[코드잇 : 데이터 사이언스 Toolkit] 파이썬 데이터 분석 첫걸음 - Numpy, Pandas, Matplotlib로 쉽고 강력하게 배우기

 

 

Numpy

1. Numpy란?

- Numerical Python : 수치적인 연산에 최적화된 파이썬 도구

- Numpy Array(넘파이 배열) : Python List와 유사한 자료형이지만 많은 양의 데이터를 간결한 코드로 구현

 

 

2. Numpy와 Array

[ 코드 ]

import numpy as np

print(np.zeros(5))
print(np.arange(10))
print(np.arange(2,10))  # 시작점, 끝나는 점
print(np.arange(4, 17, 3))  # 시작점, 끝나는 점, 간격

[ 출력물 ]

[0. 0. 0. 0. 0.]
[0 1 2 3 4 5 6 7 8 9]
[2 3 4 5 6 7 8 9]
[ 4  7 10 13 16]

 

 

3. 인덱싱과 슬라이싱 : 1차원 array

[ 코드 ]

import numpy as np

gdp_array = np.array([6610, 7637, 8127, 8885, 10385, 12565, 13403, 12398, 8282, 10672])

# 인덱싱
print(gdp_array[0])
print(gdp_array[[1, 3, 4]])

# 슬라이싱
print(gdp_array[2:6])   # 2~5번 인덱스에 있는 값을 잘라서 새로운 numpy array 생성

[ 출력물 ]

6610
[ 7637  8885 10385]
[ 8127  8885 10385 12565]

 

 

4. 인덱싱과 슬라이싱 : 2차원 array

[ 코드 ]

import numpy as np

gdp_array = np.array([
    [12257, 11561, 13165, 14673, 16496, 19403],  # 대한민국
    [39169, 34406, 32821, 35387, 38299, 37813],  # 일본
    [959, 1053, 1149, 1289, 1509, 1753],         # 중국
    [36335, 37133, 38023, 39496, 41713, 44115]   # 미국
])

# 인덱싱
print(gdp_array[1])         # 일본의 자료
print(gdp_array[1][3])      # 일본의 4차년도 gdp / gdp_array[1, 3]과 동일

# 슬라이싱
print(gdp_array[1:3, 2:5])  # 일본부터 중국까지, 각 국가의 2~4번 인덱스 출력

[ 출력물 ]

[39169 34406 32821 35387 38299 37813]
35387
[[32821 35387 38299]
 [ 1149  1289  1509]]

 

 

5. 불린 인덱싱

[ 코드 ]

import numpy as np

gdp_array = np.array([6618, 8127, 8885, 12665, 13483, 12398, 8282, 10672])

gdp_array > 10000

[ 출력물 ]

array([False, False, False,  True,  True,  True, False,  True])

 

- mask : 10,000이 넘는 값들만 True가 되어서 mask로 인덱싱하면 해당 값들만 출력

[ 코드(이어서) ]

mask = gdp_array > 10000
gdp_array[mask]

[ 출력물 ]

array([12665, 13483, 12398, 10672])

 

- AND 연산과 OR 연산

[ 코드(이어서) ]

# AND 연산자 : &
gdp_array[(gdp_array < 10000) & (gdp_array > 8000)]

[ 출력물 ]

array([8127, 8885, 8282])

 

[ 코드(이어서) ]

# OR 연산자 : |

gdp_array[(gdp_array > 10000) | (gdp_array < 8000)]

[ 출력물 ]

array([ 6618, 12665, 13483, 12398, 10672])

 

 

6. Numpy 기본 연산

- gdp_korea_array.mean() : 평균
- gdp_korea_array.sum() : 합계
- gdp_korea_array.min() : 최솟값
- gdp_korea_array.max() : 최댓값
- gdp_korea_array * 1200 : 모든 값에 1200 곱하기 (단, 기존 변수에 새로 저장되는 것은 아님 -> 저장하려면 gdp_korea_array = gdp_korea_array * 1200 으로 새로 배열 저장)

 

 

Matplotlib

1. Matplotlib 개요

- 파이썬과 Numpy를 기반으로 만들어진 데이터 시각화 라이브러리

[ 코드 ]

import numpy as np
import matplotlib.pyplot as plt

year_array = np.array([2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020])

stock_array = np.array([
    14.46, 19.01, 20.04, 27.59, 26.32,
    28.96, 42.31, 39.33, 73.41, 132.69
])

plt.plot(year_array, stock_array)
plt.show()

 

[ 출력물 ]

- plt.plot(x축, y축) : 선형 그래프 / plt.bar : 막대 그래프 / plt.scatter : 산점도(연관도)

 

 

