| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 |
- 유도클래스
- 참조자
- 다형성
- 기본클래스
- C++
- 얕은복사
- STL
- 주피터
- c++코딩테스트합격자되기
- 동적바인딩
- 코드잇
- 코딩테스트
- OpenCV
- list comprehension
- 람다식
- 인프런
- 프로그래머스lv2
- 데이터사이언스
- OOP
- 연산자오버로딩
- 제네릭프로그래밍
- 스택
- python
- 상속
- 깊은복사
- 포인터
- 11382번
- 백준
- 멤버함수로구현
- 점프투파이썬
- Today
- Total
목록Python/Python : Jupyter (11)
WjExplor Story
판다스 공부하기 위해서 index 까지는 무조건 이해해야한다. https://www.inflearn.com/courses/lecture?courseId=324238&tab=curriculum&type=LECTURE&unitId=109360 판다스 Index객체 이해 | [개정판] 파이썬 머신러닝 완벽 가이드판다스 Index객체 이해www.inflearn.com
DataFrame 데이터 값들을 수정해 보자.Double Stacker King 로우에 sodium 칼럼의 NaN 값을 수정해 보자.burger_df.loc['Double Stacker King','sodium']# nan값을 수정하려면 이 위치에 새로운 값을 저장해 주면 된다.burger_df.loc['Double Stacker King','sodium'] = 1.9burger_df.loc['Double Stacker King','sodium']# 1.9값을 하나만 바꾸어 줄 수 있고 아니면 아예 한 줄 통째로 수정할 수 있다.로우 한 줄을 수정할 수 있고, 칼럼 한 줄을 수정할 수 있다.로우 한 줄을 수정하는 걸 배워보자.Cheese Whopper의 값을 가져오자.burger_df.loc['Chees..
DataFrame에서 특정 조건에 맞는 데이터를 필터링하는 방법을 알아보자. Numpy array에서 불린 인덱싱을 진행하였다. 유사한 개념이다.예를 들어 칼로리가 500 미만의 상품들만 데이터를 확인하고 싶다면 우선 칼로리 컬럼을 먼저 받아보자burger_df['calories']이렇게 Pandas Series 가 나온다. 1차원 Numpy array 랑 꽤나 유사하다.여기에 불린 연산을 해보자.burger_df['calories'] 각 제품이 500 칼로리 미만인지 아닌지에 대한 불린 값들이 쭉 나온다.True 값이면 500 미만 칼로리 제품이라는 것이다. False 이면 500 이상 칼로리 제품이라는 것이다.type(burger_df['calories'] type을 확인해 보니 Pandas Seri..
실제 데이터를 불러와서 사용해 보자.Pandas를 쓰면 외부 데이터를 간편하게 불러올 수 있다.. csv 파일 형태를 사용해 보자.Comma-Separated Values (값들이 쉼표로 나뉘어 있다)값들이 쉼표로 구분되어 있다는 의미이다.쉼표들로 값들이 분리되어 있다.csv 파일의 첫 줄에는 칼럼 이름이 쉼표로 분리되어 있다. 칼럼 이름이 나와있는 첫 줄을 헤더(header)라고 부른다.그리고 그다음 줄부터는 실제 데이터가 들어가 있다.헤더가 없는 Buger2.csv 파일도 준비되었다.파일에 헤더가 있는지 없는지 잘 확인하고 사용해야 한다.주피터에 csv 파일을 읽어보자import pandas as pdbuger_df = pd.read_csv("data/burger.csv")buger_dfcsv 파일에..
NumPy는 복잡한 수학 연산을 할 때 사용되나 표 형태 데이터에서는 불리한 측면이 있다.Numpy 안에 Pandas 라이브러리를 이용하여 사용하게 되면 편리한 기능을 사용할 수 있다.Pandas는 표 형태의 데이터를 간편하게 다루고 싶을 때 사용한다.import pandas as pddf = pd.DataFrame({ 'category': ['skirt', 'sweater', 'coat', 'jeans'], 'quantity': [10, 15, 6, 11], 'price': [30000, 60000, 95000, 35000]})dfpd.DataFrame() 함수에 python dictionary를 파라미터로 넘겨줬다.di..
title 부터 ylabel 까지 한글로 작성하게 되면 오류 메시지가 나타난다.import numpy as npimport matplotlib.pyplot as pltheight_array = np.array([ 165, 164, 155, 151, 157, 162, 155, 157, 165, 162, 165, 167, 167, 183, 180, 184, 177, 178, 175, 181, 172, 173, 169, 172, 177, 178, 185, 186, 190, 187])weight_array = np.array([ 62, 59, 57, 55, 60, 58, 51, 56, 68, 64, 57, 58, 64, 79, 73, 76, 61, 65, 83, 80, 67, 8..
실습 설명어떤 회사 직원들의 나이와 연봉 정보를 시각화해 봅시다. 아래 요구 사항을 모두 지켜서 실습 결과와 동일한 그래프를 그려 보세요. 오타와 띄어쓰기에 주의해 주세요!그래프 제목: Age and Salaryx축 제목: Agey축 제목: Salary($)점의 색깔: 빨간색(red)점의 모양: 네모실습 결과출처 : 코드잇import numpy as npimport matplotlib.pyplot as pltage_array = np.array([ 27, 25, 29, 22, 26, 28, 40, 42, 34, 31, 37, 36, 40, 32, 41, 47, 52, 49, 51, 50, 49, 46, 47, 46, 47, 45, 57, 58, 60, 56])salary_array = np.array([..
import numpy as npimport matplotlib.pyplot as pltheight_array = np.array([ 165, 164, 155, 151, 157, 162, 155, 157, 165, 162, 165, 167, 167, 183, 180, 184, 177, 178, 175, 181, 172, 173, 169, 172, 177, 178, 185, 186, 190, 187])weight_array = np.array([ 62, 59, 57, 55, 60, 58, 51, 56, 68, 64, 57, 58, 64, 79, 73, 76, 61, 65, 83, 80, 67, 82, 88, 62, 61, 79, 81, 68, 83, 80])산점도를 그려보자..