기계 학습에 필요한 pandas,numpy,matplotlib에 대한 간략한 설명
2784 단어 pandasPython3matplotlibnumpy
공부하고 굉장히 호야호야이므로 실수가 있거나 하면 지적해 주시면 감사하겠습니다.
pandas 회원
pandas를 읽는 방법은 (판다스)라고 읽습니다.
pandas는 파이썬 라이브러리에서 주로 담당하는 것은 csv의 읽기, 쓰기, 편집, 지우기와 1차원, 2차원의 데이터를 다루어주는 사람입니다.
pandas 사용법
백문은 언뜻 보지 않으므로 조속히 움직여 봅시다.
pip install pandas
이제 설치는 ok
import pandas as pd
s1 = pd.Series([1,2,3,5])
print(s1)
出力結果
0 1
1 2
2 3
3 5
p2 = pd.DataFrame({
'名前' :['高橋', '田中', '佐藤'],
'身長' : ['178', '171', '168'],
'体重' : [67, 60, 59]
})
print(p2)
出力結果
名前 身長 体重
0 高橋 178 67
1 田中 171 60
2 佐藤 168 59
자꾸 설명하면
우선 inport pandas as pd는 매번 매번 pandas라고 쓰는 것이 힘들기 때문에 pd로 해라-같은 느낌.
그리고 기술입니다만 우선 p1쪽의 Serie(시리즈)는
1차원 데이터를 다룰 때 사용하는 설명입니다.
그리고
DataFrame(데이터 프레임)은
2차원 데이터라는 것입니다.
numpy 정보
numpy를 읽는 방법은 (남파이) 또는 (남파이)입니다. 솔직히 어느 쪽이든 괜찮은 것 같습니다.
numpy도 파이썬 라이브러리에서 주로 배열 계산을 쉽게 해줍니다.
numpy 사용법
이제 조속히 사용합시다.
pip install numpy
이제 설치는 ok
import numpy as np
n1 = np.asarray([1,2,3])
n2 = np.asarray([2,3,4])
print(n1 + n2)
出力結果
[3 5 7]
n3 = np.asarray([[1,2,3],[4,5,6]])
print(n3)
出力結果
[[1 2 3]
[4 5 6]]
n4 = np.asarray([[1,2,3],[4,5,6]])
n5 = np.asarray([[7,8,9],[1,4,8]])
print(n4 + n5)
出力結果
[[ 8 10 12]
[ 5 9 14]]
이것도 방금전과 같고 numpy를 np로 해 사용합니다.
그리고 보시다시피 배열끼리의 계산을 간단하게 할 수 있었습니다.
이건 괜찮아.
matplotlib
마지막은 matplotlib입니다. 읽는 방법은 (매트 플롯 리브)입니다.
이 녀석의 주요 작업은 쉽게 그래프를 만드는 것입니다.
matplotlib 사용법
그런데 조속히 써 갑시다.
pip install matplotlib
언제나처럼 설치하고 가져옵니다.
import matplotlib.pyplot as plt
plt.plot([2,1,3])
plt.show;
出力結果
plt.plot([2,1,3],color="red")
plt.grid(True)
plt.show;
出力結果
쟈쿠리 이런 느낌입니다.
위는 단지 표시시켰을 뿐입니다만, 아래는 선을 파랗게 한 것과 배경에 그리드를 넣었습니다.
그래프가 되는 것만으로 꽤 보기 쉬워지네요.
마지막으로
오늘 소개한 것은 꽤 짜릿한 내용입니다. 그래서 pandas, numpy 또는 matplotlib을 사용한 재미있는 일은 여전히 있습니다.
라고 유카 나도 꽤 초보자이므로 더 공부하고 기사에 할 수 있으면 좋겠습니다.
Reference
이 문제에 관하여(기계 학습에 필요한 pandas,numpy,matplotlib에 대한 간략한 설명), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/5husan/items/dbafb4dd411d61167e3d
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
pip install pandas
import pandas as pd
s1 = pd.Series([1,2,3,5])
print(s1)
出力結果
0 1
1 2
2 3
3 5
p2 = pd.DataFrame({
'名前' :['高橋', '田中', '佐藤'],
'身長' : ['178', '171', '168'],
'体重' : [67, 60, 59]
})
print(p2)
出力結果
名前 身長 体重
0 高橋 178 67
1 田中 171 60
2 佐藤 168 59
numpy를 읽는 방법은 (남파이) 또는 (남파이)입니다. 솔직히 어느 쪽이든 괜찮은 것 같습니다.
numpy도 파이썬 라이브러리에서 주로 배열 계산을 쉽게 해줍니다.
numpy 사용법
이제 조속히 사용합시다.
pip install numpy
이제 설치는 ok
import numpy as np
n1 = np.asarray([1,2,3])
n2 = np.asarray([2,3,4])
print(n1 + n2)
出力結果
[3 5 7]
n3 = np.asarray([[1,2,3],[4,5,6]])
print(n3)
出力結果
[[1 2 3]
[4 5 6]]
n4 = np.asarray([[1,2,3],[4,5,6]])
n5 = np.asarray([[7,8,9],[1,4,8]])
print(n4 + n5)
出力結果
[[ 8 10 12]
[ 5 9 14]]
이것도 방금전과 같고 numpy를 np로 해 사용합니다.
그리고 보시다시피 배열끼리의 계산을 간단하게 할 수 있었습니다.
이건 괜찮아.
matplotlib
마지막은 matplotlib입니다. 읽는 방법은 (매트 플롯 리브)입니다.
이 녀석의 주요 작업은 쉽게 그래프를 만드는 것입니다.
matplotlib 사용법
그런데 조속히 써 갑시다.
pip install matplotlib
언제나처럼 설치하고 가져옵니다.
import matplotlib.pyplot as plt
plt.plot([2,1,3])
plt.show;
出力結果
plt.plot([2,1,3],color="red")
plt.grid(True)
plt.show;
出力結果
쟈쿠리 이런 느낌입니다.
위는 단지 표시시켰을 뿐입니다만, 아래는 선을 파랗게 한 것과 배경에 그리드를 넣었습니다.
그래프가 되는 것만으로 꽤 보기 쉬워지네요.
마지막으로
오늘 소개한 것은 꽤 짜릿한 내용입니다. 그래서 pandas, numpy 또는 matplotlib을 사용한 재미있는 일은 여전히 있습니다.
라고 유카 나도 꽤 초보자이므로 더 공부하고 기사에 할 수 있으면 좋겠습니다.
Reference
이 문제에 관하여(기계 학습에 필요한 pandas,numpy,matplotlib에 대한 간략한 설명), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/5husan/items/dbafb4dd411d61167e3d
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
pip install matplotlib
import matplotlib.pyplot as plt
plt.plot([2,1,3])
plt.show;
出力結果
plt.plot([2,1,3],color="red")
plt.grid(True)
plt.show;
出力結果
오늘 소개한 것은 꽤 짜릿한 내용입니다. 그래서 pandas, numpy 또는 matplotlib을 사용한 재미있는 일은 여전히 있습니다.
라고 유카 나도 꽤 초보자이므로 더 공부하고 기사에 할 수 있으면 좋겠습니다.
Reference
이 문제에 관하여(기계 학습에 필요한 pandas,numpy,matplotlib에 대한 간략한 설명), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/5husan/items/dbafb4dd411d61167e3d텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)