본문 바로가기

NumPy8

23_Python_NumPy 1. 배열(array) 기본 구조와 속성 (Ex01.py) import numpy as np# 스칼라(단일값)a = 100print(a, type(a))# 리스트b = [1,2,3,4]print(b, type(b), len(b), sum(b))# 2차원 리스트c = [[1,2,3,4],[5,6,7,8]]for i in range(len(c)): for j in range(len(c[i])): print(c[i][j], end="") print()# numpy 배열d = np.array(200)print(d, type(d))# 1차원 배열e = np.array([1,2,3])print(f"e:{e}, 차원:{e.ndim}")# 2차원 배열f = np.array([[1,2,3,4],[.. 2025. 10. 31.
numpy의 표준편차와 pandas의 표준편차 차이 ‼️ 차이점은 ddof (자유도)의 기본값 차이 ⚫np.std() (NumPy의 표준편차)기본값 ddof = 0 ⚫ Series.std() (Pandas의 표준편차) 기본값 ddof = 1 🚩 즉, 두 함수의 기본 자유도 차이(ddof)로 결과가 달라질 수 있음! 실제 값 차이 예시(n=5일 때, 단순 예시)모집단: 분모가 5 (n)표본: 분모가 4 (n-1)실기/실무에서 표본 표준편차(ddof=1)가 기본입니다. np.std() (NumPy의 표준편차)Series.std() (Pandas의 표준편차)기본값 ddof = 0기본값 ddof = 1 "어떤 방식의 표준편차를 요구하는지"공식 예시에서 pandas로 했는지, numpy로 했는지, ddof=0 또는 1인지 확인정답이 소수점 단위까지 요구될 때.. 2025. 6. 12.
Numpy 함수 정리 함수설명np.mean()평균np.median()중앙값np.std()표준편차np.var()분산np.where(condition, value_if_true, value_if_false)조건에 따라 값 선택np.percentile()분위수 계산np.isnan()NaN 여부 판단np.ceil(), np.floor(), np.trunc()올림, 내림, 버림np.log1p로그 스케일np.abs절댓값df['col'] / 1 !=0나누기 : 실수 나눗셈 결과가 0이 아닌지 확인df['col'] // 1 !=0몫 연산 : 1로 나눈 정수 몫이 0이 아닌지df['col'] % 1 !=0정수로 나눈 나머지를 구하는것 (정수인지 소수인지 확인) 2025. 5. 31.
5. numpy 기본 통계 최댓값 최소값import numpy as nparray1 = np.array([14, 6, 13, 21, 23, 31, 9, 5])print(array1.max()) # 최댓값print(array1.min()) # 최솟값315 평균값import numpy as nparray1 = np.array([14, 6, 13, 21, 23, 31, 9, 5])print(array1.mean()) # 평균값15.25  중앙값import numpy as nparray1 = np.array([8, 12, 9, 15, 16])array2 = np.array([14, 6, 13, 21, 23, 31, 9, 5])print(np.median(array1)) # 중앙값print(np.median(array2)) # 중앙값12... 2024. 6. 3.
4. numpy 불린 연산 import numpy as nparray1 = np.array([2, 3, 5, 7, 11, 13, 17 ,19 , 23, 29, 31]) array1 요소가 4보다 크면 Truearray1 > 4array([False, False, True, True, True, True, True, True, True, True, True]) array1 요소가 2로 나누었을때 나머지가 0이면 Truearray1 % 2 == 0array([ True, False, False, False, False, False, False, False, False, False, False]) wherenp.wherenp.where 함수는 조건을 만족하는 요소의 인덱스를 반환합니다. True값 .. 2024. 6. 3.
03. numpy_기본연산 (arange) import numpy as nparray1 = np.arange(10)array2 = np.arange(10, 20)array1 #array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])array2 #array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19]) 모든 값에 2곱하기array1 * 2 #array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18]) 모든 값에 2나누기array1 / 2 #array([0. , 0.5, 1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5]) 모든 값에 2 더하기array1 + 2 #array([ 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]) 모든 값에 제곱하.. 2024. 6. 3.