파이썬 본캠프 - 5-1 강 / 알유파문

알면 유용한 파이썬 문법들

요약

import pandas as pd

data = {
    'Name': ['John', 'Emily', 'Michael'],
    'Age': [30, 25, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}

df = pd.DataFrame(data)
excel_file_path = '/content/sample_data/data.csv'
df.to_csv(excel_file_path, index = False)

excel_file_path = '/content/sample_data/data.xlsx'
df.to_excel(excel_file_path, index = False)


print("csv/xlsx 파일이 생성되었습니다.")

여기서 index는 엑셀기준 좌측에 보이는 첫번째 컬럼 이전 row_number처럼 쭉 나열되어있는

번호표를 의미하며 일반적으로는 사용하지 않음?

import json

data = {
    'Name': ['John', 'Emily', 'Michael'],
    'Age': [30, 25, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}

json_file_path = '/content/sample_data/data.json'

# json 파일을 쓰기모드로 열어서 data를 거기에 덮어씌우게 됩니다.
with open(json_file_path, 'w') as jsonfile:
    json.dump(data, jsonfile, indent=4)
    

text_file_path = '/content/sample_data/data.txt'
# txt 파일을 쓰기모드로 열어서 data를 거기에 덮어씌우게 됩니다.
with open(text_file_path, 'w') as textfile:
    for key, item in data.items():
        textfile.write(str(key) + " : " + str(item) + '\n')

print("JSON/텍스트 파일이 생성되었습니다.")

json  indent :  들여쓰기 

with 열고 난 다음 자동으로 닫아줌?

 

---

 

패키지

import library / 여러개의 모듈을 포함하는 디렉토리

pandas 

데이터 조작과 분석을 위한 라이브러리

데이터를 효과적으로 조작하고 분석 할 수 있도록 함.

 

numpy

과학적 계산을 위한 핵심 라이브러리

다차원 배열과 행렬 연산을 지원함

 

matplotlib

데이터 시각화를 위한 라이브러리

다양한 그래프와 플롯을 생성할 수 있음

 

seaborn 

matplotlib을 기반으로 한 통계용 데이터 시각화 라이브러리

보다 간편하고 아름다운 시각과 제공

 

scikit-learn

머신 러닝 알고리즘을 사용할 수 있는 라이브러리

분류, 회귀, 군집화, 차원 축소 등 다양한 머신 러닝 기법을 제공

 

statsmodels

통계 분석을 위한 라이브러리

회귀 분석, 시계열 분석, 비모수 통계 등 다양한 통계 기법 제공

 

scipy

과학기술 및 수학적 연산을 위한 라이브러리

다양한 과학 및 공학 분야에서 활용됨

선형대수, 최적화, 신호 처리, 통계 분석 등 다양한 기능 제공

 

tensorflow

딥러닝 및 기계 학습을 위한 오픈소스 라이브러리

구글 개발, 그래프 기반 계산을 통해 수치 계산 수행

신경망을 구축하고 학습할 수 있음

 

pytorch

딥러닝을 위한 오픈소스 라이브러리

facebook 개발, 동적 계산 그래프를 사용,

신경망을 구축하고 학습 할 수 있음

 

---

포맷팅(formatting)

 

x=10
print(f"stri{x}ng")

print("st{}ring".format(x=10))

x=10  or x
print("strin%dg"%(x)) or print("strin%sg"%(x))

 

 

---

리스트 컴프리헨션

(list comprehension)

간결하고 단순한 리스트 작성용

#구조
[표현식 for 항목 in iterable if 조건문]

 

---

lambda 함수

주로 함수를  매개변수로 받거나 함수를 반환하는 고차 함수,

즉 함수형 프로그래밍에서 사용됨.

 

간결/가독성

코드 간결 : 간단 연산이나 조작 필요시 적용 가능/

/간단한 표현식을 사용, 가독성 향상 - 짧고 명확한 경우

 

익명성

이름 X, 지정 X  -> 임시사용 가능

정렬, 필터링 같은 함수의 매개변수로 전달 할 때

 

함수형 프로그래밍

함수를 값으로 취급하고 함수를 다루는 함수형 프로그래밍 패러다임 에서

함수를 매개변수로 받는 고차 함수를 작성하거나 함수를 반환하는 경우에

람다함수가 효과적으로 사용된다.

 

add = lambda x,y : x+y
print(add(3,5)) #출력 : 8
#f(x,y)

일반적인 람다 사용은 비권장

데이터 분석 간 사용 필요성이 있음

 

numbers = [1,2,3,4,5,6,7,8,9,10]
even_numbers = list(filter(lambda x: x%2 == 0, numbers))
print(even_numbers) #출력 : [2,4,6,8,10]