본문 바로가기

학습 log (이론)91

'Seaborn' Seaborn 통계를 기반으로한 시각화 http://seaborn.pydata.org/ seaborn: statistical data visualization — seaborn 0.10.0 documentation Seaborn is a Python data visualization library based on matplotlib. It provides a high-level interface for drawing attractive and informative statistical graphics. For a brief introduction to the ideas behind the library, you can read the introductory note seaborn.pydata.org 확률.. 2020. 3. 4.
'시각화' 선그래프 수치를 보여주기 위한 그래프 (변화 파악) X축: 시간 관련 값 , Y축: 관찰하고 싶은 값 %matplotlib inline import pandas as pd df=pd.read_csv('broad.csv', index_col=0) df.plot(kind='line') #그래프 종류 선택, default: line 생략가능 df.plot(y=['컬럼1', '컬럼2']) #특정 값만 보기1 df[['컬럼1', '컬럼2']].plot #특정 값만 보기2 막대그래프 다양한 카테고리를 특정기준으로 비교하기 위한 그래프 (항목 비교) %matplotlib inline import pandas as pd df=pd.read_csv('sports.csv', index_col=0) df.plot(kind=.. 2020. 3. 3.
'pandas' 데이터 프레임 import pandas as pd Numpy를 상속하여 구현된 라이브러리 *Numpy의 기능 모두 지원 외부 데이터를 간편하게 읽고 쓰기 DataFrame 데이터 보관 / 정리 / 시각적 분석 *DataFrame: 표형식의 데이터 구조 (데이터 특징을 나타내는 Column과 각 객체를 나타내는 Row로 구성) int64: 정수 / float64: 소수 / object: 텍스트 / bool: 참, 거짓 / datetime64: 날짜, 시간 / category: 카테고리 Pandas 기본 사용법 import numpy as np #numpy 추가 import pandas as pd #pandas 추가 lists = [['illua', 25],['blog', 30]] # 기본 데이터 생성방법1 ids = [.. 2020. 3. 1.
'numpy' import numpy as np Numerical python 수치계산을 위한 파이썬 배열 생성 array = [[1, 2],[3, 4]] 파이썬 기본 2차원 배열 생성 array = numpy.array([1,2], [3,4]) numpy 기본 2차원 배열 생성 array = numpy.full(6, 1) 1의 값을 6개 채운 배열 생성 array = numpy.random.random(6) 랜덤 값 6개 채운 배열 생성 *랜덤객체의 랜덤함수 호출 array = numpy.arange(2, 6, 2) 숫자2부터 6-1까지의 숫자로 연속값 채우고 값 들의 간격은 2, 결과: [2, 4] numpy 배열 사용법 array.shape 행렬 크기 확인, 결과: (2, 2) 출력 array.size 행렬에 값.. 2020. 3. 1.

티스토리툴바