달나라 노트

numpy에서 T attribute는 numpy array를 transpose해줍니다. 좀 직관적으로 이해하려면 흔히 말하는 행과 열을 바꿔준다는 느낌으로 받아들이면 될 것 같습니다. 아래 예시를 봅시다. import numpy as np arr_test = np.array( [ # 1차 array [1, 2, 3, 4, 5], [1, 2, 3, 4, 5], [1, 2, 3, 4, 5] # 2차 array ] ) print(arr_test) print(arr_test.shape) arr_test_t = arr_test.T print(arr_test_t) print(arr_test_t.shape) -- Result [[1 2 3 4 5] [1 2 3 4 5] [1 2 3 4 5]] (3, 5) [[1 1 ..

numpy의 ndim attribute는 어떤 array가 몇차원인지를 알려줍니다. 아래는 ndim attribute를 사용한 예시입니다. import numpy as np arr_test = np.array( [1, 2, 3, 4, 5] # 1차 array ) print(arr_test) print(arr_test.ndim) -- Result [1 2 3 4 5] 1 import numpy as np arr_test = np.array( [ # 1차 array [1, 2, 3, 4, 5], [1, 2, 3, 4, 5], [1, 2, 3, 4, 5] # 2차 array ] ) print(arr_test) print(arr_test.ndim) -- Result [[1 2 3 4 5] [1 2 3 4 5] ..

import numpy as np arr_test = np.array( [ # 1차 array [1, 2, 3, 4, 5], [1, 2, 3, 4, 5], [1, 2, 3, 4, 5] # 2차 array ] ) print(arr_test) print(arr_test.size) print(arr_test.shape) -- Result [[1 2 3 4 5] [1 2 3 4 5] [1 2 3 4 5]] 15 (3, 5) 위 예시를 봅시다. 2차원 array를 만들고 size와 shape attribute를 적용시켰습니다. size attribute는 array에 존재하는 모든 요소의 개수를 알려줍니다. 위 예시의 array는 5개의 요소를 가진 array가 총 3개 들어있는 2차원 array입니다. 이것을 ..

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 == ..