2. Matplotlib 그래프 간단하게 꾸미기

- plt.scatter(height_array, weight_array, c='red 혹은 HEX code', marker = '+ 또는 s' ) : c는 color, marker는 점의 모양
- plt.title('Height and Weight')
- plt.xlabel('Height (cm)')
- plt.ylabel('Weight (kg)')

- 더 많은 옵션은 아래 링크 참고

matplotlib.markers — Matplotlib 3.10.0 documentation

 

 

3. 그래프 사이즈 조절하기

(1) 개별 그래프 사이즈 조절

[ 코드 ]

plt.figure(figsize=(10, 4))		# 가로, 세로 사이즈 조절
plt.plot(year_array, stock_array)
plt.title('GDP Growth')			# 그래프 제목 설정
plt.xlabel('Year')
plt.ylabel('GDP')
plt.show()

 

[ 출력물 ]

 

 

(2) 전체 그래프 크기 설정

[ 코드 ]

plt.rcParams['figure.figsize'] = (5, 5)
plt.scatter(height_array, weight_array)
plt.title('Scatter Plot')
plt.xlabel('X Label')
plt.ylabel('Y Label')
plt.show()

 

 

4. Matplotlib 그래프에 한글로 된 텍스트 넣기

- 한글을 넣으면 글자가 모두 께지게 됨 -> 한국어 폰트로 바꾸는 코드가 필요함

[ 코드 ]

plt.rc('font', family='Apple Gothic')

 

 

Pandas

1. Pandas 개요

(1) Numpy array의 단점 : pandas 라이브러리로 모두 해결 가능

  - 가독성이 떨어짐

  - 정보에 대한 레이블 삽입 불가

  - 한 가지 데이터 타입만 사용 가능

 

(2) Pandas 사용법

[ 코드 ]

import pandas as pd

df = pd.DataFrame({
    'category': ['skirt', 'sweater', 'coat', 'jeans'],
    'quantity': [10, 15, 6, 11],                                     
    'price': [30000, 60000, 95000, 35000]
})
df

 

[ 출력물 ]

 

- 특정 열의 데이터만 추출하는 것 가능

[ 코드 ]

df['quantity']

[ 출력물 ]

0	10
1	15
2	 6
3	11

 

- mean, sum, min과 같은 연산을 모두 사용할 수 있음

[ 코드 ]

df['quantity'].mean

 

 

2. Pandas 외부 자료 불러오기

[ 코드 ]

import pandas as pd

burger_df2 = pd.read_csv("data/burger2.csv", header=None,
                        names=["product_name", "calories", "carb", "protein", "fat", "sodium", "category"],
                        index_col="product_name")
burger_df2

- csv : comma-separated values = 값들이 쉼표로 나누어져 있음

 

[ 출력물 ]

 

 

3. DataFrame에서 일부 데이터만 추출하기(iloc, loc)

(1) iloc : integer location, 정수값의 인덱스를 통해서 데이터를 받아오는 것

 

(2) loc : location, 위치를 통해서 데이터를 받아오는 것

- iloc은 마지막 값은 포함되지 않는 반면, loc은 마지막 값까지 포함해서 결과 도출

 

 

4. DataFrame과 불린 인덱싱

[ 코드 ]

burger_df.loc[burger_df['calories']] < 500, 'protein'] # 한 column을 보고 싶은 경우
burger_df.loc[burger_df['calories']] < 500, ['carb', 'protein']] # 여러 column을 보고 싶은 경우

 

[ 출력물 ]

 

- 혹은 해당 데이터를 테이블의 형태로 나타내는 방법

[ 코드 ]

mask = burger_df2['calories'] < 500
burger_df2[mask]

 

 

5. 데이터 수정 및 추가하기

# 셀 하나 수정하기
burger_df2.loc['Duble Stacker King', 'sodium'] = 1.9

# row 한 줄 수정하기
burger_df2.loc['Cheeseburger'] = [360, 24, 18, 21, 0.7, 'Burger']

# column 한 줄 수정하기
burger_df['sodium'] = [1.8, ... 1.3]

# 새로운 row/column 추가하기
burger_df.loc['Tripple Whopper'] = [1130, 49, 67, 75, 1.1, 'Burger'] 	# row 추가
burger_df['brand'] = 'Burger King'										# column 추가

# 조건에 따라 값을 추가하기
burger_df.loc[burger_df['calories'] >= 500, 'high_calorie'] = True

 

 

6. Pandas에서 그래프 만들기

[ 코드 ]

sales_df.plot()
plt.show()

# x축과 y축에 들어갈 값을 지정할 수 있음
sales_df.plot(x='quarter', y='revenue')
plt.show()

# 그래프 형태 지정
sales_df.plot(x='quarter', y='revenue', kind='bar', labels =['1Q', '2Q', '3Q', '4Q'])
plt.show()