DeepHive :: BeeHive

NumPy 1차원 배열에서 원소에 접근하고 인덱싱하는 다양한 방법을 소개하고자합니다. 1. 원소 접근 NumPy 1차원 배열의 각 원소에 접근하는 가장 간단한 방법은 인덱스를 사용하는 것입니다. 인덱스는 0부터 시작하며, 대괄호([]) 안에 인덱스를 지정하여 해당 위치의 원소에 접근할 수 있습니다. import numpy as np arr = np.array([1, 2, 3, 4, 5]) # 인덱스 2에 있는 원소에 접근 print(arr[2]) # 출력: 3 위의 예시에서 arr[2]는 인덱스 2에 있는 원소인 3에 접근합니다. (0부터 체크하면 0,1,2) 2. 슬라이싱 슬라이싱은 배열의 일부분을 추출하는 방법입니다. 시작 인덱스부터 끝 인덱스 이전까지의 원소를 선택하여 새로운 배열을 생성합니다. 슬..

NumPy 배열은 데이터를 저장하는 데 사용되는 요소의 데이터 타입(dtype)을 가집니다. NumPy는 다양한 데이터 타입을 지원하며, 이를 사용자가 명시적으로 지정할 수 있습니다. 1.int 타입 예시 import numpy as np arr_int = np.array([1, 2, 3]) arr_int.dtype # 출력: int64 dtype 속성을 통해 배열의 데이터 타입을 알 수 있습니다. 2.float 타입 예시 import numpy as np arr_float = np.array([1.0, 2.5, 3.7]) print(arr_float.dtype) # 출력: float64 위의 예시에서 arr_float 배열은 64비트 부동 소수점(float64) 데이터 타입을 갖습니다. 부동 소수점 데..

NumPy 배열은 동일한 유형의 요소를 포함하는 그리드로, 다차원 데이터를 효과적으로 저장하고 처리하는 데 사용됩니다. NumPy 배열은 메모리에 연속적으로 저장되며, 빠른 연산과 벡터화된 연산을 지원하여 데이터 과학 및 수치 계산에 매우 유용합니다. 1차원 배열 import numpy as np arr_id = np.array([1, 2, 3, 4, 5]) print(arr_id) 1차원 배열은 요소가 한 줄로 나열된 형태입니다. 위의 예시에서 arr_1d는 1부터 5까지의 정수로 구성된 1차원 배열입니다. 2차원 배열 import numpy as np arr_2d = np.array([[1, 2, 3], [4, 5, 6]]) print(arr_2d) # 출력: # [[1 2 3] # [4 5 6]] ..

판다스의 대표 자료구조인 DataFrame의 데이터 접근 및 조작 방법에 대해 알아보고자합니다. DataFrame의 데이터 접근 DataFrame에서 데이터에 접근하고 조작하는 함수들은 아래와 같습니다. data = {'Name': ['John', 'Alice', 'Kate'], # 'Name' 컬럼 'Age': [25, 28, 32], # 'Age' 컬럼 'City': ['New York', 'London', 'Paris']} # 'City' 컬럼 df = pd.DataFrame(data) # DataFrame 생성 # 특정 컬럼의 값 확인 df['Column_Name'] # 특정 행의 값 확인 df.loc[row_label] # 특정 행과 열의 값 확인 df.loc[row_label, 'Column_..

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..