NumPy

<aside> 💡 과학 계산을 위한 핵심 라이브러리 중 하나로, 다차원 배열 객체와 이를 다루기 위한 다양한 도구를 제공합니다.

</aside>

import numpy as np

# 배열 생성 및 조작

a = np.array([1, 2, 3])  # 일차원 배열 생성
b = np.array([[1, 2, 3], [4, 5, 6]])  # 이차원 배열 생성
b_reshaped = b.reshape((3, 2))  # 배열의 형태 변경

pass

# 기본 수학 연산

c = a + b[0]  # 배열 간 덧셈
d = 10 * a  # 스칼라와 배열 간의 곱셈

# 통계 및 수학 함수

mean_val = a.mean()  # 평균 계산
max_val = b.max()  # 최대값 계산
cum_sum = a.cumsum()  # 누적합 계산

# 불리언 인덱싱 및 슬라이싱
e = b[b > 3]  # 조건에 따른 선택

# 행렬 연산

matrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[5, 6], [7, 8]])
matrix_product = np.dot(matrix1, matrix2)

# 역행렬 구하기
inverse_matrix = np.linalg.inv(matrix1)

# 행렬식 계산
matrix_determinant = np.linalg.det(matrix1)

# 푸리에 변환

signal = np.array([0., 1., 0., 0.])  # 간단한 신호
fourier_transform = np.fft.fft(signal)  # 신호의 푸리에 변환 계산

pandas

<aside> 💡 고성능 데이터 구조 및 데이터 분석 도구를 제공하는 라이브러리입니다. 주로 데이터 정제 및 분석, 통계 모델링을 위해 사용되며, 특히 대규모 데이터셋을 다룰 때 유용합니다.

</aside>

import pandas as pd
import os

folder_name = 'pandas-data'
os.makedirs(folder_name, exist_ok=True)

# DataFrame 생성
data = {
    '이름': ['홍길동', '임꺽정', '전우치'],
    '나이': [25, 45, 35],
    '도시': ['서울', '부산', '대구']
}
df = pd.DataFrame(data)
df.to_csv(f'{folder_name}/data_1.csv', index=False)

pass