Pandas 여정을 진행하면서 기본을 넘어 데이터 조작 기술에 정교함을 더하는 몇 가지 강력한 기술을 살펴보겠습니다. 1. DataFrame 병합 및 연결 여러 소스의 데이터를 결합하는 기술을 자세히 살펴보세요. DataFrame 병합과 연결의 차이점을 이해하고 다양한 유형의 조인을 처리하는 방법을 알아보세요. # Concatenate DataFrames vertically result = pd.concat([df1, df2]) # Merge DataFrames based on a common column merged_df = pd.merge(left_df, right_df, on='common_column', how='inner') 설명 연결: pd.concat()은 DataFrame을 수직으로 쌓는 ..

Pandas는 가장 인기 있고 강력한 Python용 데이터 분석 라이브러리 중 하나입니다. 사용하기 쉬운 데이터 구조와 구조화된 데이터 작업을 위한 도구를 제공합니다. 이 글에서는 데이터 분석에 Pandas를 사용하는 방법에 대한 실용적인 소개를 살펴보겠습니다. Pandas 가져오기 Pandas를 사용하려면 먼저 Pandas를 가져와야 합니다. import pandas as pd 일반적으로 pd를 약어로 사용하여 Pandas를 가져오는 것이 일반적입니다. Pandas DataFrame 만들기 Pandas DataFrame은 다양한 데이터 유형(string, number, boolean 등)을 열에 저장할 수 있는 2차원 레이블이 지정된 데이터 구조입니다. 스프레드시트나 SQL 테이블과 비슷합니다. dic..

Python에서 OpenCV를 사용하여 Sharpening 하는 방법에 대해 알아보겠습니다. Sharpening Sharpening 기법은 Bluring과 반대되는 개념으로, 초점이 잘 맞은 사진처럼 사물의 윤곽이 뚜렷하고 선명한 느낌이 나도록 하는 것이다. 설치 Python 에서 OpenCV 를 사용하기 위해 패키지를 설치합니다. $ pip install opencv-python 예제 원본 이미지에 여러가지의 커널을 적용하여 선명하게 표현하였습니다. import cv2 import numpy as np import matplotlib.pyplot as plt image = cv2.imread('images/lenna.png', cv2.IMREAD_GRAYSCALE) # 커널 생성(대상이 있는 픽셀을 강..

나도코딩 님의 파이썬 코딩 무료 강의 (기본편)을 보면서 작성하였습니다. 기본 시작 함수 def open_account(): print("새로운 계좌가 생성되었습니다.") def deposit(balance, money): # 입금 print("입금이 완료되었습니다. 잔액은 {0} 원입니다.".format(balance + money)) return balance + money def withdraw(balance, money): # 출금 if balance >= money: # 잔액이 출금보다 많으면 print("출금이 완료되었습니다. 잔액은 {0} 원입니다.".format(balance - money)) return balance - money else: print("출금이 완료되지 않았습니다. 잔액..

나도코딩 님의 파이썬 코딩 무료 강의 (기본편)을 보면서 작성하였습니다. 환경설정 Python 설치 https://www.python.org/downloads/ 홈페이지 접속 후 다운로드 탭을 선택하고, 현재 버전(3.10.2) 다운로드를 합니다. 다운로드 완료 후 설치를 시작한다. Customize installation 클릭하고, install location 란에 c:\Python310 입력 후 설치 버튼을 클릭합니다. Visual Studio Code 설치 https://code.visualstudio.com/ 홈페이지 접속 후 다운로드 후 설치합니다. python 익스텐션 설치 기본 시작 주석 print("주석") #print("주석") ''' 여러문장 주석입니다. ''' 숫자처리함수 print..

Load Packages import numpy as np from PIL import Image import matplotlib.pyplot as plt %matplotlib inline 이미지 불러오기 path = 'images/dog.jpg' image_pil = Image.open(path) image = np.array(image_pil) image.shape # Out (300, 400, 3) 이미지 들여다 보기 np.min(image), np.max(image) # Out (0, 255) 그래프로 시각화하기 plt.hist(image.ravel(), 256, [0, 256]) plt.show() 그림 나타내기 plt.imshow(image) plt.show() 이미지 흑백으로 열기 image..

Python에서 matplotlib를 사용하여 시각화하는 방법에 대해 알아보겠습니다. Load Packages import numpy as np import matplotlib.pyplot as plt %matplotlib inline Basic Attributes alpha : 투명도 king : 그래프 종류 'line', 'bar', 'barh', 'kde' logy : Y축에 대해 Log scaling use_index : 객체의 색인을 눈금 이름으로 사용할지 여부 rot : 눈금 이름 돌리기 (rotating) 0 ~ 360 xticks, yticks : X, Y축으로 사용할 값 xlim, ylim : X, Y축의 한계 grid : 축의 그리드를 표현할지 여부 subplots : 각 column에..

zeros 0으로 채워진 numpy 배열을 만듭니다. np.zeros([3, 3]) # Out array([[0., 0., 0.], [0., 0., 0.], [0., 0., 0.]]) ones 1로 채워진 numpy 배열을 만듭니다. np.ones([3, 3]) # Out array([[1., 1., 1.], [1., 1., 1.], [1., 1., 1.]]) arange 하나의 값만 입력하면 1씩 증가하는 1차원 배열을 만듭니다. np.arange(10) # Out array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) 두 개의 인자를 넣으면 입력한 값의 범위만큼 배열을 만듭니다. np.arange(4, 9) # Out array([4, 5, 6, 7, 8]) reshape 1차원 배열의 ..

Numpy 기초에 대해 다뤄보겠습니다. Load Package import numpy as np data type 배열의 dtype을 봅니다. arr = np.array([[1, 2, 3], [1, 2, 3]]) arr.dtype # Out dtype('int32') .astype() 으로 datatype을 변환 가능합니다. arr = arr.astype('float32') arr = arr.astype(np.float32) # Out array([[1., 2., 3.], [1., 2., 3.]], dtype=float32) len(arr.shape)를 통해서 차원이 개수를 확인할 수 있지만, 다음과 같이 ndim을 통해 차원 수를 확인합니다. len(arr.shape) arr.ndim # Out 2 R..

Numpy 란 Numpy는 C언어로 구현된 파이썬 라이브러리로써, 고성능의 수치계산을 위해 제작되었습니다. Numerical Python의 줄임말이기도 한 Numpy는 벡터 및 행렬 연산에 있어서 매우 편리한 기능을 제공합니다. 출처: Tigercow.Door Numpy는 고차원적인 데이터를 다루기 쉽게 만들어져 있어 딥러닝을 하게 되면 많이 접하게 됩니다. 이제 Numpy 사용방법에 대해 알아보겠습니다. # Numpy 사용하기 import numpy as np 0차원 numpy array는 1 또는 5, 10와 같이 숫자 데이터를 array화 해줄 수 있습니다. arr = np.array(5); arr.shape # 배열의 형태(크기)를 나타냅니다. # Out () # shape가 아무것도 없는 것으로..