Appia의 IT세상

이번 포스팅은 파이썬[Python]에서 매우 많이 사용하는 Pycharm을 설치하는 방법에 대해서 이야기를 하고자 합니다. 물론 개인적인 의견이지만, 저의 경우 Python을 사용할 경우 Pycharm을 선호합니다. 대략 한 4년 정도 사용하다 보니, Visual Studio Code(vscode)보다 편함을 느낍니다. 물론 무료 버전또한 제공을 받고 있기 때문이죠. 그럼 오늘은 간단히 설치하는 방법을 진행해보도록 하겠습니다. 우선 Pycharm의 홈페이지로 가야 합니다. 구글등에서 검색하셔도 되고, 아니면,다음 링크를 직접 누르시면, 홈페이지로 이동합니다. PyCharm: the Python IDE for Professional Developers by JetBrains The Python & Djan..

이번 포스팅에서는 Numpy데이터을 외부 추출하는 방법에 대해서 살펴볼려고 합니다. 물론 Pandas등을 통해서 CSV 파일로 추출하는 방법들을 매우 대중화 되어 있습니다. 그래서 많은 분들은 일정한 단계를 걸쳐 Pandas를 이용한 CSV파일로 추출을 합니다. 저는 바로 Pandas DataFrame으로 변환하여 CSV파일을 추출하는 방법과 바로 Numpy에서 CSV 파일을 추출하는 방법에 대해서 살펴보겠습니다. Pandas DataFrame으로 변환하여 CSV파일 추출하기 실제 Numpy array를 Dataframe으로 변환하여 CSV파일을 추출하기 위해서는 다음 단계를 걸쳐야 합니다. 1. numpy array을 pandas DataFrame으로 변경 2. CSV 파일로 저장 그럼 다음 예시를 통..

이번 포스팅에서는 collection 모듈에서 deque에 대해서 이야기 해보고자 합니다. deque는 기본적으로 리스트의 방식이 매우 동일합니다. 기존의 큐의 양방향성을 확보한 상태라고 보시면 조금 더 수월할 것이라고 생각이 듭니다. 그럼 생성부터 간단히 한번 살펴보도록 하겠습니다. 그렇지만 모든 데이터의 방향의 기본은 오른쪽입니다. 추가적으로 왼쪽에서 데이터를 뺴고 입력하는 부분에 대해서는 별도의 함수를 제공합니다. deque 생성 기본적인 deque생성시에 다음과 같은 형태로 생성이 됩니다. collections.deque([iterable[, maxlen]]) 그럼 간단한 예시를 보면서 조금 더 살펴보겠습니다. example) import collections basedata = ['a','b',..

ㅇ파이썬[Python]에서 저는 가장 매력적인 데이터 타입이 딕셔너리(Dictionary)라고 생각합니다. 키와 값을 별도로 분리해서 관리하기 때문에 때론 이 부분이 클래스(Class)같기도 하고 때론 리스트 형태의 데이터 타입인것 같기도 합니다. 물론 이건 저의 개인적인 생각입니다. 딕셔너리(Dictionary)를 가지고 작업을 할때 다양한 니즈가 있을 수 있지만 저의 경우 가장 많은 니즈가 바로 2개 이상의 딕셔너리(Dictionary)의 합치는 것입니다. 물론 최신 버전에서는 매우 간단하게 사용가능합니다. 하지만, 파이썬[Python] 3.4 미만 버전 또는 2점대 버전을 사용하는 부분에서는 생각보다 번거로운 작업이 될 수 있습니다. 그래서 이번 포스팅에서는 이러한 딕셔너리(Dictionary)를 ..

종종 재무 관련된 부분들을 살펴볼 때 흔히들 많이 날짜부분들을 인덱스로 많이 사용하고 합니다. 실제 많은 서적이나 예시등에서도 관련된 부분들을 사용하고 있습니다. 그래서 이번에는 Pandas에서도 관련된 함수에 대해서 한번 살펴보고자 합니다. 우선 Pandas에서도 다음과 같은 함수를 통해서 일련된 날짜 생성등을 활용할 수 있게 지원하고 있습니다. date_range() 그럼 이를 바탕으로 간단한 예를 살펴보도록 하겠습니다. example) import pandas as pd print (pd.date_range('1/1/2020', periods=5))cs result) DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04', '20..

