1:..
[Python][Library] 3. matplotlib - 1. 시각화 #!/usr/bin/env python # coding: utf-8 # # Matplotlib: 시각화 # # 1. Matplotlib API # In[1]: import numpy as np #np.set_printoptions(precision=4, suppress=True) import pandas as pd #pd.options.display.max_rows = 20 import matplotlib.pyplot as plt get_ipython().run_line_magic('matplotlib', 'inline') plt.rc('figure', figsize=(10, 6)) from matplotlib import rcParams rcParams['font.family'] = 'NanumGoth..
[Python][Library] 2. Pandas - 5. 시계열 #!/usr/bin/env python # coding: utf-8 # # Pandas V: 시계열 분석 # In[ ]: import numpy as np #np.set_printoptions(precision=4, suppress=True) import pandas as pd #pd.options.display.max_rows = 20 import matplotlib.pyplot as plt get_ipython().run_line_magic('matplotlib', 'inline') plt.rc('figure', figsize=(10, 6)) from matplotlib import rcParams rcParams['font.family'] = 'NanumGothic' rcParams['font.si..
[Python][Library] 2 Pandas - 4. 그룹 연산 #!/usr/bin/env python # coding: utf-8 # # Pandas IV: 그룹 연산 # In[ ]: import numpy as np #np.set_printoptions(precision=4, suppress=True) import pandas as pd #pd.options.display.max_rows = 20 import matplotlib.pyplot as plt get_ipython().run_line_magic('matplotlib', 'inline') plt.rc('figure', figsize=(10, 6)) from matplotlib import rcParams rcParams['font.family'] = 'NanumGothic' rcParams['font.si..
[Python][Library] 2 Pandas - 3 데이터 처리 #!/usr/bin/env python # coding: utf-8 # # Pandas III: 데이터 처리 # # 1. 데이터 합치기 # - merge() # - join() # - concat() # ### 1.1 DBMS 스타일로 DataFrame 합치기 # In[ ]: from pandas import DataFrame, Series import pandas as pd import numpy as np # #### merge() 함수 # In[ ]: df1 = pd.DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'a', 'b'], 'data1': range(7)}) df2 = pd.DataFrame({'key': ['a', 'b', 'd'], 'data2': ran..