(1) Numpy 공부하기 - import, version, array, shape

직장 생활을 하면서 엑셀로 데이터를 다룰 때는 원하는 데이터로 가공하기 위해서는 별다른 고민없이 데이터를 가공해 나갔다면, 현재 데이터사이언스 공부를 하면서는 엑셀로 해도 손쉽게 했을법한 아주 작은단계의 데이터 가공도 코드를 검색해서 확인해야 되는 경우도 있고, 데이터를 분석하면서 온전히 내가 주도적으로 치고 나가고 있다는 생각을 받지 못하고 있다.

그런 원인이 무엇일까 생각해보았는데

데이터 처리에 대한 프로그래밍 기본 소양도 안갖추어진 상태인데 머신러닝, 딥러닝 공부한답치고 코드몽키 처럼 의미없이 코드만 복사에서 내 데이터에 맞게 살짝살짝만 바꿔서 돌리고 있는 내모습???

결국은 내가 하지도 않은 분석인데 코드를 돌려 실행이 된 것 자체로 마치 무엇을 해낸것 처럼 성취감을 느끼다가 다른 과제로 넘어왔을 때는 백지가 되어있는 내모습??

아무튼 나는 자기주도적으로 데이터 분석을 진행하기 위해서는 기본은 무시하고 넘어갈 수 없다고 생각하였다.

python 프로그래밍에 대한 이해도 당연히 중요하고 필요하지만,
데이터 분석을 위해서는 numpy와 pandas를 통해 내가 원하는 데이터를 자유롭게 랭글링(wrangling) 할 수 있어야 되겠다고 판단했고 이와 관련해서 공부한 내용을 작은 것 부터 계속 정리해나가기로 결심하였다.

오늘 이 포스팅이 커다란 눈사람을 만들기 위해 눈뭉치를 만드는 첫글이라고 보면 되겠다.

이 포스팅은 Udemy - Python 데이터분석 패키지, Numpy와 Pandas 마스터하기 수업을 정리하면서 기록한 내용들 입니다.

✔️ numpy모듈 import하기 - import numpy

import numpy as np

✔️ numpy version check(1) - np.version.version

np.version.version

✔️ numpy version check(2) - np.version

np.__version__

✔️ numpy를 이용하여 1차원 배열 만들기 - np.array

ar1 = np.array([1,2,3,4,5])
ar1

✔️ numpy를 이용하여 2차원 배열 만들기 - np.array

ar2 = np.array([[1,2,3,4,5], [6,7,8,9,10]])
ar2

✔️ numpy 배열의 모양(형태) 확인하기 - shape

ar1 = np.array([1,2,3,4,5])
ar1.shape

ar2 = np.array([[1,2,3,4,5], [6,7,8,9,10]])
ar2.shape

✔️ 리스트(list) 변수를 numpy 배열로 변환하기 - np.array(list)

list = [6, 7, 8, 9, 10]
ar3 = np.array(list)
ar3

마지막으로 깃헙 페이지로 포스팅 하는 것보다 벨로그에 글을 작성하는게 125만배 정도는 편한거 같다. 벨로그는 클립보드 이미지 붙여 넣는게 너무너무 편하다.
깃헙 페이지에서 이거 좀 편하게 하려고 typora 텍스트 에디터도 유료로 결제해서 구매했는데...

그렇다. 나는 최종적으로 벨로그를 선택하였다.

앞으로 블로그 페이지 커스터마이징 등에 신경쓰지 않고, 벨로그로만 스터디 로그를 남기는 것에 집중할 계획이다.