[KT AIVLE] 1주차 - Python 프로그래밍 & 라이브러리 #4

이틀동안 파이썬 기본문법과 넘파이, 판다스에 대해 배웠다. 파이썬을 이번 계절학기 때 배우기도 했고, 판다스와 넘파이는 자주 사용한 것이라 편안하게 수업을 들었다.

 

다음주까지 이기영강사님과 함께 하는데 강사님 열정과 강의력이 대단하시다!

이번 포스팅에서는 강의자료를 보다가 헷갈리는 부분에 대해서 다시 정리하는 시간을 가져보려고 한다.

---

 

1. Dictionary

1.1 Dictionary 조회

• keys() : 딕셔너리의 key만 조회
• values() : 딕셔너리의 값만 조회
• items() : key과 값을 tuple으로 조회

dict_tmp = { 'one':1 , 'two': {'2':2}, 'three': [3,3,3]}

print("키만 조회:", dict_tmp.keys())
print("값만 조회:", dict_tmp.values())
print("키와 값 둘 다 조회:", dict_tmp.items())

키만 조회: dict_keys(['one', 'two', 'three'])
값만 조회: dict_values([1, {'2': 2}, [3, 3, 3]])
키와 값 둘 다 조회: dict_items([('one', 1), ('two', {'2': 2}), ('three', [3, 3, 3])])

1.2 딕셔너리의 각 값을 개별 변수로 할당하기

dict_tmp = { 'one':1 , 'two': {'2':2}, 'three': [3,3,3]}
t1,t2,t3 = dict_tmp.items()
print(t1)
print(t2)
print(t3)

('one', 1)
('two', {'2': 2})
('three', [3, 3, 3])

 

2. 분석할 수 있는 데이터

• 범주형 데이터
  • 명목형 데이터 : 카테고리 또는 범주로 분류되며 순서나 계층 구조가 없다.(ex. 지역, 성별, 동물의 종)
  • 순서형 데이터 : 값 사이에 상대적인 순서나 등급이 있다.(ex, 학력수준,고객만족도, 연령대)
• 수치형 데이터
  • 이산형 데이터 : 정수 값 또는 이산적인 카운트 값을 가지며 연속적인 범위가 아니다. (ex. 가족 구성원 수 , 매출액, 나이)
  • 연속형 데이터 : 실수 값으로 표현되며 어떤 값이든 가질 수 있다. (ex. 키, 무게, 온도)

2.1 분석을 위한 기본구조

• 기본구조 : 2차원
  • 행 : 분석단위, 샘플, 관측치, 데이터 건수
  • 열 : 정보, 변수, 요인

 

3. Numpy

주요 용어

• Axis : 배열의 각 축 ( 0 : 행, 1 : 열)
• 데이터 분석에서 Axis=0은 데이터의 건수를 의미함
• Rank : 축의 개수(차원)
• Shape : 축의 길이
• 3차원 배열 읽기 ex. (4,2,3)
  • (2,3) 크기의 2차원 배열이 4개

3.1 Reshape

기존 배열을 새로운 형태(Shape)의 배열로 다시 구성

import numpy as np

# 3*4 형태의 2차원 배열
arr1 = np.array([[1,2,3,4],
                 [5,6,7,8],
                 [9,10,11,12]])

# 2*6 형태의 2차원 배열로 Reshape, 함수 이용
arr2 = np.reshape(arr1,(2,6))

# 4*3 형태의 2차원 배열로 Reshape, 메서드 이용
arr3 = arr2.reshape(4,3)

3.2 조건에 따라 다른 값 지정하기

문법 : np.where(조건문, 참 값, 거짓 값)

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

print(np.where(arr1>=3,1,0))

[0 0 1 1]

 

4. Pandas

4.1 데이터프레임

• 데이터 분석에서 가장 중요한 데이터 구조
• 관계형 데이터베이스의 테이블 또는 엑셀 시트와 같은 형태(2차원 구조)
• 변수들의 집합

4.2 시리즈

• 하나의 정보에 대한 데이터들의 집합
• 데이터프레임에서의 한 개의 열

4.3 정보 확인

• info() : 인덱스, 열, 결측치, 데이터 타입 확인
• describe() : 기초 통계 정보 확인

house.info()

house.describe()

4.4 데이터 정렬

• 정렬 방법
  • ascending = True : 오름차순 정렬(기본값)
  • ascending = False : 내림차순 정렬

1. sort_index() : 인덱스를 기준으로 정렬

house.sort.index()

2. sort_values()

# 단일 열 정렬
house.sort_values(by='total_bedrooms')

# 다중 열 정렬
house.sort_values(by=['total_bedrooms','households'],ascending=[True,False])
# 'total_bedrooms' 열을 오름차순으로 정렬하되, 'total_bedrooms' 열 값이 동일한 행들은 'households' 열을 내림차순으로 정렬

4.5 조회

1. 조건으로 조회 : .loc[행 조건, 열 이름]

# total_rooms 값이 1000보다 큰 행 조회
house.loc[house['total_rooms']>1000]

2. 여러 조건을 만족하는 행 조회

• & 또는 | 연산자 사용

# &
house.loc[(house['total_rooms']>1000) & (house['population']>1000)]
# |
house.loc[(house['total_rooms']>1000) | (house['population']>1000)]

3. 값으로 조회

# population 열에 1000,2000만 조회
house.loc[house['population'].isin(['1000','2000'])]

  4. 범위안의 데이터만 조회

# population 열에 1000~2000만 조회
house.loc[house['population'].between(1000,2000)]

4.6 집계

~~별에 해당하는 범주형 변수, 매출액 또는 합계 계산

ex. 요일별 매출의 합계

# as_index=True : 집계기준변수를 인덱스로 사용, False 일시 열로 사용
# ['Sales']로 할시 시리즈로 반환
# [['Sales']]로 할시 데이터프레임으로 반환
store.groupby('day_name',as_index=True)['Sales'].sum()

.agg() 사용

• 다양한 집계를 한 번에 수행 가능

store.groupby('day_name')['Sales'].agg(['sum','mean','max','min'])
# 결과는 데이터프레임으로 반환

---

기초적인 파이썬 문법부터 넘파이, 판다스를 이틀동안 배웠는데 솔직히 너무 기본적인 것부터 배워서 조금 지루했지만 정리할 수 있는 시간이어서 좋았습니다! 그리고 강사님의 열정!! 최고였습니다

 

에이블스쿨 1주차 끝!