728x90 반응형 Python 파이썬59 matplotlib ) Figure, Axes 설정 스타일 서식 지정 import matplotlib.pyplot as plt plt.style.use('default') # 기본 설정으로 초기화 print( plt.style.available ) # 스타일 서식 목록 출력 스타일 서식이 어떻게 적용되는지 알고 싶다면 여기 Style sheets reference — Matplotlib 3.5.1 documentation Style sheets reference This script demonstrates the different available style sheets on a common set of example plots: scatter plot, image, bar graph, patches, line plot and histogram, impo.. 2022. 3. 25. matplotlib ) 라인 플롯(line plot) 스타일 지정 스타일 옵션 문자열 스타일 문자열 약자 의미 color c 선 색깔 linewidth lw 선 굵기 linestyle ls 선 스타일 marker 마커 종류 markersize ms 마커 크기 markeredgecoloc mec 마커테두리 색깔 markeredgewidth mew 마커테두리 굵기 markerfacecolor mfc 마커 내부 색깔 마커 모양 지정 문자열 plt.plot(data, '.') 또는 plt.plot(data, marker='.') 마커 문자열 의미 마커문자열 의미 . point , pixel o circle v triangle down ^ triangle up triangle right 1 tri_down 2 tri_up 3 tri_left 4 tri_right s square.. 2022. 3. 22. pandas ) 판다스 내장 그래프 도구 시리즈 or 데이터프레임 .plot(kind='그래프 종류') line (default;기본값) 선 그래프 기본값이므로 데이터프레임(시지르).plot() 만으로 사용가능하다. 가로(x)축은 인덱스를 나타내고 세로(y)축은 값을 나타낸다. 선 하나가 시리즈(열) 1개를 나타낸다. bar 수직 막대 그래프 가로(x)축은 인덱스를 나타내고 세로(y)축은 값을 나타낸다. 시리즈(열) 갯수만큼의 막대가 가로 눈금마다 나타난다. barh 수평 막대 그래프 가로(x)축은 값을 나타내고 세로(y)축은 인덱스를 나타낸다. 시리즈(열) 갯수만큼의 막대가 세로 눈금마다 나타난다. hist 히스토그램 값의 출현빈도수를 나타내는 도수분표 그래프 가로(x)축은 값를 나타내고 세로(y)축은 빈도수(Frequency)을 나타낸다. .. 2022. 3. 22. 주피터 시작위치(홈 디렉토리) 설정 & 주석 처리 단축키 안먹힐 때 주피터 시작위치(홈 디렉토리) 설정 jupyter notebook --generate-config 명령어로 주피트노트북 설정파일을 만들어준다. 사용자 홈 디렉토리(윈도우의 경우 c:\users\사용자명)에서 .jupyter 라는 숨겨진 폴더에 들어가 jupyter_notebook_config.py를 메모장 등으로 연다. notebook_dir 을 검색하여 c.NotebookApp.notebook_dir의 주석처리(# )를 지우고 (띄워쓰기도 지워줘야함.) 경로를 적어준다. ex) c.NotebookApp.notebook_dir = 'C:\Users\사용자명\projects' c.NotebookApp.notebook_dir = 'C:\\Users\\사용자명\\projects' 경로입력시 \를 제대로 인식 .. 2022. 3. 22. pandas ) 판다스 데이터 속성&메소드 Pandas Data Properties&Method 보통 데이터가 들어오면 head() 매소드를 통해 데이터를 몇 개만 미리 볼 수 있다. .head(정수) [정수를 입력하지 않으면 기본값5가 들어감] 처음부터 정수만큼의 행을 반환한다. .tail(정수) [정수를 입력하지 않으면 기본값5가 들어감] 마지막부터 정수만큼의 행을 반환한다. 데이터프레임.info() 행과 열이 갯수와 각 열의 이름과 유효한 데이터 개수, 자료형, 그리고 자료형의 갯수와 메모리 사용량이 출력된다. .count() 유효한 데이터의 갯수를 반환한다. 유요한 데이터란 'None', 'NaN', 'NaT','inf' 를 제외한 데이터를 말한다. 시리즈.unique() 고유한 값들을 반환한다. .value_counts() 고유한 값의 갯수를 반환한다. 데이터프레임에서도 사용가능하지만 열이.. 2022. 3. 21. matplotlib ) 맷플롯립 개요 & 한글 폰트 오류 해결 파이썬에서 가장 많이 사용되는 자료(차트,그래프 등)를 시각화하는 패키지 matplotlib의 최상위 패키지와 pyplot 모듈만으로도 거의 대부분의 시각화 처리가 가능하다. 그래프를 그리기 위한 모든 것을 담고 있는 것이 matplotlib패키지이며, 호출을 위한 간단한 API를 제공하는 것이 matplotlib.pyplot 모듈이다. 이미지 라인플롯 스캐터 플롯 컨투어 플롯 3D 서피스 플롯 바 차트 히스토그램 박스 플롯 ... 구성 Figure : 시각화되는 캔버스나 종이를 뜻함. Axes : figure 안에 있는 하나의 자료? 부분? 공간? Axis : 세로(y)와 가로(x) 축 ticks : 세로(y)와 가로(x) 눈금 Legend : 범례 ; 각 계열(선,막대 등)의 이름 # 초기화 ; 패키.. 2022. 