티스토리

오늘도 난, 하하하

검색하기

블로그 홈

오늘도 난, 하하하

eunguru.tistory.com/m

무채색 인간,

구독자: 23

방명록 방문하기

주요 글 목록

[Pandas] 기술통계 계산 2 pandas_statistics2 기술 통계 계산 2 import pandas as pd from pandas import Series, DataFrame import numpy as np from numpy import nan as NA 1. Series 객체에서 누락된 데이터 골라내기 1) dropna 메서드 이용(대표적인 방법) dropna 메서드는 series 객체를 반환 s1 = Series([1, NA, 3.4, NA, 8]) s1 0 1.0 1 NaN 2 3.4 3 NaN 4 8.0 dtype: float64 s1.dropna() 0 1.0 2 3.4 4 8.0 dtype: float64 2) boolean 색인을 이용해서 직접 계산 후에 가져오기 s1.notnull() 0 True 1 Fa.. 공감수 1 댓글수 0 2018. 6. 3.
[Pandas] 기술통계 계산 1 pandas_statistics 기술 통계 계산 pandas는 일반적인 수학/통계 메서드를 가지고 있음 pandas의 메서드는 처음부터 누락된 데이터를 제외하도록 설계 됨 전체 row나 column의 값이 NaN이 아니라면 NaN 값은 제외하고 계산 import pandas as pd from pandas import Series, DataFrame import numpy as np df = DataFrame([[1.4, np.nan], [7.1, -4.5], [np.nan, np.nan], [0.75, -1.3]], index=['a', 'b', 'c', 'd'], columns=['one', 'two']) df one two a 1.40 NaN b 7.10 -4.5 c NaN NaN d 0.75 -1.. 공감수 1 댓글수 0 2018. 6. 3.
Confusion matrix, accuracy, f1 score, precision, recall confusion_matrix 혼동행렬(Confusion Matrix) Classification 머신러닝 모델이 제대로 작동을 했는지 혼동을 했는지 알아볼 수 있는 행렬행(row)는 실제 클래스, 열(column)은 예측한 클래스 import seaborn as sns import pandas as pd import matplotlib.pyplot as plt from pandas import DataFrame %matplotlib inline sns.set(font_scale=2) 1. Basic confusion matrix seaborn의 heatmap은 confusion matrix를 시각화 하는 함수 색상이 밝으면 높은 숫자, 색상이 어두우면 낮은 숫자를 나타냄 arr = [[5,0,0,0],.. 공감수 1 댓글수 0 2018. 5. 28.
[Pandas] 정렬과 순위 pandas_align 정렬과 순위 1. 정렬 정렬은 기준, 즉 row index 순, column index 순 등 필요 import pandas as pd from pandas import Series, DataFrame import numpy as np df = DataFrame(np.random.randn(4,3), columns=list('bde'), index=['seoul', 'busan', 'daegu', 'incheon']) format = lambda x: '%.2f' % x df['e'].map(format) seoul 0.35 busan 0.08 daegu 0.89 incheon -0.44 Name: e, dtype: object s1 = df['e'].map(format) s1 s.. 공감수 1 댓글수 1 2018. 5. 6.
[Pandas] 함수 적용과 매핑 pandas_function_mapping 함수 적용과 매핑 import pandas as pd from pandas import Series, DataFrame import numpy as np df = DataFrame(np.random.randn(4,3), columns=list('bde'), index=['seoul', 'busan', 'daegu', 'incheon']) df b d e seoul 1.308334 -1.880615 1.231262 busan -0.595209 -0.737108 -0.358211 daegu -0.780211 0.210827 -1.634598 incheon 0.981662 -0.760076 -2.558003 numpy.random 모듈에 있는 randn함수는 정규분포.. 공감수 0 댓글수 0 2018. 5. 6.
[Pandas] Operation pandas_operation Pandas Operation 1. index가 다른 객체들의 산술연산 연산: 공통인 요소에 대해서만 연산을 하고 나머지는 NaN import pandas as pd from pandas import Series, DataFrame import numpy as np 1) Series 객체의 산술연산 s1 = Series([5, 6, -1, 2], index=['a', 'c', 'd', 'e']) s1 a 5 c 6 d -1 e 2 dtype: int64 s2 = Series([3, 4, -1, 2, 7], index=['a', 'c', 'e', 'f', 'g']) s2 a 3 c 4 e -1 f 2 g 7 dtype: int64 s1+s2 a 8.0 c 10.0 d NaN .. 공감수 0 댓글수 0 2018. 5. 6.
[Pandas] Index 객체, reindex pandas_index Index 객체, reindex 표 형식의 데이터에서 각 행과 열에 대한 헤더(이름)과 다른 메타데이터(축의 이름)를 저장하는 객체 Series나 DataFrame 객체를 생성할 때 사용되는 배열이나 또는 순차적인 이름은 내부적으로 색인으로 변환됨 import pandas as pd from pandas import Series, DataFrame import numpy as np 1. Index 객체 obj = Series(range(3), index=['a', 'b', 'c']) obj a 0 b 1 c 2 dtype: int64 idx = obj.index idx Index(['a', 'b', 'c'], dtype='object') idx[1] 'b' idx[1:] Index.. 공감수 2 댓글수 0 2018. 5. 6.
