データ分析用のライブラリ.1

モジュール

コードが長くなる場合、すべての関数と変数を実現することはできません.
->誰かが作った関数や変数などを利用!
特定の目的を持つ関数、資料の会議

モジュールを使用!

importキーを使用したモジュールの有効化
モジュールで使用する関数/変数の使用方法を決定します.
.(dot)を書き込み、モジュール内の関数/変数aモジュールを使用します.b関数

import random

print(random.randrange(0,2))

必要なコンテンツを含むモジュールを作成できます.pyにできます.
1.pyファイルを作成した後、関数と変数を作成します.

cal.py

def plus(a,b):
	c = a + b
    return c

別のファイルで作成したpyファイルを読み込みます.

読み込まれたモジュールの関数と変数の使用

import cal
print(cal.plus(3,4)) # 7

小包

フォルダ管理モジュール

ex.
1.輸入活用

import user.cal

print (cal.plus(3,4))

from-import -> from a import b

from user.cal import plus

print(plus(3,4)) # -> cal.plus()라고 안해도 됨!

quick->urlの取得(必須)

Numpy

数値Python
大規模な多次元配列の処理を支援するライブラリ
代表的なライブラリ
1.pandas
2.numpy
3.matplotlib
Why use Numpy?
ほとんどのデータは数字で並べられているからです!
文を繰り返すことなく並べ替える
Pythonリストに比べて、より高速なコンピューティングとより効率的なメモリ使用をサポート

numpy配列を作成し、出力シェイプを確認します.
ndarray=n次元配列(n次元配列)

import numpy as np
np_arr = np.array(range(5))
print(np_arr)		# -> [0 1 2 3 4] -> 공백으로 구분 **리스트는 , 으로구분됨**
print(type(np_arr)) # -> <class 'numpy.ndaray'>

配列の基礎

Pythonリストとは異なり、同じデータ型しか格納できません!
d type

arr = np.array([0,1,2,3,4],dtype=float)
print(arr)		# ->[0.1.2.3.4.]
print(arr.dtype)	# -> 'float64'
print(arr,astype(int))	# -> [0 1 2 3 4]

配列のプロパティ
カレンダー次元に関連するプロパティ:ndim&shape(n+dimension)

#1차원 배열
list = [0,1,2,3]
arr = np.array(list)
print(arr.ndim)	# -> 1
print(arr.shape) # -> (4,)

#2차원 배열
list = [[0,1,2],[3,4,5]]
arr = np.array(list)
print(arr.ndim)  # -> 2
print(arr.shape) # -> (2,3)

Indexing&Slicing

索引:索引を使用した値の検索
ex.

#1차원
x = np.arange(7)
print(x) # -> [0 1 2 3 4 5 6]
print(x[3]) # -> 3
print(x[7]) # -> IndexError: index 7 is out of bounds
x[0] = 10
print(x) # [10,1,2,3,4,5,6]

#2차원
x = np.arange(1,13,1) -> 1부터 12까지 1씩증가
x.shape = 3,4
print(x) # -> [[1 2 3 4]
	       [5 6 7 8]
               [9 10 11 12]]
               
print(x[2,3]) # -> 12

スライス:配列の一部をインデックスとして取得する値

#1차원 배열
x = np.arange(7)
print(x) # -> [0 1 2 3 4 5 6]
print(x[1:4])  # -> [1 2 3]
print(x[1:])   # -> [1 2 3 4 5 6]
print(x[::2])  # -> [0 2 4 6]     ::2 마지막 꺼는 간격

#2차원 배열
x = np.arange(1,13,1)
x.shape = 3,4
print(x) # -> [[1 2 3 4]
	       [5 6 7 8]
               [9 10 11 12]]
print(x[1:2,:2:3]) # -> [[5]]
print(x[1:2,:2])   # -> [[5 6]
						[9 10]]
        

Boolean indexing
Boolean maskを使用して、アレイ内の各要素の選択方法を指定します.
条件を満たすデータを取得し、「真」|「偽」であるかどうかを通知します.

x = np.arange(7)

print(x[x < 3])  # -> [0 1 2]
print(x[x % 2 == 0])  # -> [0 2 4 6]

fancy indexing
インデックス配列を渡すことで、配列内の各要素の選択(検索する場所のインデックス値を表示)を指定する方法

#1차원 배열
x = np.arange(7)
print(x[[1,3,5]])   # -> [1 3 5]

#2차원 배열
x = np.arange(1,13,1).reshape(3,4)

print(x[[0,2]]) # -> [[1 2 3 4]
		      [9 10 11 12]]