기초 Numpy & Pandas

1. Numpy Recap

1-1) np.ndarray 만들기

import numpy as np

v1 = np.array([1, 2, 3, 4]) # 배열(Array)
v1

v1.dtype # d(ata)-type

v1.shape # '모양'을 영어로?

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

sample_matrix.shape

# print(sample_matrix[0])
# print(sample_matrix[0, 0])
# print(sample_matrix[0, 2])
# print(sample_matrix[0:2, 1:3])
print(sample_matrix[ : , 2])

ML/DL 할 때는 2차원 이상을 행렬을 넣어주어야 한다.

 

1-2) np.arange & np.reshape 

v1 = np.arange(5) # 'a'rray of 'range'
v1 # array([0, 1, 2, 3, 4])

v2 = np.arange(1, 10, 2)
v2 # array([1, 3, 5, 7, 9])

# Brodcastiong
v4 = np.arange(1, 10, 2) ** 2 # 제곱 연산자가 무엇이었죠?
v4 # array([ 1,  9, 25, 49, 81])

[1, 3, 5, 7, 9] * 2
# [1, 3, 5, 7, 9, 1, 3, 5, 7, 9]

v1 = np.arange(12)
v1 # array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

v2 = v1.reshape(4, -1) # -1은 알아서 열 계산해서 바꿔달라는 뜻
v2
# array([[ 0,  1,  2],
#       [ 3,  4,  5],
#       [ 6,  7,  8],
#       [ 9, 10, 11]])

# 행 단위가 아닌 열 단위부터 먼저 채우라는 뜻
v3 = v1.reshape(2, 6, order='F') # C & Fortran 
v3
# array([[ 0,  2,  4,  6,  8, 10],
#       [ 1,  3,  5,  7,  9, 11]])

# 메서드 체이닝 (method-chaining)
v1 = np.arange(12).reshape(2, 6)
v1
# array([[ 0,  1,  2,  3,  4,  5],
#       [ 6,  7,  8,  9, 10, 11]])

 

1-3) np.ndarray 의 사칙연산

v1 = np.arange(1, 5).reshape(2, 2)
v1
# array([[1, 2],
#       [3, 4]])

np.max(v1, axis = 0)
# array([3, 4])

np.min(v1)
# 1

np.mean(v1)
# 2.5

np.std(v1)
# 1.118033988749895

 

1-4) 행렬 간의 사칙연산

v1 
# array([[1, 2],
#       [3, 4]])

np.add(v1, v1) # 더하기 (element-wise add)
# array([[2, 4],
#       [6, 8]])

np.subtract(v1, v1) # 빼기 (element-wise subtract)
# array([[0, 0],
#       [0, 0]])

np.multiply(v1, v1) # 곱하기 (element-wise multiply)
# array([[ 1,  4],
#       [ 9, 16]])

np.dot(v1, v1) # 행렬곱 == 점곱 (dot-product)
# array([[ 7, 10],
#       [15, 22]])

 

2. Pandas Recap

import pandas as pd

# Series : Key(index) 값이 있는 리스트
a = pd.Series([1, 3, 5, 7])

a.values
# array([1, 3, 5, 7], dtype=int64)

a.index
# RangeIndex(start=0, stop=4, step=1)

a2 = pd.Series([1, 3, 5, 7], index=['a', 'b', 'c', 'd'])
a2
# a    1
# b    3
# c    5
# d    7
# dtype: int64

# DataFrame에서 하나의 Cell에 해당하는 값을 얻어내는 4가지 방법

df['amount'][0] # 열에 접근 후 Series의 index로 접근
df.loc[0]['amount'] # 행에 접근 후 Series의 index로 접근
df.loc[0, 'amount'] # 행 이름과 열 이름을 지정하여 접근 (loc 활용)
df.at[0, 'amount'] # 행 이름과 열 이름을 지정하여 접근 (at 활용) <- 제일 추천 방법
df.iloc[0, 7] # indexed-location 기반으로 index number 기준 행 & 열 지정하여 접근

df.insert(8, 'total_payment_', df['amount'] * df['count']) # index 기준으로 8번 열에 새로운 열을 "삽입"
df.head()

del df['total_payment']
del df['total_payment_']

df['edu'].value_counts() # 출현 횟수

from collections import Counter

counted = Counter(df['edu'].values)
pd.Series(data=counted.values(), index=counted.keys())

def num_to_character(data):
    if data == 1:
        return 'male'
    else:
        return 'female'
        
df['gender_2'] = df['gender'].apply(num_to_character) # 적용하다
# df['gender_2'] = df['gender'].apply(lambda x : 'male' if x == 1 else 'female')
df.head()