DeepHive :: BeeHive

이번에는 numpy array의 차원, 크기, 길이 함수를 알아보는 ndim, shape, len 함수를 알아보려고 합니다. 1. 배열의 차원 (Dimension) import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr.ndim) # 출력: 1 위의 예시에서 배열 arr의 차원은 1입니다. 즉, 1차원 배열임을 나타냅니다. 배열의 크기(shape)는 각 차원의 길이를 튜플로 표현한 것 입니다. 2. 배열의 크기 (Shape) import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(arr.shape) # 출력: (3, 3) 배열 arr의 크기(shape)는 (3, 3)입니다...

판다스(Pandas)의 시리즈(Series)는 1차원 데이터 구조로, 인덱스(index)와 값(value)으로 구성된 데이터를 담는 객체입니다. Series 는 열(column) 또는 변수(variable)를 나타내는 데에 자주 사용됩니다. Series 는 NumPy 배열과 유사하며, 인덱스를 통해 각 값에 접근할 수 있습니다. Series 의 특징 Series 는 다음과 같은 특징을 가지고 있습니다. 값의 정렬: 시리즈는 값의 정렬을 지원합니다. 기본적으로 인덱스에 따라 값이 정렬되어 있습니다. 유연한 인덱싱: 시리즈는 사용자가 지정한 인덱스를 사용하여 데이터에 접근할 수 있습니다. 인덱스는 숫자, 문자열 또는 기타 자료형으로 구성될 수 있습니다. 누락된 데이터 처리: 시리즈는 누락된 데이터를 표현하기..

딕셔너리(Dictionary)는 인덱스(index)를 사용하여 특정 키(key)에 해당하는 값을 검색할 수 있습니다. 딕셔너리에서는 숫자 인덱스를 사용하는 것이 아니라 키를 사용합니다. 예를 들어, 다음과 같은 딕셔너리를 가정해봅시다 student_scores = {'John': 90, 'Emily': 85, 'Daniel': 95, 'Sarah': 88} 이 딕셔너리는 학생들의 이름과 점수를 저장하고 있습니다. 이제 'John'의 점수를 얻기 위해 다음과 같이 인덱싱을 사용할 수 있습니다. john_score = student_scores['John'] print(john_score) 출력 결과는 90이 될 것입니다. 여기서 'John'이 키이고, 해당하는 값은 90입니다. 딕셔너리에서는 키를 사용하여..

DataFrame을 생성하고 조작하는 방법과 주요 함수들을 소개하려고합니다. DataFrame의 생성 DataFrame을 생성하는 방법에는 여러 가지가 있습니다. 가장 일반적인 방법은 다음과 같이 딕셔너리, 리스트, 배열 등의 데이터를 활용하여 생성하는 것입니다. import pandas as pd # 딕셔너리를 사용한 DataFrame 생성 data = {'Name': ['John', 'Alice', 'Kate'], 'Age': [25, 28, 32], 'City': ['New York', 'London', 'Paris']} df = pd.DataFrame(data) # 리스트를 사용한 DataFrame 생성 data = [['John', 25, 'New York'], ['Alice', 28, 'Lon..

pop() 메서드는 딕셔너리에서 주어진 키(key)를 삭제하고 해당 키의 값을 반환하는 메서드입니다. 이를 통해 딕셔너리에서 특정 키를 제거할 수 있습니다. pop() 메서드를 사용하여 딕셔너리에서 키를 제거하는 예시입니다. my_dict = {'name': 'John', 'age': 25, 'city': 'New York'} age_value = my_dict.pop('age') print(my_dict) print(age_value) 위의 코드에서 my_dict.pop('age')를 사용하여 'age' 키를 삭제하고 해당 값인 25를 반환합니다. pop() 메서드는 삭제된 키의 값을 반환하기 때문에 age_value 변수에 저장하여 이후에 사용할 수 있습니다. pop() 메서드의 활용 /키 값의 수정..