AI 검색 결과

해당 글 133건

[pandas] series 데이터 연산하기

numpy와 동일하게 연산할 때는 같은 인덱스를 기준으로 연산하게 된다. 즉, a는 a끼리 b는 b끼리 연산을 진행하게 됨. 산술연산 series의 경우에도 스칼라와의 연산은 각 원소별로 스칼라와의 연산이 적용 (브로드캐스팅) series와의 연산은 각 인덱스에 맞는 값끼리 연산 적용. 이 때, 인덱스의 pair가 맞지 않으면 해당 인덱스 결과는 NaN index pair가 맞지 않는 경우 해당 index에 대해선 NaN값을 생성 두 series간의 사이즈가 동일하지 않아도 연산이 가능함. 그러나 존재하지 않는 index에 대해서는 NaN 결과를 반환. 위 내용은 fastcampus 강의 내용을 정리한 것입니다.
AI/데이터분석 2020. 1. 30. 21:51

[pandas] series 데이터 심플분석 (개수, 빈도 등)

series 함수 size : 개수 반환 shape : 튜플형태로 shape 반환 unique : 유일한 값만 ndarray로 반환 count : NaN을 제외한 개수를 반환 mean : NaN을 제외한 평균 value_counts : NaN을 제외하고 각 값들의 빈도를 반환 이 때 NaN이란? Not a Number 숫자가 아닌 것으로 데이터가 누락됐거나 다른 값이 들어와서 대체된 값. 사이즈를 얻어옴. 형태를 튜플로 반환해줌. 중복을 없애고 유일한 값만 반환 NaN값을 제외한 나머지 15개의 값 개수를 반환 numpy는 NaN이 포함되면 계산을 못하지만 series의 경우는 NaN을 제외하고 나머지 값들에 대해서 평균을 계산함. value_counts 함수를 통해 각 값의 빈도수를 얻을 수 있다. 이..
AI/데이터분석 2020. 1. 30. 21:37

[pandas] series 데이터 생성하기

Series pandas 기본 객체 중 하나 numpy의 ndarray를 기반으로 인덱싱 기능을 추가하여 1차원 배열을 나타냄. index를 지정하지 않을 시, 기본적으로 ndarray와 같이 0-based 인덱스 생성 지정할 경우, 명시적으로 지정된 index 를 사용. 같은 타입의 0개 이상의 데이터를 가질 수 있음. data로만 사용하기 index는 기본적으로 0부터 자동적으로 생성. 왼쪽이 인덱스이고 오른쪽이 데이터임. 자동적으로 인덱스가 붙은것을 확인할 수 있다. 데이터의 타입도 자동으로 생성함. 위와 같이 np를 이용해서 생성도 가능함. data, index 함께 명시하기 pd.Series( data=None, index=None, dtype=None, name=None, copy=False,..
AI/데이터분석 2020. 1. 30. 21:29

[matplotlib] 그래프 그리기

matplotlib 모듈을 이용하여 그래프 표현하기 함수의 parameter 혹은 plt의 다른 함수로 그래프 형태 및 설정을 변경 가능. 기본적으로 x, y에 해당하는 값이 필요. 데이터 생성 plot( ) : 선 그래프 scatter( ) : 점 그래프 hist( ) : 히스토그램 히스토그램 내용은 밑에 있음. 그래프에 주석 추가하기 x, y 축 및 타이틀 plt.xlabel(' ') : x 레이블에 주석달기 plt.ylabel(' ') : y 레이블에 주석달기 plt.title(' ') : 그래프 타이틀 달기 Grid (모눈선) 추가 plt.grid(True) 를 통해 grid를 추가할 수 있다. x, y 축 출력 범위 설정하기 plt.xlim(시작값, 끝값) plt.ylim(시작값, 끝값) plo..
AI/데이터분석 2020. 1. 22. 20:06

