약간 수학적인 함수 import numpy as np arr = np.array([4,6,1,3,8,8]) print(arr.sum()) # 합 print(arr.mean()) # 평균 5 # 편차( deviation ) : 확률변수 X와 평균의 차이 # -1 1 -4 -2 3 3 # 편차의 합은 => 0 # 편차의 제곱의 평균을 이용 => variance(분산) # 1 1 16 4 9 9 tmp = np.array([1,1,16,4,9,9]) print(tmp.mean()) # 6.666666666666667 print(arr.var()) # 6.666666666666667 분산 # 표준편차(standard deviation) : 분산의 제곱근(루트 - 분산을 구하는과정에서 제곱을했기 때문에) prin..

# Pandas에 대해서 알아보아요! pandas는 data분석 library의 최고봉!! # excel과 비슷하다 (data를 1g도 못불러들인다) # 잘만 이용한다면 excel보다 훨씬 다양한 일을 프로그램적으로 자동화 가능 # Pandas는 고유하게 정의된 2개의 자료구조를 가지고 있어요! # 1. Series : 1차원, 같은 데이터 타입을 사용해요! (ndarry 1차원에 조금 추가한거라고 생각?) # 2. DataFrame : 2차원, 여러개의 Series를 합쳐서 Table 구조로 만든 자료구조 # module 설치 # anaconda prompt에서 conda install pandas numpy 요소를 만들때 값을 모르겠어, 없어는 np.nan 을 이용 import numpy as np ..

indexing python list의 indexing과 slicing과 상당히 유사 indexig은 차원이 준다[n] 왜냐하면 안에 있는걸 뽑기때문 slicing은 차원을 유지[n:n] (원본유지)원래 형태를 유지하기때문에 import numpy as np # arr = np.arange(10,20,1) # for item in arr: # print(item) enumerate: 열거하다 / 위치와 값을 찍는다 # for idx,item in enumerate(arr): # print(idx, item) 0 10 1 11 2 12 3 13 # slicing arr = np.arange(0,5,1) print(arr) tmp = arr[0:3] print(tmp) arr[0] = 100 print(ar..

# 이번에는 Numpy에 대해서 알아보아요! # python의 numpy module은 Vector(1차원)와 Matrix(2차원)연산에 있어서 상당한 편의성을 제공하는 모듈 # Machine Learning과 Deep Learning의 기본 Module # ndarray(n-dimensional array) - 데이터타입 # ndarray의 특징 # 1. python의 list와 상당히 유사하게 생겼어요! # 2. python의 list는 각기 다른 데이터 타입을 저장할 수 있어요! ex) a = [1, True, 'Hello', 3.14] # 3. ndarray는 동일한 데이터 타입만 사용할 수 있어요! # 4. list와 상당히 유사하지만 수학적 계산 속도면에서 비교가 불가능할 정도로 ndarray..