Pandas쉽고 직관적인 관계형 또는 분류된 데이터로 작업할 수 있도록 설계된 빠르고 유연하며 표현이 풍부한 데이터 구조를 제공하는 Python 패키지데이터 분석을 위한 핵심라이브러리로써 고유한 자료구조인 Series와 DataFrame을 활용하여 빅데이터 분석에 엄청난 수준의 퍼포먼스를 발휘함Series(index 있음)와 DataFrame은 numpy(선형대수)(index 없음)의 1차원 2차원 array와 유사함간단한 차이점은 array에 index가 있는 형태Pandas로 할 수 있는 기능빠른 Indexing, Slicing, Sorting 하는 기능두 데이터 간의 Join(행, 열 방향) 기능데이터의 피봇팅 및 그룹핑데이터의 통계 및 시각화 기능외부 데이터를 입력 받아 Pandas 자료구조로 저..

# % 한글이 깨지는 경우 from matplotlib import font_manager, rc import matplotlibimport platform if platform .system() == 'Windows': # 원도우인 경우 font_name =font_manager.FontProperties(fname ='c:/Windows/Fonts/malgun.ttf').get_name() rc('font', family = font_name) else: # MAC인 경우 rc('font', family= 'AppleGothic')matplotlib.rcParams['axes.unicode_minus'] = False

설치 방법vscode에 python설치, 주피터 설치넘파이파이썬으로 행렬, 수치 계산 등 데이터를 다루기 쉽게 도와주는 유명 데이터 조작 라이브러리N차원 배열 생성 - np.array()코드import numpy as np# 1차원 배열arr = np.array([1, 2, 3])print(arr)>> [1 2 3]print(type(arr))>> #2차원 배열arr = np.array([[1, 2, 3], [4, 5, 6]])print(arr)>> [[1 2 3] [4 5 6]]#튜플로 1차원 배열 만들기tpl = (4, 5, 6)arr = np.array(tpl)print(arr)>> [4 5 6]#리스트로 2차원 배열 만들기lst = [[1, 2, 3], [4, 5,..

정규표현식(Regular Expression)정규 표현식이란 문자열을 처리하는 방법 중의 하나로 특정한 조건의 문자를 ‘검색’하거나 ‘치환’하는 과정을 매우 간편하게 처리할 수 있도록 하는 수단Python 뿐만 아니라 문자열을 처리하는 모든 곳에 사용됨정규 표현식의 특징대소문자 구분띄어쓰기 수 구분정규표현식의 필요성정규 표현식을 이용하면 직관적이고 간편한 코드를 짤 수 있고 복잡한 문자열의 규칙 등을 쉽게 치환할 수 있음유효성 검사를 할 수 있음정규표현식을 사용하면 특정 패턴이나 형식에 따라 입력 문자열의 유효성을 검사하여 이메일 주소, 전화번호 등이 예상 구조 및 형식을 따르는지 확인할 수 있으므로 작업 중인 데이터의 정확성과 무결성을 보장하는데 도움이 됨패턴을 통해 데이터 추출 및 변환 가능정규 표현..

gcd() 함수최대공약수 구하기import mathprint(math.gcd(20, 45)) # 5print(math.gcd(20, 60, 100)) # 20

typetype(object)입력 값의 자료형이 무엇인지 알려준다.zipzip(*iterable)동일한 개수로 이루어진 자료형을 각각 하나씩 묶어준다.>>> list(zip([1, 2, 3], [4, 5, 6]))[(1, 4), (2, 5), (3, 6)]>>> list(zip([1, 2, 3], [4, 5, 6], [7, 8, 9]))[(1, 4, 7), (2, 5, 8), (3, 6, 9)]>>> list(zip("abc", "def"))[('a', 'd'), ('b', 'e'), ('c', 'f')]absabs(x)어떤 숫자를 입력 받으면 그 숫자의 절댓값을 돌려준다abs(-3)>>> 3allall(x)반복 가능한 (iterable) 자료형을 입력 인수로 받으며, 이 x의 요소가 모두 참이면 Tru..