palefaceman's digital repository

파이썬에서 기하평균(geometric mean)을 구하는 방법은 2가지가 있다. 방법 1: Scipy 라이브러리를 이용한 기하평균(geometric mean) 구하기 from scipy.stats import gmean #기하평균(geometric mean) 구하기 gmean([value1, value2, value3, ...]) 방법 2: Numpy 라이브러리를 이용하여 기하평균(geometric mean) 구하기 import numpy as np #함수 생성 def g_mean(x): a = np.log(x) return np.exp(a.mean()) #기하평균(geometric mean) 구하기 g_mean)[value1, value2, value3, ...]) 두 방법은 동일한 값을 반환한다. 실..

한 번씩 파이썬에서 리스트(list)의 값을 변경해야 하는 경우가 있다. 다행히도, 파이썬은 이에대해 강력한 편리성을 제공하고 있다. 아래 예시와 함께 리스트(list)에 변수를 변경하는 다양한 방법을 실습해본다. 예시 1: 하나의 리스트(list) 값 변경하기 아래 문법은 하나의 리스트(list) 값을 변경한다. #4개 크기 리스트(list) 만들기 x = ['a', 'b', 'c', 'd'] #첫 번째 리스트 값 변경하기 x[0] = 'z' #업데이트된 값 확인 x ['z', 'b', 'c', 'd'] 예시 2: 하나 이상의 리스트(list) 값 변경하기 아래 문법은 하나 이상의 리스트(list) 값을 변경한다. #4 크기의 리스트(list) 생성 x = ['a', 'b', 'c', 'd'] # 첫 ..

회귀분석(regression analysis)에서 최소자승법(meothod of least squares)은 이용하여 데이터에 가장 적합한 직선을 찾아내는 데 사용한다. 넘파이(Numpy)에 linalg.lstsq() 함수를 사용하여 최소자승법(meothod of least squares)을 실행할 수 있다. 아래 순차적 예시에서 최소자승법(meothod of least squares)을 실행 해본다. 단계 1: 독립변수(independent variables)와 종속변수(dependent variables)를 입력한다. 첫째로, 넘파이(Numpy) 배열로 데이터를 생성한다. import numpy as np #x,y 변수 배열 변수 생성 x = np.array([6, 7, 7, 8, 12, 14, 15..

넘파이(Numpy)에서 if-else 로직을 이용하여 배열(array)에 빠르게 값을 업데이트할 수 있었다. 예를 들어, 아래코드와 같이 넘파이(Numpy) where() 함수를 사용하여 배열(array)을 업데이트한다. import numpy as np #Numpy 배열 값 x = np.arraY([1,3,3,6,7,9]) #새로운 값 배열에 넣기 x = np.where((x 8), x/2, x) #새로운 배열 값 보기 array([0.5, 1.5, 1.5, 6. , 7. , 4.5]) If, 기존 배열에 값이 5보다 작거나 8보다 크면, 그 값을 2로 나눈 값을 새로 저장한다. Else, 나머지는 그대로 둔다. 판다스 데이터 프레임(pandas DataFrame)에서도 판다스(p..

문자열(string)에서 아래 간단한 코드로 판다스 데이터프레임을 생성할 수 있다. import pandas as pd import io df = pd.read_csv(io.StringIO(string_data),sep=",") 위의 문법은 'string_data'라는 문자열에서 입력된 값(value)으로 판다스 데이터프레임을 생성한다. 아래 예시에서 어떻게 문법을 사용하는 지 알아본다. 예시 1: 콤마로 문자열 값 나눠 데이터 프레임 생성하기 아래 코드에서 문자열(string)에 입력된 값으로부터 어떻게 ','로 구분하여 판다스 데이터프레임을 생성하는지 보여 준다. import pandas as pd import io #define string string_data="""points, assists, ..

시퀀스(sequence)를 생성하는 NumPy에 linspace와 arange가 가장 널리 사용되는 함수다. 두 함수 사이에 조금 다른 점이 있다. linspace: 간격의 크기를 결정할 수 있다. arange: 간격 안에서 생성되는 수의 개수를 결정할 수 있다. 아래 예제를 통해서 함수들이 어떻게 작동하는지 알 수 있다. 예시 1: np.linspace 사용하기 np.linspace()의 함수는 아래 기본 신텍스(syntax)로 구성된다. np.linspace(start, stop, num,...) start: 시작하는 수 stop: 마지막 수 num: 생성하는 수 아래 코드에 np.inspace()를 이용해서 0~20까지 11개 변수를 생성하는 코드를 입력했다. import numpy as np # ..

파이썬에서 np.mean(), np.average()로 배열(array)에 평균을 구할 수 있다. 두 함수에서는 작은 차이가 있다. np.mean(): 산술평균을 계산한다. np.average(): 가중치가 옵션으로 추가 입력할 수 있어 가중평균을 구할 수 있다. 예시 1: np.mean(), np.average() 가중치 옵션 없이 사용하기 아래의 배열이 있다. # 배열 생성 data = [1, 4, 5, 7, 8, 8, 10] np.mean()과 np.average()를 사용하여 평균을 구해본다. import numpy as np # 평균 구하기 np.mean(data) 6.142857142857143 # 평균 구하기 2 np.average(data) 6.142857142857143 두 함수가 같은 ..

NumPy는 Numberical python의 약어다. 파이썬 프로그래밍 언어에 만들어진 과학적 컴퓨팅 업무를 할 때 사용하는 라이브러리(library)다. 가장 쉬운 작동 방법은 import numpy as np import numpy 코드는 파이썬에서 Numpy 라이브러리를 불러오는 명령을 수행한다. as np 코드는 파이썬에서 Numpy에 np라는 명칭을 부여한다. 그럼으로써, Numpy 함수를 np.function_name으로 사용 할 수 있다. (그렇지 않을 경우 numpy.funciton_name) Numpy를 improt하고 나면 Numpy에 내장된 함수를 자유롭게 사용가능하다. Numpy 기본 어레이(array) 작성 Numpy에서 가장 흔히 쓰게될 데이터 타입은 array다. np.arr..

두 개 이상의 pandas DataFrame을 겹치고 싶을 때 concat() 함수로 쉽게 할 수 있다. 이번 페이지에서 cocnat() 여러 가지 활용 예시를 본다 예시 1: 두 개의 pandas DataFrame 쌓기 예시 2: 세 개의 Panda DataFrame 쌓기 ignore_index=True 의미 pd.concat([df1, df2, df3,..], ignore_index =True) 하지 않으면 이전 데이터에 있던 인덱스(index)를 그대로 가져온다. 그렇기 때문에 특별하게 인덱스를 유지해야 하는 경우가 아니라면 'ignore_index = True' 옵션을 추가한다.

1. 적분하기 예시 1 quad(적분 함수(), start, end, 적분함수 인자) quad 함수는 값과, 오차값을 배열(array)로 반환한다. 1.6667은 적분 값, 1.85e-14는 오차값 예시 2 예시 3 가우스 함수(종 함수) 구하기 a 값은 종 함수의 width로 크기가 클수록 넓어지고, 크기가 작으면 좁아진다. 2. PV-그래프(PV-diagram) PV-그래프를 그린다. 아래에 면적은 일(work)이다. PV = W [J] 2.1 등온 과정(isothermal process) 2.1.1. 적분해서 면적(일)을 구한다. 부피 10~40 사이에 등온(isothermal) 팽창한 기체의 200,300,400K에서 시스템 밖으로 한 일을 구한다. 2.1.2. 열역학 1법칙으로 열(heat)를 ..