[Pandas] 데이터 선택과 인덱싱 함수 정리 (loc, iloc, at, iat 등)
목차1. 개요2. 내용2-1. [] 인덱싱2-2. loc[]2-3. iloc[]2-4. at[]2-5. iat[]3. 결론1. 개요Pandas에서 데이터를 선택하고 조작하는 기능은 분석의 핵심입니다. 이번 글에서는 loc, iloc, at, iat를 중심으로 다양한 인덱싱 방법을 예제를 통해 살펴봅니다.2. 내용2-1. [] 인덱싱가장 기본적인 인덱싱 방법은 대괄호 []를 이용하는 것입니다. 보통 컬럼명을 지정하거나, 행 슬라이싱에 사용됩니다.import pandas as pddf = pd.DataFrame({ 'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]})# 열 선택print(df['Name'])0 Alice1 Bob..
2025. 4. 16.
[Pandas] 데이터프레임 생성 및 확인 함수 정리 (pd.DataFrame, head(), info(), tail(), describe())
목차1. 개요2. 내용2-1. pd.DataFrame2-2. head()2-3. tail()2-4. info()2-5. describe()3. 결론1. 개요Pandas는 파이썬에서 데이터 분석을 수행할 때 가장 많이 사용하는 라이브러리 중 하나입니다. 이번 글에서는 Pandas의 핵심 객체인 DataFrame을 생성하고, 데이터를 확인하는 데 유용한 기본 함수들을 소개합니다.2. 내용2-1. pd.DataFramepd.DataFrame은 Pandas의 기본 구조로, 행과 열로 구성된 2차원 데이터 구조입니다. 딕셔너리, 리스트, 배열 등을 이용해 만들 수 있습니다.import pandas as pddata = { 'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [..
2025. 4. 15.
[Numpy] 배열 비교와 조건 필터링 함수 정리 (np.greater, np.where, np.less, np.equal, np.logical_or)
목차1. 개요2. 내용2-1. np.greater2-2. np.less2-3. np.equal2-4. np.where2-5. np.logical_or3. 결론1. 개요NumPy에서는 배열 간의 값을 비교하거나 조건에 따라 특정 요소를 추출하는 다양한 기능을 제공합니다. 본 글에서는 np.greater, np.less, np.equal, np.where, np.logical_or를 활용하여 비교 연산과 조건 필터링을 수행하는 방법을 예제를 통해 살펴보겠습니다.2. 내용2-1. np.greaternp.greater는 배열의 요소별로 비교하여 첫 번째 값이 두 번째 값보다 큰 경우 True를 반환합니다. 즉, a > b와 동일한 기능을 합니다.import numpy as npa = np.array([5, 10..
2025. 4. 13.
[Numpy] 배열 연결과 분할 함수 정리 (np.concatenate, np.split, np.stack, np.hstack, np.vstack)
목차1. 개요2. 내용2-1. np.concatenate2-2. np.stack2-3. np.hstack2-4. np.vstack2-5. np.split3. 결론1. 개요NumPy는 여러 개의 배열을 하나로 합치거나, 큰 배열을 여러 개로 나누는 다양한 함수들을 제공합니다. 특히 concatenate, stack, hstack, vstack, split 함수는 데이터 처리 과정에서 매우 자주 사용됩니다. 본 글에서는 이들 함수를 다양한 예제와 함께 정리합니다.2. 내용2-1. np.concatenatenp.concatenate는 여러 배열을 하나로 이어붙일 때 사용합니다. 기본은 axis=0 (행 방향)이지만, axis=1로 열 방향 결합도 가능합니다.import numpy as npa = np.arra..
2025. 4. 12.
[Numpy ] 브로드캐스팅과 데이터 변환 함수 정리 ( np.reshape, np.astype, np.expand_dims, np.broadcast_to, np.boradcast)
목차1. 개요2. 내용2-1. np.broadcast2-2. np.broadcast_to2-3. np.reshape2-4. np.astype2-5. np.expand_dims3. 결론1. 개요NumPy에서는 다양한 차원의 배열 간 연산을 자동으로 맞춰주는 브로드캐스팅(Broadcasting) 기능과, 배열의 형태나 데이터 타입을 바꿀 수 있는 강력한 도구들을 제공합니다. 본 글에서는 np.broadcast, np.broadcast_to, np.reshape, np.astype, np.expand_dims 함수들을 예제를 통해 하나씩 알아보겠습니다.2. 내용2-1. np.broadcastnp.broadcast는 두 배열 간 브로드캐스팅이 가능할 경우, 연산될 때의 최종 모양을 알려주는 객체입니다.impor..
2025. 4. 11.
[Numpy] 조건 선택과 값 대체 함수 정리 (np.where, np.select, np.put, np.extract, np.choose)
목차1. 개요2. 내용2-1. np.where2-2. np.select2-3. np.put2-4. np.extract2-5. np.choose3. 결론1. 개요NumPy는 조건에 따라 값을 선택하거나 배열 내부 값을 교체하는 기능이 매우 강력합니다. 이번 글에서는 조건 기반으로 데이터를 선택하고 변경할 수 있는 핵심 함수 np.where, np.select, np.put, np.extract, np.choose를 예제와 함께 정리합니다.2. 내용2-1. np.wherenp.where는 조건에 따라 값을 선택하거나 인덱스를 반환합니다. 조건이 True인 경우 첫 번째 값, False인 경우 두 번째 값을 반환합니다.import numpy as npa = np.array([10, 20, 30, 40])pri..
2025. 4. 10.
[Numpy] 논리 연산과 비교 함수 완전 정리 (np.all, np.any, np.isin, np.equal, np.logical_and)
목차1. 개요2. 내용2-1. np.all2-2. np.any2-3. np.isin2-4. np.equal2-5. np.logical_and3. 결론1. 개요NumPy는 배열 기반의 데이터 처리에서 매우 강력한 논리 연산 기능을 제공합니다. 이번 글에서는 배열 내 값들의 조건 판단, 포함 여부 검사, 논리식 결합 등에 사용되는 np.all, np.any, np.isin, np.equal, np.logical_and를 다양한 예제와 함께 설명합니다.2. 내용2-1. np.allnp.all은 배열 내 모든 요소가 True(참)일 때만 True를 반환합니다. 조건식과 함께 사용되며, axis로 행 또는 열 단위 확인도 가능합니다.import numpy as npa = np.array([[1, 2], [3, 4..
2025. 4. 10.
[Numpy] 조건 인덱싱과 대각선 추출 함수 (np.nonzero, np.clip, np.trace, np.diag, np.count_nonzero )
목차1. 개요2. 내용2-1. np.nonzero2-2. np.count_nonzero2-3. np.clip2-4. np.diag2-5. np.trace3. 결론1. 개요NumPy를 사용하면 조건에 따라 원하는 인덱스를 찾거나, 배열의 특정 값을 제한하거나, 행렬의 대각선 성분을 쉽게 추출할 수 있습니다. 이번 글에서는 배열 내 조건 검색과 대각선 관련 주요 함수인 np.nonzero, np.count_nonzero, np.clip, np.diag, np.trace의 활용법을 다양한 예제와 함께 살펴봅니다.2. 내용2-1. np.nonzeronp.nonzero는 0이 아닌 요소의 인덱스를 반환합니다. 불리언 조건과 함께 사용하면 특정 조건을 만족하는 위치를 찾을 수 있습니다.import numpy as ..
2025. 4. 10.
