달나라 노트

어느 프로그래밍 언어에서나 데이터를 다룰 때 가장 중요한 부분 중 하나는 null, NaN, None 등의 값을 다루는겁니다. 어떤 데이터가 null 값일 때에는 다른 숫자를 return한다던지, Pandas DataFrame의 어느 위치의 값이 NaN이면 해당 위치에 다른 값을 집어넣는다던지, 어떤 변수에 할당된 값이 NaN이라면 다른 값을 해당 변수에 재할당한다던지 등의 상황이 상당히 자주 발생합니다. SQL에서는 null값을 다루기 위해 nvl, coalesce등의 함수가 있죠. 그러면 Python에서 None, NaN값을 다루기 위해선 어떻게 해야할까요? 이 방법을 알아보기 전에 Python에서 NaN과 None의 특징을 알아봅시다. import numpy as np print(np.NaN == ..

Syntax numpy.arange(start_num, end_num, gap) arange method는 위처럼 사용할 수 있습니다. start_num부터 시작해서 (start_num도 포함) end_num을 넘지 않는 숫자까지 (end_num은 포함안함) gap에 명시된 간격이 되도록 array를 생성합니다. import numpy as np arr_test = np.arange(3, 10, 1) print(arr_test) -- Result [3 4 5 6 7 8 9] 3부터 시작하여 10보다 작은 숫자 구간 내에서 1의 간격으로 array를 생성합니다. import numpy as np arr_test = np.arange(2, 11, 2) print(arr_test) -- Result [ 2 4..

array에 10이라는 숫자만 전달하면 위처럼 그냥 숫자데이터가 나옵니다. 별도로 import numpy as np arr_test = np.array(10) print(arr_test) -- Result 10 이것을 1행 1열의 데이터로 바꾸고싶으면 어떻게할까요. 이때 reshape method를 사용할 수 있습니다. import numpy as np arr_test = np.array(10) print(arr_test) arr_test = arr_test.reshape(1, 1) print(arr_test) -- Result 10 [[10]] 위처럼 reshape을 사용하면 [[10]] 처럼 1행 1열의 데이터로 변환되었습니다. - reshape(1, 1) 1 by 1(1 x 1) 데이터로 변환하라는..

numpy의 array method는 numpy array를 만들어줍니다. import numpy as np arr_1 = np.array([1, 2, 3, 4, 5]) print(arr_1) -- Result [1 2 3 4 5] 사용법은 간단합니다. array method의 인자로서 array로 만들 데이터를 전달해주면 됩니다. 위 예시는 list를 array로 만드는 예시입니다. list 속에 또 다른 list가 없고 단순히 숫자만 존재하므로 1차원 데이터입니다. import numpy as np arr_2 = np.array([[1, 2], [3, 4]]) print(arr_2) -- Result [[1 2] [3 4]] 위 예시도 동일한 형태지만 다른 점은 array로 만들 list에 있습니다...