데분 파이썬 - 1강 / 파이썬이란?

기대효과

1. 데이터 관리 : 당장 데이터 분석을 위해 방대한 데이터들을 불러오고 저장하는 것은 가장 기본적인 과정 입니다. 이것부터 파이썬 문법을 사용하기 시작합니다.
2. 데이터 전처리 : 데이터를 분석하기 전 데이터의 문제가 있는지 살펴보고 데이터를 분석하기 좋게 전처리하는 과정이 필수적입니다. 이 과정에서 파이썬 문법을 사용합니다. (특히, Pandas, Scipy와 같은 데이터 분석 및 데이터 계산 파이썬 패키지를 함께 사용할 수 있습니다)
3. 데이터 시각화 : 데이터를 불러오거나 분석하고 난 후에 데이터의 형태를 살펴보기 위해 시각화 하는 것은 필수적입니다.
4. (특히, matplotlib, seaborn과 같은 데이터 시각화 파이썬 패키지를 함께 사용할 수 있습니다)
5. 데이터 계산 : 데이터 분석에서 가장 중요한 과정이며 이를 수행하는데도 파이썬 문법이 필수적입니다. 다양한 통계적인 계산을 수행하기도 하며 직접 만든 수식을 적용하기도 하고 머신러닝이나 딥러닝을 함께 사용하기도 합니다
6. (사용하는 주요 파이썬 패키지로는 scipy, scikitlearn, numpy, tensorflow, pytorch 등이 있습니다)

AI(머신러닝 및 딥러닝) 사용하기

설명

AI모델(머신러닝, 딥러닝)을 사용할 때 파이썬 문법이 필요

목적

데이터 기반의 AI모델은 필수적으로 파이썬 기반의 패키지인 pytorch, tensorflow 등을 사용하기

결과물

AI모델을 직접 설계하고 학습할 수 있으며 다른 사람이 만든 모델도 직접 수정하고 활용할 수 있음

기대효과

1. AI모델 사용가능
2. 만들어진 유명한 AI모델(ex. Chat GPT)등을 더욱 발전시켜 커스터마이징 해서 사용 가능
3. AI모델을 직접 다룰 수 있는 데이터 분석가가 될 수 있음   

 

주피터 노트북 단축기

---

변수 선언, 할 (정의)

age = 25

name = "alice"

 

complex : 복소수

 

 

NaN (Not a Number)  :

데이터 결측치 (missing value)를 나타내는 특수한 값.

주로 수치형 데이터에서 발생하며,

특히 데이터 과학이나 머신러닝 분야에서 데이터 정제 및 처리과정에서 주로 다뤄짐

 

NaN은 정의할 수  없는 수치값

-> 0으로 나누는 연산이나 유효하지 않은 수학적 연산 결과를 나타낼 때 사용됩니다.

데이터 프래임과 같은 데이터 구조에서는 결측치를 표현 할 때 NaN이 사용됩니다.

 

수학 계산 NaN

# 0으로 나누는 연산
result = 1 / 0
print(result)  # 출력: Infinity
# ZeroDivisionError: division by zero

import math

# 유효하지 않은 수학적 연산
result = math.sqrt(-1)
print(result)  # 출력: nan

데이터 프레임 NaN

import pandas as pd

# NaN을 포함한 데이터프레임 생성
data = {'A': [1, 2, None],
        'B': [3, None, 5]}
df = pd.DataFrame(data)

print(df)
# 출력:
#      A    B
# 0  1.0  3.0
# 1  2.0  NaN
# 2  NaN  5.0

 

 

입력문 - input()

name = input("이름을 입력하세요: ")
print("안녕하세요,", name, "님!")

입력칸이 생성 된 모습

 

 

변수 활용 유용버젼

• 변수가 실전에서 사용되는 예시3 : 머신러닝 모델구조 자체를 담을 때 사용
  • 머신러닝 모델 구조를 변수에 담는 예시로는 주로 변수에 모델 객체를 할당하는 방법이 사용됩니다.
  • 이를 통해 모델을 저장하고 필요할 때 불러와 재사용할 수 있습니다.
  • 아래 예시는 Scikit-learn 라이브러리를 사용하여 간단한 선형 회귀 모델을 변수에 할당하는 예시입니다.
    • 라이브러리를 불러오는 자세한 내용은 맨 마지막 유용한 파이썬 문법 수업에서 자세히 다뤄요!
    • 이번 시간에는 간단하게 Scikit-learn 라이브러리를 불러오는 것만 해봐요!

  from sklearn.linear_model import LinearRegression
  
  # 선형 회귀 모델 객체 생성
  model = LinearRegression()
  

  • 위의 예시 코드에서는 Scikit-learn 라이브러리를 사용하여 선형 회귀 모델을 생성하고 model이라는 변수에 담았습니다.
  • 이후부터 선형회귀 모델을 사용할때 model이라고 정한 변수를 사용하여 선형회귀 모델을 다루면 되요!