TY_DataFullStack

select * from retail_data rd import numpy as np import pandas as pd import plotly.express as px #데이터 시각화 import seaborn as sns import matplotlib.pyplot as plt import plotly.graph_objects as go from wordcloud import WordCloud from mpl_toolkits.mplot3d import Axes3D import re #텍스트 데이터 정제 -> 토큰화, 단어 형태소 분석 import nltk from nltk.corpus import stopwords from nltk.tokenize import word_tokenize from nl..

1. 넘파이는 파이썬 머신러닝을 구성하는 핵심 기반으로 반드시 이해가 필요. 2. 넘파이 API는 매우 넓은 범위를 다루고 있으므로 머신러닝 애플리케이션을 작성할 때 중요하게 활용될 수 있는 핵심 개념 위주로 숙지하는 것이 좋음. 3. 넘파이는 판다스에 비해서 친절한 API를 제공하지 않음. 2차원의 데이터라면 데이터 가공을 위해서 넘파이 보다는 판다스를 이용하는 것이 보다 효율적.

단일 인덱싱 # 1에서 부터 9 까지의 1차원 ndarray 생성 array1 = np.arange(start=1, stop=10) print('array1:',array1) # index는 0 부터 시작하므로 array1[2]는 3번째 index 위치의 데이터 값을 의미 value = array1[2] # 위치 인덱스2에 해당하는 값 반환 print('value:',value) print(type(value)) array1: [1 2 3 4 5 6 7 8 9] value: 3 맨 뒤의 값/맨뒤에서 n번째 값 print('맨 뒤의 값:',array1[-1], ', 맨 뒤에서 두번째 값:',array1[-2]) 맨 뒤의 값: 9 , 맨 뒤에서 두번째 값: 8 위치 인덱스를 통해서 값 바꾸기 array1[0..

ndarray 의 데이터 타입 list1 = [1,2,3] print(type(list1)) array1 = np.array(list1) print(type(array1)) print(array1, array1.dtype) #원소들의 속성을 활용하고 싶으면 Dtype 활용 [1 2 3] int32 ndarray를 편리하게 생성하기 - arange, zeros, ones 1. np.arage sequence_array = np.arange(10) # 10개의 원소를 가지는 원디멘션 print(sequence_array) print(sequence_array.dtype, sequence_array.shape) shape를 가지는 10개의 요소를 가지고 있다 2. np.zeros #(3, 2) shape을 가..