반응형
23.1 NumPy 기초
NumPy는 고성능 수치 계산을 위한 파이썬 라이브러리입니다. 배열 객체와 다양한 수학 함수 및 연산을 제공합니다.
NumPy 설치
pip install numpy
NumPy 배열 생성
import numpy as np
# 리스트로부터 배열 생성
arr = np.array([1, 2, 3, 4, 5])
print(arr) # [1 2 3 4 5]
# 2차원 배열 생성
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)
기본 연산
# 배열 연산
arr = np.array([1, 2, 3, 4, 5])
print(arr + 5) # [ 6 7 8 9 10]
print(arr * 2) # [ 2 4 6 8 10]
# 행렬 연산
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix.T) # 전치 행렬
23.2 pandas를 사용한 데이터 처리
pandas는 데이터 조작과 분석을 위한 강력한 도구를 제공합니다. 특히, 데이터프레임 객체는 구조화된 데이터를 다루는 데 매우 유용합니다.
pandas 설치
pip install pandas
데이터프레임 생성
import pandas as pd
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [24, 27, 22],
'City': ['New York', 'San Francisco', 'Los Angeles']
}
df = pd.DataFrame(data)
print(df)
데이터 불러오기 및 저장
# CSV 파일 읽기
df = pd.read_csv('data.csv')
# CSV 파일로 저장
df.to_csv('output.csv', index=False)
데이터프레임 조작
# 열 선택
print(df['Name'])
# 조건부 선택
print(df[df['Age'] > 25])
# 열 추가
df['Salary'] = [50000, 60000, 70000]
# 그룹화 및 집계
print(df.groupby('City')['Age'].mean())
23.3 matplotlib을 사용한 데이터 시각화
matplotlib은 데이터 시각화를 위한 라이브러리로, 다양한 그래프와 차트를 생성할 수 있습니다.
matplotlib 설치
pip install matplotlib
기본 플롯
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 40]
plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Line Plot')
plt.show()
다양한 그래프
# 막대 그래프
plt.bar(x, y)
plt.title('Bar Plot')
plt.show()
# 히스토그램
data = np.random.randn(1000)
plt.hist(data, bins=30)
plt.title('Histogram')
plt.show()
# 산점도
plt.scatter(x, y)
plt.title('Scatter Plot')
plt.show()
23.4 scikit-learn을 사용한 머신러닝 기초
scikit-learn은 파이썬에서 머신러닝 모델을 구축하고 평가하는 데 널리 사용되는 라이브러리입니다.
scikit-learn 설치
pip install scikit-learn
기본 사용법
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
# 데이터 준비
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([1, 4, 9, 16, 25])
# 훈련 세트와 테스트 세트로 분할
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 모델 훈련
model = LinearRegression()
model.fit(X_train, y_train)
# 예측
y_pred = model.predict(X_test)
# 평가
mse = mean_squared_error(y_test, y_pred)
print(f'Mean Squared Error: {mse}')
반응형
'Python 문법 > Python 기본 문법(3.10 기준)' 카테고리의 다른 글
[python3.10 기본] 25. 성능 최적화 (0) | 2024.07.02 |
---|---|
[python3.10 기본] 24. 보안 (0) | 2024.07.02 |
[python3.10 기본] 22. 웹 개발 (1) | 2024.07.02 |
[python3.10 기본] 21. 네트워킹 (0) | 2024.07.02 |
[python3.10 기본] 20. 병행성 및 병렬성 (1) | 2024.07.02 |