🚀 Python外部ライブラリのインストール

cmdウィンドウを開き、「pip installパッケージ名」を入力します.

🚀 Numpyパッケージ

numpyは、多次元配列を処理するために必要なさまざまな機能を提供する科学計算ライブラリです.

numpyでは、配列は同じタイプの値を有し、形状が配列の次元をrankと呼び、各次元の大きさをtuppyと表す.
たとえば,動作2,列3の2次元配列ではrankは2,形状は(2,3)である.

import numpy as np

a = np.zeros((2,2)) # 0으로 2행 2열 2차원 배열 생성
print(a)

a = np.ones((2,3))	#1로만 2행 3열 2차원 배열 채우면서 생성
print(a)

a = np.full((2,3),5)	#5로 2행3열 배열 채우면서 생성
print(a)

a = np.eye(3)		#대각선은 1, 그 외의 부분은 0으로 채움
print(a)


a= np.array(range(20)).reshape(4,5)	#range()로 1차원 배열 생성 후 reshape로 4행 5열 2차원 배열로 생성
print(a)

[[0. 0.][0. 0.]]
[[1. 1. 1.][1. 1. 1.]]
[[5 5 5][5 5 5]]
[[1. 0. 0.][0. 1. 0.]
[0. 0. 1.]]
[[ 0 1 2 3 4][ 5 6 7 8 9]
[10 11 12 13 14][15 16 17 18 19]]

import numpy as np

a = np.array([1,2,3])
b = np.array([4,5,6])

c = np.add(a,b) #a,b 배열 더하기
print(c)

c = np.multiply(a,b)    #a,b 배열 곱하기
print(c)

c = np.divide(a,b)  #a,b 배열 나누기
print(c)

[5 7 9][ 4 10 18]
[0.25 0.4 0.5 ]

mat1 =[[1,2],[3,4]]
mat2 =[[5,6],[7,8]]

a = np.array(mat1)
b = np.array(mat2)

c = np.dot(a,b) #행렬의 곱 구하기
print(c)

[[19 22][43 50]]

a = np.array([[1,2],[3,4]])

s = np.sum(a)   #각 배열 요소들을 더하는 sum() 함수
print(s)

#axis = 0 컬럼끼리, axis = 1 행끼리 더한다.

s = np.sum(a,axis = 0)
print(s)
s = np.sum(a,axis = 1)
print(s)

s = np.prod(a) #각 배열 요소들을 곱하는 prod() 함수
print(s)

10
[4 6][3 7]
24

🚀 Requestsパッケージ

requests.get(url)関数は、対応するWeb呼び出し結果を持つ応答オブジェクトを返します.

レスポンスオブジェクトには、HTMLレスポンスに関連する複数のプロパティがあります.たとえば、レスポンスのstatus codeプロパティをチェックすることで、HTTP Statusの結果をチェックしたり、レスポンスから返されたデータを文字列のテキストプロパティに返したりすることができます.

import requests

resp = requests.get("https://www.daum.net/")

if(resp.status_code == requests.codes.ok):
    html = resp.text
    print(html)

🚀 Pandasライブラリ

パンダはデータ分析に広く使われているPythonライブラリパッケージです.pandasは基本的に

を提供し、科学派森発行版のAnacondaに使用される.

またはコンダを使用しない場合は、pip install pandasで

をインストールできます.

パンダを使うために、まずパンダをimport

として

シリーズ(1 D)

import pandas as pd

data = [1,3,5,7,9]
s = pd.Series(data)
print(s)

0 1
1 3
2 5
3 7
4 9
dtype: int64

[DataFrame/2次元]

-PythonのDickShownaryのキーを列に変換し、valueを2 Dデータ構造Data Frameとして行に変換できます.

import pandas as pd
data = {
'year': [2016, 2017, 2018],
'GDP rate': [2.8, 3.1, 3.0],
'GDP': ['1.637M', '1.73M', '1.83M']
}
df = pd.DataFrame(data)
print(df)

year GDP rate GDP
0 2016 2.8 1.637M
1 2017 3.1 1.73M
2 2018 3.0 1.83M

データフィルタ

パンダは、特定の条件下のデータをフィルタするためにインデックスまたは属性を使用することができる.

import pandas as pd
data = {
'year': [2016, 2017, 2018],
'GDP rate': [2.8, 3.1, 3.0],
'GDP': ['1.637M', '1.73M', '1.83M']
}
df = pd.DataFrame(data)
print(df[df["year"] < 2018])

year GDP rate GDP
0 2016 2.8 1.637M
1 2017 3.1 1.73M

🚀 Matplotlibライブラリ

•Matplotlibは、Pythonで最も一般的なデータ可視化パッケージで、データをグラフまたは図面に描画します.

from matplotlib import pyplot as plt 

plt.plot([1,2,3], [110,130,120])
plt.show()
plt.plot(["Seoul","Paris","Seattle"], 
[30,25,55])
plt.xlabel('City')
plt.ylabel('Response')
plt.title("result")
plt.show()

from matplotlib import pyplot as plt

plt.plot([1,2,3], [1,4,9])
plt.plot([2,3,4],[5,6,7])
plt.xlabel('Sequence')
plt.ylabel('Time(secs)')
plt.title('Experiment Result')
plt.legend(['Mouse', 'Cat']) #라인에 대한 범례 지정 
plt.show()

y = [5, 3, 7, 10, 9, 5, 3.5, 8]
x = range(len(y))

plt.bar(x,y,width =0.7 , color = 'blue')

plt.show()