Appia의 IT세상

이번 포스팅에서는 실제 많은 데이터를 관리하는 엑셀 또는 CSV 파일 형태에서 Pandas의 DataFrame으로 바로 가져오는 방법을 알아보고자 합니다. 실제 많은 데이터들이 CSV 형태로 되어 있다 보니, 파일 불러오기 등을 활용해서 불러 오는 경우도 많습니다. 하지만, 이럴 경우 열이 끝나는 곳까지 루프를 돌려야 하고, 또한 여러가지로 복잡합니다. CSV파일 DataFrame으로 가져오기 그래서 Pandas에서 제공하는 부분을 활용해서 한번 CSV파일을 바탕으로 DataFrame을 생성하는 방법에 대해서 살펴보고자 합니다. 먼저 그럼 다음 데이터를 바탕으로 진행을 해보겠습니다. 혹 저의 코드를 따라 하실 분들을 위해서, 위의 파일또한 다음과 같이 첨부드립니다. 그럼 이제부터는 한번 파일을 가지고 작..

이썬에서 제공하는 Dictionary[딕셔너리]를 사용하다보면, 키/값이 존재하지 않는 경우에 대한 처리를 해야 하는 경우가 많습니다. 그럴 경우에 기본 값을 설정하는 경우가 있습니다. Collections 모듈은 기존에 존재하는 dictionary를 본인의 의도대로 새로 생성한 부분이 있는 거 같습니다. 이번에는 앞서 포스팅 했던 OrderedDict과 살짝 다른 defaultdict에 대해서 살펴보고자 합니다. 기본 dictionary에는 setdefault라는 메소드가 있습니다. 즉, 특정 키에 대해서 값이 없는 경우 다음과 같이 key에 값을 기본값을 지정할 수 가 있습니다. 그럼 다음 예제를 한번 보겠습니다. example) normalDict = {} normalDict.setdefault("..

이번 포스팅은 Collections 모듈에서 OrderedDict(순서 있는 Dictionary)에 대해서 살펴보고자 합니다. 흔히들 많이 이야기 하시는 것이 Dictionary(딕셔너리)와 동일하나, 순서를 가지고 있다고 이야기 합니다. 맞는 말입니다. 하지만, 이 부분에 대해서 정확히 확인하기 위해서는 몇가지를 확인해야 합니다. 먼저 기존 Dictionary(딕셔너리)를 생성하여 비교 해보도로 하겠습니다. 다음을 한번 살펴보겠습니다. Example) d = {} d['x'] = 100 d['y'] = 200 d['z'] = 300 v = {} v['y'] = 200 v['x'] = 100 v['z'] = 300 print(d) print(v) if d == v : print(" Dictionary가 ..

파이썬[Python]을 하다보면 외부에서 필요로 하는 모듈을 많이 설치 하게 됩니다. 이럴 때 가장 많이 사용하는 명령어가 pip입니다. 하지만 Pycharm (파이참)에서는 이와 달리 설치가 가능합니다. 이번 포스팅에서는 바로 Pycharm (파이참)에서 필요로 하는 모듈(Module)을 설치하는 방법에 대해서 살펴보고자 합니다. 먼저, Pycharm (파이참)의 상단 가장 좌측에 위치한 [File]메뉴를 열어 주세요. 여기에서 [Settings...]메뉴를 선택해 주십니다. 대부분 설정의 다음 메뉴에서 진행이 됩니다. 그럼 다음과 같은 화면에서 [Project]에서 [Project Interpreter]부분을 클릭해 주시길 바랍니다. 그럼 설치 되어 있는 모듈에 대해서 살펴볼 수 있습니다. 이 때 만..

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..