이전 포스팅에서는 loc()를 이용하여 각 인덱스(label) 값을 바탕으로 데이터를 선별하는 방법에 대해서 살펴봤습니다. 하지만, 생각보다 키값 또는 인덱스 값을 정확히 알고 있는 사람들이 많지 않을 수 있습니다. 따라서, 이번 포스팅에서는 이전 포스팅과는 달리, 숫자를 이용한 범위 지정 또는 데이터를 선택하는 방법에 대해서 살펴보고자 합니다. 이와 같은 숫자를 이용하여 데이터를 선택하거나 범위를 지정하는 방식에 사용되는 함수는 다음과 같습니다. iloc() - 숫자를 이용한 범위 또는 데이터 선택 그럼 예시를 보면서 하나식 살펴보도록 하겠습니다. example) 특정 열까지 데이터 출력 import pandas as pd import numpy as np df = pd.DataFrame(np.rand..

실제 Pandas를 사용할 경우 많은 데이터 속에서 원하는 데이터를 선별하는 것이 매우 중요하다고 생각합니다. 그래서 이번에는 각 인덱스(Label)를 이용하여 각 값들을 선택하는 방법에 대해서 살펴보고자 합니다. DataFrame의 경우 이와 같이 특정 행, 열을 선택할 경우에 다음과 같은 함수들을 사용할 수 있게 지원하고 있습니다. 그중에서 인덱스(lable)를 이용하여 각 데이터를 선택하는 함수는 다음과 같습니다. loc() - 인덱스 이름(label) 기반으로 선택 그럼 예제를 통해서 각 기능 및 사용 방법에 대해서 살펴보도록 하겠습니다. 그럼 일단, 특정 열(row)만 출력하는 방법을 살펴보겠습니다. example) 특정 열(row)만 출력 import pandas as pd import num..

이번 포스팅은 collection 모듈에 대해서 조금 더 알아보도록 하겠습니다. 이 전에 counter()라는 함수를 알아봤었습니다. 이번에는 클래스와 매우 유사하지만, 조금 더 쉽게 빠르게 만들 수 있는 namedtuple이라는 부분에 대해서 살펴보도록 하겠습니다. 보틍 튜플의 경우, 인덱스를 통해서 접근이 가능합니다. 하지만, namedtuple의 경우 키 값을 통해서 접근이 가능합니다. 마치 class/딕셔너리와 유사하다고 봐야 합니다. namedtuple(typename, field_names, verbose = False, rename = False) namedtuple의 경우 이와 같은 형태를 가지고 있습니다. 그럼 이를 바탕으로 생성하는 부분을 한번 살펴보도록 하겠습니다. example) i..

Pandas에서는 아시다시피 DataFrame을 매우 중요한 역할입니다. 하지만, 사용자가 원하는 데이터 값을 얻고자 한다면 반드시 정렬하는 등의 값이 필요로 합니다. 이 부분에 대해서는 크게 2가지 형태로 정렬할 수 있습니다. 크게 Column, Row의 인덱스(Label)을 바탕으로 정렬할 수 있습니다. 또한 값을 바탕으로 정렬할 수 있습니다. 그 방법에 대해서 살펴보겠습니다. 그럼 다음 예시에 보이는 데이터 값을 바탕으로 정렬를 진행해보고자 합니다. example) import pandas as pd udf=pd.DataFrame([[11,21],[14,24],[12,22],[13,23],[10,20],[15,25]], index=[1,4,2,6,3,0], columns=['N2','N1']) pr..

이번 포스팅은 파이썬[Python] Pandas의 데이터 컨테이너인 Series, DataFrame을 루프 돌리는 것에 대해서 한번 살펴보고자 합니다. 실제 많은 기본적인 반복문에 대해서 사용자들이 사용할 줄 알 것이라고 생각합니다. 하지만, 관련해서 혹시 알아보고자 하신다면, 다음 링크를 참조하시길 바랍니다. 파이썬[Python] 004 분기문(조건문), 반복문 파이썬[Python] 004 분기문(조건문), 반복문 분기문(조건문) 흔히들 갈림길 또는 조건에 의해서 하나를 선택해야 하는 경우가 생깁니다. 프로그래밍을 하다 특정 조건에서만 실행되는 명령이 있고, 경우에 따라서는 그 조건이 부합할 때, 부합하지 않을 때,.. appia.tistory.com 앞서서 Pandas에서 살펴보면서, Series/D..