1. 데이터 분석 프로젝트NumPy로 간단한 데이터셋 분석NumPy를 활용하여 간단한 데이터셋(예: 날씨 데이터, 매출 데이터)을 분석하고 통계 정보를 도출할 수 있습니다.예제: 날씨 데이터 분석import numpy as np# 가상의 날씨 데이터 (온도, 강수량, 풍속)data = np.array([ [25, 0, 5], [28, 3, 7], [22, 5, 2], [21, 0, 4], [26, 2, 6]])# 평균값 계산mean_values = np.mean(data, axis=0)print("평균값 (온도, 강수량, 풍속):", mean_values)# 최대값 및 최소값max_values = np.max(data, axis=0)min_values = np.min(data,..

1. 데이터 전처리결측값 처리 (np.isnan, np.nan_to_num)결측값(missing values)은 데이터 분석 과정에서 자주 발생하며, NumPy는 이를 효율적으로 처리할 수 있는 함수를 제공합니다.주요 함수:np.isnan: 배열에서 결측값(NaN)을 찾아 불리언 배열 반환.np.nan_to_num: NaN 값을 지정된 값으로 대체하거나 0으로 변경.예제:import numpy as np# 배열 생성arr = np.array([1, np.nan, 3, np.nan, 5])# 결측값 확인print(np.isnan(arr))# [False True False True False]# 결측값 대체cleaned_arr = np.nan_to_num(arr, nan=-1)print(cleaned_..

1. 배열 변형배열 크기 변경 (reshape, ravel, flatten)NumPy 배열은 유연하게 크기를 변경하거나 1차원으로 펼칠 수 있습니다.주요 함수:reshape: 배열의 형태를 지정된 크기로 변경 (원본 데이터는 변경되지 않음).ravel: 배열을 1차원으로 펼침 (원본 데이터와 연결된 뷰(View)를 반환).flatten: 배열을 1차원으로 펼침 (원본 데이터와 독립된 복사본 반환).예제:import numpy as nparr = np.array([[1, 2, 3], [4, 5, 6]])# reshape 예제reshaped = arr.reshape(3, 2)print(reshaped)# [[1 2]# [3 4]# [5 6]]# ravel 예제raveled = arr.ravel()prin..

1. 기본 배열 연산배열 간 산술 연산NumPy에서는 배열 간의 산술 연산을 간단하게 수행할 수 있습니다. 기본적인 산술 연산(+, -, *, /, **)은 배열의 각 요소에 대해 개별적으로 적용됩니다.주요 특징:요소별 연산(Element-wise Operation): 배열의 같은 위치에 있는 요소들 간에 연산 수행.같은 크기의 배열: 연산 대상 배열의 크기가 같아야 함.스칼라 값 연산: 배열의 모든 요소에 동일하게 적용.예제:import numpy as np# 배열 생성arr1 = np.array([1, 2, 3])arr2 = np.array([4, 5, 6])# 산술 연산print(arr1 + arr2) # [5 7 9]print(arr1 - arr2) # [-3 -3 -3]print(arr1 *..

NumPy란 무엇인가?NumPy의 정의와 역할 NumPy는 Python에서 사용되는 강력한 라이브러리로, 다차원 배열과 행렬을 쉽게 처리할 수 있도록 설계되었습니다. 또한, 고속으로 작동하는 수학적 연산 기능을 제공합니다.주요 역할:대규모 데이터 배열을 효율적으로 다루기.과학적 계산과 데이터 분석에 필수적인 수학 연산 지원.Python 표준 리스트와의 차이점속도: NumPy 배열은 C 언어로 작성되어 Python 리스트보다 훨씬 빠르게 작동합니다.메모리 효율성: NumPy 배열은 동일한 데이터 타입을 사용하므로 메모리 사용량이 적습니다.다차원 지원: Python 리스트는 기본적으로 1차원 배열만 지원하지만, NumPy는 다차원 배열 처리가 가능합니다.풍부한 기능: NumPy는 통계, 선형대수 등 다양한 ..

NumPyNumPy 가져오기import numpy as np 배열 생성# 리스트로부터 생성arr = np.array([1, 2, 3, 4, 5])# 튜플로부터 생성arr = np.array((1, 2, 3, 4, 5))# 0으로 채워진 배열 생성arr = np.zeros((2, 3)) # 2x3 배열# 1로 채워진 배열 생성arr = np.ones((2, 3)) # 2x3 배열# 일정 범위의 값을 가지는 배열 생성arr = np.arange(0, 10, 2) # 0부터 10까지 2씩 증가하는 배열# 일정 간격으로 나눈 값을 가지는 배열 생성arr = np.linspace(0, 1, 5) # 0부터 1까지 5개의 값을 가지는 배열https://numpy.org/doc/stable/user/quickstar..