수업 내용

• Numpy
• Pandas

Numpy

• Python에서 과학 연산을 위한 가장 기본적인 라이브러리
• 행렬, 백터 연산을 위한 라이브러리로 처리속도가 빠름
• 다차원 배열과 행렬 객체가 포함

Python의 list와의 차이점

비교 항목	list	numpy (numpy.ndarray)
자료형	서로 다른 자료형 저장 가능	동일한 자료형만 저장
연산 속도	느림 (for문 사용 시 비효율적)	빠름 (벡터화 연산 지원)
메모리 사용	상대적으로 큼	상대적으로 적음
연산 방식	요소별 연산 (루프 필요)	배열 단위 연산 (벡터 연산 가능)
기능	기본적인 리스트 조작	수학 및 과학 연산 최적화 지원

Numpy 사용하기

• $ pip install numpy 명령어를 이용해서 설치 필요
• 단 아나콘다, 미니콘다 패키지를 설치하면 자동으로 설치가 됨
• Google에서 제공하는 colab의 경우 따로 설치할 필요 없음

Numpy를 사용하는 이유

1. 빠른 연산 속도

• Python의 List보다 훨씬 빠른 연산이 가능
• 백터화 연산 지원으로 반복문 없이도 수학 연산을 효율적으로 처리 가능

2. 메모리 효율성

• 동일한 자료형만 저장하므로 일반 python list보다 메모리를 적게 사용
• 대량의 데이터를 다룰 때 더욱 효율적

3. 다양한 수학 및 선형대수 기능 제공

• 행렬 연산, 미분, 통계, 난수 생성등 다양한 기능이 내장되어 있음
• 머신러닝에서 행렬 연산이 핵심 -> 빠르고 효율적으로 처리 가능

numpy와 list 연산 속도 비교

Numpy를 이용한 간단한 예제

1. shape, ndim, size 사용해보기

import numpy as np

rng = np.random.default_rng(seed = 1234) #시드값 -> 난수 발생시 같은 데이터 유지 
myarray = rng.standard_normal((5)) # 열만 지정   
print(myarray)
print()
print('myarray정보 shape', myarray.shape) # myarray정보 shape (5,)  
print('myarray정보 ndim', myarray.ndim) # 1차원 
print('myarray정보 size', myarray.size) # 5
print('myarray정보 len', len(myarray)) # 비권장 
print()
print('평균', myarray.mean())
print('평균', np.mean(myarray))
print('열총점', sum(myarray)) # 열단위로 
print('전체총점', np.sum(myarray))
print()
print('열평균', myarray.mean(axis=0)) # 세로 각 열의 평균

shape 사용시 주의점

만약 1차원 배열로 선언되면 shape의 결과값은 (4,)이 나옴
배열의 구조가 2 * 3이면 shape의 결과 값은 (2, 3)이라 나옴

2. numpy를 이용한 최대값과 최소값, 중앙값, 총점, 평균, 분산, 표준편차 구하기

• 아래 코드는 2월 17일에 진행한 실습

# 최대값과 최소값, 중앙값, 총점, 평균
# 최종목표: 학습 분산, 표준편차 
"""
분산: 데이터의 평균에서 퍼진 정도 -> 편차 평균의 제곱 
표준편차: 분산의 제곱근(데이터의 단위와 같음)
"""
import math
import numpy as np 

my  = [175, 177, 179, 181, 183] # 숫자 리스트항목 int 숫자데이터 = 변량 
data = np.array(my)
my_median = np.median(data) # 중앙값 구하기 
tot = 0
avg = 0

tot = sum(data)
avg = np.mean(data) #평균 구하기
my_var = np.var(data) # 분산 구하기
my_std = np.std(data)# 표준편차 구하기

print(f'최대값 = {max(data)}')
print(f'최소값 = {min(data)}')
print(f'중앙값 = {my_median}')
print(f'총점 = {tot}')
print(f'평균 = {avg}')
print(f'분산 = {my_var}')
print(f'표준편차 = {my_std}')

3. Numpy의 난수 생성

import numpy as np 

a = np.random.randint(1,46,1) #  1부터 45까지 1개만 발생
print(a)
print()

b = np.random.randint(1,46,6) # 1부터 45까지 6개만 발생 
print(b)
print()

c = np.random.uniform(1,46,6) # 1부터 45까지 6개만 발생 실수 형태  
print(c)
print()


d = np.random.rand(15).shape(5,3) # 실수형태 5,3
print(d)
print()

Pandas

• Python에서 데이터 분석 라이브러리 중 하나
• 데이터 조작, 정제, 분석, 시각화등을 위한 기능 제공
• 시리즈(Serise)와 데이터프레임(DataFrame)이라는 자료형을 이용하여 데이터를 처리

시리즈(Serise)와 데이터프레임(DataFrame)

Pandas에서 시리즈와 데이터프레임을 따로 만들어사 사용하는 이유는 데이터 분석을 좀 더 쉽고 효율적으로 하기 위해서 사용

시리즈(Serise)

• 1차원 배열 형태로 구성
• index와 value로 이루어져 있음
• 리스트나 딕셔너리를 변환해서 만들 수 있음

데이터프레임(DataFrame)

• 여러개의 시리즈가 모여서 만든 테이블 형태의 데이터
• 행과 열로 구성되어 있음

loc를 이용한 간단한 실습

import pandas as pd

path = './data/score.csv'

score = pd.read_csv(path) # 한글이 아니면 인코딩 안해도 됨 
#1
print(score.loc[5:10])
print()
#2
print(score.loc[: , 'kor' : 'mat'])
print()
#3
print(max(score.loc[: , 'kor']))
print(score['kor'].max())
#4
kor = score.kor # score에 kor 필드 
eng = score['eng']
mat = score.mat

total = kor + eng + mat 
avg = round(total/3 , 2)

score.insert(5,['total'], total, True)
score.insert(6,['avg'], avg, True)


print(score)

#5
score2 = score.loc[:, ['no','total', 'avg']]
print(score2)