3. 21. numpy ) 난수 random 난수생성 rand : 0부터 1사이의 균일 분포로 실수 난수를 생성 randn: 기대값이 0이고 표준편차가 1인 가우시안 표준 정규 분포를 따르는 난수를 생성 np.random.seed(정수) # 시작 숫자를 정해 주면 항상 같은 숫자의 난수 발생 np.random.rand(정수x) # 난수 x개 발생 np.random.seed(0) # 시작 숫자를 정해 주어 항상 같은 숫자의 난수 발생 print(np.random.rand(5)) # 난수 5개 발생 # [0.5488135 0.71518937 0.60276338 0.54488318 0.4236548 ] print(np.random.randn(5)) # [-0.84272405 1.96992445 1.26611853 -0.50587654 2.54520078.. 2022. 3. 19. numpy ) 함수 일반적인 수학 함수 a = np.arange(1, 6, 1) print(a) # [1 2 3 4 5] print(np.sin(a)) # [ 0.84147098 0.90929743 0.14112001 -0.7568025 -0.95892427] print(np.sin(a).round(3)) # [ 0.841 0.909 0.141 -0.757 -0.959] print(np.cos(a).round(3)) # [ 0.54 -0.416 -0.99 -0.654 0.284] print(np.tanh(a).round(3)) # [0.762 0.964 0.995 0.999 1. ] print(np.exp(a).round(3)) # [ 2.718 7.389 20.086 54.598 148.413] print(np.log(a.. 2022. 3. 19. numpy ) 배열 array 인덱싱, 슬라이싱, 반복 인덱싱(indexing), 슬라이싱(slicing) a = np.arange(10)**2 print(a) # [ 0 1 4 9 16 25 36 49 64 81] print(a[3:5]) # 3번부터 5번 전까지 선택 #[ 9 16] print(a[2]) # 4 print(a[::-1]) # 전체요소를 역순으로 1개씩 건너뛰면 선택 #[81 64 49 36 25 16 9 4 1 0] print(a[0:6:2]) # 0번부터 6번 전까지 요소를 2개씩 건너뛰며 선택 #[ 0 4 16] a[0:6:2] = -a[0:6:2] # 0번부터 6번 전까지 요소를 2개씩 건너뛰며 선택한 값에 # 0번부터 6번 전까지 요소를 2개씩 건너뛰며 부호를 바꿔서 할당 print(a) # [ 0 1 -4 9 -16 25 36 4.. 2022. 3. 19. numpy ) 배열 array 형 변환 .reshape( *shape ) shape로 배열모양을 변환시킨다. 단, 변환 전후의 크기(요소의 갯수)는 같아야 한다. reshpe은 참조값을 반화한다. a = np.arange(20) # 0~19까지 print(a.ndim) # 1 print(a.shape) # (20,) print(a.size) # 20 print(a) # [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19] a1 = a.reshape(4,5) # 3행 5열로 만들어 넣는다. a[0] = 100 print(a1.ndim) # 2 print(a1.shape) # (4, 5) print(a1.size) # 20 print(a1) #[[ 100 1 2 3 4] # [ 5 6 7 8 9] # [1.. 2022. 3. 19. numpy ) 배열 array 연산 브로드캐스팅 (Broadcasting) 일정 조건을 부합하는 다른 형태의 배열끼리 연산을 수행하는 것 요소를 흩뿌리듯이 계산된다. x1 = np.array([1.0, 2.0, 3.0]) y1 = np.array([5.0, 10.0, 15.0]) x2 = np.array([[1.0, 2.0], [3.0, 4.0]]) y2 = np.array([[5.0, 10.0], [15.0, 20.0]]) z1 = np.array([-1.0, -2.0]) z2 = np.array([[5.0], [10.0], [15.0]]) # x1과 상수 print(x1 + 2) # [ 3. 4. 5.] # x1과 y1 print(x1 + y1) # [ 6. 12. 18.] # x2과 y2 print(x2 - y2) # [[ -4. -.. 2022. 3. 19. numpy ) 배열 array 생성 np.array([]) 1차원 배열 생성 x1 = np.array([1.0,2.0,3.0]) x2 = np.array([5.0,10.0,15.0]) print(x1,x2) print(type(x1),type(x2)) # 실행결과 # [1. 2. 3.] [ 5. 10. 15.] # 2차원 배열 생성 y1 = np.array([[1.0,2.0],[3.0,4.0]]) y2 = np.array([[5.0,10.0],[15.0,20.0]]) print(y1); print() print(y2) print(type(y1),type(y2)) # 실행결과 # [[1. 2.] # [3. 4.]] # [[ 5. 10.] # [15. 20.]] # 리스트를 넘파이 배열로 a_list = [1.0,2.0,3.0] a_np = .. 2022. 3. 18. 이전 1 2 3 4 5 다음 728x90 반응형
