Pandas 고급
데이터 set 만들기 df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'], 'C': ['C0', 'C1', 'C2', 'C3'], 'D': ['D0', 'D1', 'D2', 'D3']}, index=[0, 1, 2, 3]) df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'], 'B': ['B4', 'B5', 'B6', 'B7'], 'C': ['C4', 'C5', 'C6', 'C7'], 'D': ['D4', 'D5', 'D6', 'D7']}, index=[4, 5, 6, 7]) df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'], 'B'..
2019. 9. 25.
편리한 시각화 도구 Seaborn
아래의 모든 내용은 파이썬으로 데이터 주무르기(저자 민형기)의 예시를 사용했습니다. ▶ 몇 개의 사인 함수 그리기 import matplotlib.pyplot as plt %matplotlib inline import seaborn as sns x = np.linspace(0, 14, 100) y1 = np.sin(x) y2 = 2*np.sin(x+0.5) y3 = 3*np.sin(x+1.0) y4 = 4*np.sin(x+1.5) plt.figure(figsize=(10,6)) plt.plot(x,y1, x,y2, x,y3, x,y4) plt.show() ▶ Seaborn의 white 스타일 지원 sns.set_style("white") plt.figure(figsize=(10,6)) plt.plot(x..
2019. 9. 19.
파이썬의 대표 시각화 도구 Matplotlib
아래의 모든 내용은 파이썬으로 데이터 주무르기(저자 민형기)의 예시를 사용했습니다. ▶ 시각화에 필요한 모듈 불러오기, matplotlib.pyplot as plt # 모듈 불러오기 import matplotlib.pyplot as plt # 앞으로 plt란 값을 사용 %matplotlib inline # 그래프의 결과를 출력 세션에 나타나게 하는 설정 ▶간단한 그래프 그리기 plt.figure() plt.plot([1,2,3,4,5,6,7,8,9,8,7,6,5,4,3,2,1,0]) plt.show() ▶ sin함수 만들어보기 import numpy as np t = np.arange(0,12,0.01) # 0에서 12까지 0.01 간격으로 데이터 만들기, x축 y = np.sin(t) # np에 있는 ..
2019. 9. 17.