[Pandas] DataFrame pandas_dataframe.md DataFrame 객체 Pandas의 기본 자료구조, 2차원 배열 또는 리스트, Data Table 전체를 포함하는 objet Row와 column index가 존재 각 column은 서로 다른 데이터 타입을 가질 수 있음 Series를 모아서 만든 data table 기본적으로 csv 포맷을 지원, 구분자로 column이 구분된 데이터는 모두 지원 R언어 data.frame과 비슷 import pandas as pd from pandas import Series, DataFrame import numpy as np 1. DataFrame 생성 DataFrame 객체를 생성하는 방법: dictionary 또는 numpy 배열 사용 a = pd.DataFrame([[1,.. 공감수 2 댓글수 0 2018. 4. 30.
[Pandas] Series 객체 pandas_series (2).md Pandas 구조화된 데이터의 처리를 지원하여 데이터 분석 및 가공에 사용되는 파이썬 라이브러리 파이썬 계의 엑셀 고성능 Array 계산 라이브러인 numpy와 통합하여 강력한 스프레시트 처리기능을 제공 인덱싱, 연산용 함수, 전처리 함수 등을 제공 Series 객체 1차원 배열과 같은 자료구조, index가 같이 출력됨 DataFrame의 한 개의 column에 해당하는 데이터의 모음 object, 즉, column vector를 표현 정렬되지 않은 값 import pandas as pd from pandas import Series, DataFrame import numpy as np 1. Series 생성 obj = Series(['a', 'b', 'c', 'd.. 공감수 2 댓글수 0 2018. 4. 29.
[Numpy] 브로드캐스트. 기타활용 5_numpy.md Numpy 브로드캐스트(broadcast)와 기타 활용 1. 브로드캐스트 shape가 다른것끼리 연산을 하는것 import numpy as np a = np.array([[1,2], [3,4]]) b = 10 c = a*b print(c) [[10 20] [30 40]] x = np.array([[1,2], [3,4]]) y = np.array([10, 20]) z = x*y print(z) [[10 40] [30 80]] x = np.array([[11,21], [34,43], [0,9]]) print(x, x.shape) [[11 21] [34 43] [ 0 9]] (3, 2) [11 21] [34 43] [0 9] for row in x: print(row) [11 21] [34.. 공감수 0 댓글수 0 2018. 4. 24.
[Numpy] 자료형, type(), dtype, arange() 4_numpy.md Numpy의 자료형(Data type) 1. 자료형의 종류 1) 정수형(int: integer) 부호가 있는 정수형: int8, int16, int32, int64 부호가 없는 정수형: uint(unsigned integer): uint8, uint16, uint32, uint64 2) 실수형(float) float16, float32, float64 3) 복소수(complex) complex64: 두개의 32비트 부동 소수점으로 표시되는 복소수 complex128: 두개의 64비트 부동소수점으로 표시되는 복소수 4) 부울형(boolean) True, False 2. 데이터 타입을 알아보기 위한 type(), dtype 속성 1) type(), dtype import numpy as .. 공감수 1 댓글수 0 2018. 4. 24.
[Numpy] 연산 3_numpy.md numpy 연산 1. 연산자 이용 연산자를 이용할 경우에는 +, -, *, / import numpy as np a = np.array([1,2,3]) b = np.array([4,5,6]) c = a+b print(c) [5 7 9] c = a-b print(c) [-3 -3 -3] c = a*b print(c) [ 4 10 18] c = a/b print(c) [0.25 0.4 0.5 ] 2. 함수 이용 함수를 이용할 경우 add(), subtract(), multiply(), divide() import numpy as np a = np.array([1,2,3]) b = np.array([4,5,6]) c = np.add(a, b) print(c) [5 7 9] c = np.su.. 공감수 0 댓글수 0 2018. 4. 24.
[Numpy] slicing, indexing 2_numpy.md Slicing, indexing import numpy as np 1. Slicing list = [[1,2,3], [4,5,6], [7,8,9]] arr = np.array(list) a = arr[0:2, 0:2] print(a) [[1 2] [4 5]] b = arr[1:, 1:] print(b) [[5 6] [8 9]] 2. Indexing 1) Integer indexing list = [[1,2,3,4], [5,6,7,8], [9,10,11,12]] c = np.array(list) res = c[[0,2], [1,3]] print(res) [ 2 12] 2) Boolean indexing list = [[1,2,3], [4,5,6], [7,8,9]] d = np.array.. 공감수 0 댓글수 0 2018. 4. 24.
[Numpy] numpy 배열, 배열 생성 함수 1_numpy.md Numpy 배열, 배열 생성 함수 1. Numpy 과학계산을 위한 라이브러리로 다차원 배열을 처리하는데 필요한 여러 기능을 제공 Numpy를 사용하기 위해 import 함 import numpy as np 2. Numpy 배열 Numpy에서 배열은 동일한 타입의 값들을 가짐 rank: 배열의 차원 shape: 각 차원의 크기를 tuple로 표시한 것 Numpy에서 배열의 타입은 ndarray 3. Numpy 배열 생성 1) 파이썬의 리스트를 사용하는 방법 array()함수의 인자로 리스트를 넣어 생성 list1 = [1,2,3,4] a = np.array(list1) print(a) print(a.shape) [1 2 3 4] (4,) b = np.array([[1,2,3],[4,5,.. 공감수 3 댓글수 0 2018. 4. 16.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.