[Numpy] linalg 서브모듈 선형대수 연산

np.linalg.inv 역행렬을 구할 때 사용. 모든 차원의 값이 같아야 함. (= 정방행렬) @ 연산으로 행렬의 곱을 할 수 있다. 이 때 대각선은 항등행렬의 값인 1이 나왔지만 나머지는 0이 아닌 숫자로 나온것을 볼 수 있다. 하지만 e-14나 e-15는 엄청나게 작은 수로 거의 0과 같다고 볼 수 있기 때문에 0이라고 취급을 한다. np.linalg.solve np.linalg.solve(a, b) Ax = B 형태의 선형대수식 솔루션을 제공. x + y = 25 2x + 4y = 64 이 때, 실수는 어느정도의 아~~~주 작은 오차범위내에서는 같다라고 판단하기에 실수비교를 위해서 np.allclose( )함수를 사용하면 된다. 위 내용은 fastcampus 강의 내용을 정리한 것입니다.
AI/데이터분석 2020. 1. 22. 18:56

[Numpy] Boolean indexing

Boolean indexing 으로 조건에 맞는 데이터 선택하기 ndarray 인덱싱 시, bool 리스트를 전달하여 True인 경우만 필터링. 앞서 작성한 글인 Broadcasting에서 % 나머지 연산과도 브로드캐스팅이 되는 것을 확인하였다. 이는 for문을 사용하지 않고 손쉽게 원하는 데이터를 필터링 할 수 있는 ndarray의 장점 중 하나이다. list 의 경우 % 연산 브로드캐스팅을 지원하지 않는다. 다시 말해 위와 같은 boolean list를 뽑아내기 위해서는 for문을 돌며 일일이 비교를 해줘야한다. 얻은 bool 리스트를 인덱스로 전달하기 앞서 얻은 bool 리스트를 필터 역할을 하는 mask 로써 변수에 저장을 한 뒤 기존 배열에 넣어주면 True에 해당하는 인덱스 값들만 뽑아서 반환..
AI/데이터분석 2020. 1. 20. 23:53

[Numpy] broadcasting 이해 및 활용하기

브로드캐스팅 (Broadcasting) shape이 같은 두 ndarray에 대한 연산은 각 원소별로 진행 연산이 가능한 두 ndarray가 만약 다른 shape을 갖는 경우 브로드캐스팅 (Shape 맞추기) 후 연산. a와 b를 더할 때 서로 shape이 다르다. 이 때 broadcasting을 통해 자동으로 shape을 맞춘 후 연산을 진행함. Broadcasting Rule 차원을 뒷차원부터 비교를 하며 shape이 같거나, 차원 중 값이 1인 것이 존재하면 가능함. 예를 들어, 위의 그림에서 b는 ((1), 3)의 모양을 하고 있으므로 브로드캐스팅이 가능함. Shape이 같은 경우 그냥 각각 element끼리 더해준다. Scalar(상수)와의 연산 각각의 element에 스칼라값이 모두 더해진다...
AI/데이터분석 2020. 1. 20. 23:34

[Numpy] axis(축) 이해

axis 이해하기 몇몇 함수에는 axis keyword 파라미터가 존재. axis 값이 없는 경우에는 전체 데이터에 대해 적용. axis 값이 있는 경우에는 해당 axis 를 따라서 연산을 적용. 따라서 결과는 해당 axis 가 제외된 나머지 차원의 데이터만 남게됨. 1차원 데이터에 적용하기 1차원은 어차피 축이 하나기때문에 axis를 명시하나 안하나 똑같은 결과를 반환. 행렬에 적용하기 세로 : 행이 증가하는 방향 (axis = 0) 가로 : 열이 증가하는 방향 (axis = 1) axis = 0 을 하면 행방향으로 sum을 진행함. 3차원 텐서에 적용하기 axis = 0 일 때는 첫번째 인자인 텐서의 작은 행렬 상자(?)를 압축시킨다고 생각하면 됨. 결국 계산의 결과는 첫번째 디멘젼을 날리고 뒤의 2..
AI/데이터분석 2020. 1. 19. 19:54