변수와 자료형

딕셔너리: 

dic = {"하나" :1, "둘":2}

 

#키값은 자동으로 abc 순, 혹은 가나다 순으로 정렬

{'둘':2, '하나':1}

 

dic.keys()

dict_keys([ '하나', '둘'])

 

dic.values()

dict_values([1, 2])

 

튜플:

tup = (1,2)

tup

(1,2)

 

리스트

데이터 전처리할 때 가장 많이 쓰임, 문자형 데이터가 들어가는 factory 변수 설정

factory=["전기", "오퍼레이터", "직업", "사무실", "사장"]

len 함수는 자료형의 길이 확인 가능

 

len(factory)

5

 

append

for 반복문과 함께 데이터 전처리할 때 많이 활용됨

factory.append("비")

factory

['전기', '오퍼레이터', '직업',  '사무실', '사장', '비']

factory.append(factory)

['전기', '오퍼레이터', '직업',  '사무실', '사장', '비',['전기', '오퍼레이터', '직업',  '사무실', '사장', '비']]

값을 하나씩 추가할때는 append

리스트를 추가할 때는 extend

factory.extend(factory)

['전기', '오퍼레이터', '직업',  '사무실', '사장', '비', '전기', '오퍼레이터', '직업',  '사무실', '사장', '비']

 

factory.remove("전기")

factory

['오퍼레이터', '직업',  '사무실', '사장', '비']

 

딕셔너리: key value 값으로 이루어진 {}안에서 입력되는 자료형

fac_word = {'factory':'공장', 'electricity': '전기', 'assemble': '조립하다'  }

fac_word

{ 'assemble': '조립하다' ,'electricity': '전기',  'factory':'공장'}

fac_word["factory"]

'공장'

fac_word["assemble"] = "모으다"

fac_word

{ 'assemble': '모으다' ,'electricity': '전기',  'factory':'공장'}

fac)word.keys()

dict_keys(['factory', 'electricity', 'assemble'])

 

tuple 변수 할당

digit = (0,1,"two")

digit = tuple(0,1,"two")

digit[1]

1

tuple은 조회밖에 안됨

digit[0] = 1

오류

 

반복되는 코드에 대해서 처리가 가능한 기능 for문, while문

while문

i=1

while i <= 100:

print(i)

i=i+1

1부터 100까지 출력

 

x in A

x not in A

 

for i in range(1, 101):     /101까지 해야 100까지

 

a=118* 29

b=97*35

if a>b:

 

** 제곱

예외처리

.py 파일은 중간에 오류가 하나라도 발생하면 실행을 멈춤

예외처리를 하면 자잘한 오류를 무시하고 코드 실행 가능

커스텀 에러 메시지 구현

 

text = "100퍼센트"

try: #try 구문 정의

number=int(text) # int 변환

excepty ValueError:

print("{}는 숫자가 아닙니다.".format(text))

 

#함수설정

def list_print(list, index): #입력변수: 리스트 면수, 인덱스

print(list.pop(index)):

 

numpy 패키지

수학 연산, 행렬처리 등의 작업 수행

numpy 형태로 데이터를 변환 후 머신러닝/딥러닝 모델에 입력 가능

특징
1.Numpy 배열을 리스트와 같은 값의 집합으로 볼 수 있으나 리스트와 다르게 하나의 타입만을 가질 수 있음

2. 각 차원의 크기를 튜플 형태로 표현 가능

3.배열의 차원에 따라서 인덱싱(조회) 가능

 

#외부 패키지 임포트

import numpy as np

#import pandas as pd

 

arr1 = np.array([1, 2, 3])

type(arr1)

numpy.ndarray

 

arr1.shape # numpy 행렬의 사이즈 출력

(3,)

arr1.ndim  #차원

1

arr2 = np.array([[1, 2, 3],[4, 5, 6,]])

type(arr2)

(2,3)

arr2.ndim

2

np.zeros(shape=(5,5))