파이썬기초107 : 데이터분석과시각화_기초1_numpy

# numpy에 대한 예제

# numpy에 대한 것은 numpy.org에서 확인할 수 있음.

import numpy as np

# #dt = np.array([1,2,3,4,5,6,7], dtype=np.int64) #ndarray라는 객체를 만듦. ndarray에는 동종타입만 들어감. 기본은 int32

# dt = np.array([1,2,3,4,5,6,7])

# dt1 = np.array([1,2,3,4,5,6,7])

#

# print(dt)

# print(dt, type(dt))         #dt는 dnarray임.

# print(dt.dtype)

#

# print(dt[0])

# print(dt[0:4])

# dt[0] = 100     #ndarray 요소값도 변경가능

# print(dt)

# dt[0:4] = 100       #부분요소 값을 한번에 변경. 리스트에서는 안됨.

# print(dt)

#

# print(dt*2)     #전체요소값에 각각 변경가능

# print(dt+10)

# print(dt*dt1)   #동일 ndarray구조끼리의 각각의요소값들 한번에 연산가능

# #실급여 계산

# salary = [1000, 2000, 3000, 4000]

# sil = [n-(n*0.033)   for n in salary]

# print(sil)

#

# salary = np.array([1000, 2000, 3000, 4000])

# print(salary-(salary*0.033))                #바로 연산가능함.

# for n in sil:

#     print(n)

# import numpy as np

# nd = np.array([[1,2,3], [4,5,6], [7,8,9]])  #2차원구조의 ndarray. 각 요소는 리스트 또는 튜플등이 가능함.

# print(nd)       #2차원구조의 ndarray

# print(nd[0])    #첫번째 행

# print(nd[1])    #두번째 행

# print(nd[2])    #세번째 행

#

# print( nd[0,0]) #행과 열을 지정해서 출력가능. 첫번째행의 첫번째 열

# print(nd[1,1])  #두번째행의 두번째열

# print(nd[0:2])  #0번째행과 1번째 행, 두개의 행이 출력됨.

# print(nd[0:2,1])

# print( nd[0:2, 1:3])

# print( nd[1:,1:])

#

# for n in nd:        #n은 한 행씩 매칭됨.

#     #print(n)

#         for m in n: #n은 각행, m은  n행의 각 열요소들

#             print(m)

#

# for n in nd[0]:

#     print(n)

#

# for n in np.nditer(nd):     #개별데이터를 한번에 찍어줌. nditer는 2차원 배열을 1차원배열로 한번에 출력해줌.

#     print(n)

# import numpy as np

# dt1 = np.array([1,2,30,4,5,6,7])                #1차원 ndarray

# dt2 = np.array([ [1,2,3], [4,5,6], [7,8,9]])    #2차원 ndarray

#

# print(np.sum(dt1))

# print(np.sum(dt2))

# print(np.sum(dt2[:,1]))

#

# print(np.mean(dt1))

# print(np.mean(dt2))

#

# print(np.median(dt1))

# print(np.median(dt2))

#

# print(np.percentile(dt1, 50))   #dt1의 값들 중 50%에 해당하는 값.

# print(np.percentile(dt2,50))

#

# print(np.std(dt1))

# print(np.std(dt2))

#

# print(np.max(dt1))

# print(np.max(dt2, axis=1))  #각행의 가장 큰 값을 ndarray로 출력함.

# print(np.max(dt2, axis=0))  #각열 가장 큰 값을 ndarray로 출력함.

#

# print(np.argmax(dt1))       #가장 큰값의 인덱스값

# print(np.where(dt1>4))      #where는... 값이 4보다큰것의 인덱스값을 ndarray로 출력함.

# b = np.array([True, False, True, False, False, False, True])

# print(dt1[b])   #불리언 인덱스, True인 값들만.

# print(dt1 > 5)       #5보다 큰값은 True, 그렇지 않으면 False

# print(dt1[dt1 > 5])   #5보다 큰 값에 대한 ndarray를 구함.