geniustupid

카데고리컬 데이터라고 말한다.

생성된 카테고리의 정보를 알려준다.

 데이터의 카테고리화,

각각의 결과.

- 데이터의 길이 (개수 Length) 사용.

- 범주의 개수

변수명.categories 

카테고리 별 카운트는. 

.value_conts()

pandas _ python

- Series Class는 1차원 ? 이라고 말함.

인덱스 ( index ) + 값 ( Value)

- data frame class : 2차원? 

테이블 (행과 열) 형태로 보기 쉬움.

※ numpy 는 계산에 특화되어 있다면 pandas는  보는 것에? 특화되어 있다고 들음.

import pandas as pd

알리야스는 pd  주로 사용한다.

pop =  pd.Series([ 100000,200000,300000,400000])

0     100000

1     200000

3     300000

4     400000

이렇게 지정할 수 있다.

키 : 밸류 값과 같은 개념? 으로 인덱스 번호 대신 키 값을 저장할 수 있다.  *지정

pop = pd.Series([100000,200000,300000,400000],
         index = ['십만','이십만','삼십만','사십만'])

십만        100000

이십만     200000

삼십만     300000

사십만     400000

이런식으로 나옴.

보통의 데이터와 다르게  pandas는 데이터를 보기 쉽게 컬럼명?을 지정 할 수 있다.

pop.index.name='숫자명'

이렇게 코드를 치면

숫자명

십만        100000

이십만     200000

삼십만     300000

사십만     400000

연산도 가능하다.

pop / 100000

숫자명

십만        1

이십만     2

삼십만     3

사십만     4

이렇게 나옴.

인덱싱도 가능함.

pop[3]

400000

나올거임.

이유는 저장을 안해서 그런다고 생각하면 됨.

pop['십만']

하면 100000 이 나옴.

인덱싱은

pop['십만':삼십만]

하면 인덱싱 번호와는 다르게 키 값은 포함되어서 나옴.

포함하기 때문에  삼십만 , 300000 까지 나옴

numpy.arange(1,51).reshape(5, 10)

위 코드를 작성하면 아래처럼 결과가 나온다. 

array([[ 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],
       [31, 32, 33, 34, 35, 36, 37, 38, 39, 40],
       [41, 42, 43, 44, 45, 46, 47, 48, 49, 50]])

reshape는  세로 5, 가로 10이 나온다.

(파이썬에서 .reshape 는 키워드? 테이블의 모양을 만들수 있다.   (.) 쩜. 있어야한다.

 .reshape(행,열 ).reshape(행,열)   <- 이런식으로 여러번 쓸 수 있다. 의미는 없고. 마지막으로 지정한 값으로 나온다.

행열 이라고 하는데, 행열은 가로 세로를 뜻하면 

가로가 5줄 세로가 10줄이라고 생각할 수 있는데. 

행으로 가는것이 5개라고 생각하면 헷갈림에서 벗어날 수 있다.

한 번 잘못 헷갈리는 순간 빠져나오기 힘든 사고 방식이 생기니.

감각적으로 외우는 것이 좋을거같다.

위에 2차원 배열(테이블같이 생긴거)을 변수명 [arr]으로 지정하주고.

23번과 38번을 뽑으려면

  [ [행, 행]  , [열, 열] ]

위의 공식을 이용하면 된다고 한다.

※  (: 클론)   > 클론은  시작값 : 끝값이니 쓰지않고.

( , 쉼표)를 사용한다. 왜? > 한 개만 뽑으니까.

arr [  [2,3]  ,  [2,7]  ]

이런식으로 하면 

23, 38을 뽑을 수 있다.

• Boolean : True/False
• True 값은 출력
• Faslse 값은 출력하지 않음
  • 조건에 해당하는 (True)인 값들만 출력할 때 사용 > 필터링
  • 조건에 해당하는 값이 존재하는지 파악할 때 사용

sum : 합계

mean : 평균

abs : 절대값

등이 있다. 평균은 보통 average가 있는거같은데,

영어에서 숫자 같은 수학적의미의 평균은

mean으로 쓰여 파이썬에서도 mean을 쓰는것같다.

찾아보니 mean 말고도 median 메디안?이라고 중간값이 있다.

Tip.

테이블 회전하는법.

테이블명.T

- 파이썬 자료형 list 와 비슷함 ( 같다는 것은 아니고) 

- 빠르고 효율적인 산술연산을 함

- 반복문 없고 전체 데이터 배열 연산이 가능함.

1. numpy (넘파이)라고 읽는다.

라이브러리에서 import 한다. 

import numpy as np

보통 as( alis:알리야스) 라는 별칭을 이용해 np 라고  많이 쓰는 듯.

2. numpy.array

2. numpy는 N차원의 형태로 구성이 가능하다.

(index:인덱스)가 부여되어있다. 그 말은 순서가 있다는 말이기에 

인덱싱과 슬라이싱이 가능하다. 

( 숫자 시작 : 숫자 미만 ) 

list1 = [1,2,3,4,5]
list1

# 이렇게 나온듯 >> [1, 2, 3, 4, 5]

array1 = np.array(list1)
array1

#이렇게 나온듯 >> array([1, 2, 3, 4, 5])

array1+array1

#이렇게 나온듯 >> array([ 2,  4,  6,  8, 10])

배열과 배열이 더해진다.

자바에서 할 수 있었는지 모르겠다.

3. numpy.full

# numpy.full
# 풀 이런 것은.. 채우다? 라고 한다.


np_full = numpy.full((5,5), 3)
변수명 = 넘피. 풀 (2차원 배열 숫자) , 채울 숫자)

array([[3, 3, 3, 3, 3],
       [3, 3, 3, 3, 3],
       [3, 3, 3, 3, 3],
       [3, 3, 3, 3, 3],
       [3, 3, 3, 3, 3]])

4. numpy - shape (모양)

배열(테이블) 모양을 다시 설정할 수 있다.

대신 데이터의 갯수가 같아야 된다고 한다.

세로 4개, 가로 5개인 2차 배열 (테이블이라고해야하나?)

컬럼, 로우, 종, 횡 을 헷갈리지만..

[3, 3, 3, 3, 3],
[3, 3, 3, 3, 3],
[3, 3, 3, 3, 3],
[3, 3, 3, 3, 3],