[Python][AI] pandas, numpy 기초 함수 정리

array([[-1.5, 0.5],
        [ 1. , 0. ]])

기초인공지능 수업 Project를 하면서 pandas, numpy 함수를 엄청 쓰는데,

정리해두면 좋을 것 같아서 끄적끄적 해보도록 하겠다.

 

---

 

[Pandas] .dropna()

Missing value가 있는 행을 삭제하는 함수.

     A    B  C
0  1.0  NaN  1
1  2.0  2.0  2
2  3.0  3.0  3
3  NaN  4.0  4
4  5.0  5.0  5

만일 데이터가 위와 같을 때 data = data.dropna()를 해준다면 아래와 같이 정리된다.

     A    B  C
1  2.0  2.0  2
2  3.0  3.0  3
4  5.0  5.0  5

 

 

[NumPy] concatenate()

배열을 결합, 연결해주는 함수.

ex) np.concatenate((arr1, arr2, ...), axis=0)

여기서 axis는 결합할 축을 지정한다. axis가 0이면 수직 결합, 1이면 수평 결합을 한다.

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])
result = np.concatenate((arr1, arr2), axis=1)

이렇게 한다면 결과는 다음과 같다. 행 수가 맞지 않아도 0, 0으로 채운다.

array([[1, 2, 5, 6],
       [3, 4, 0, 0]])

만일 이때 axis=0을 하면 두 arr의 행 수가 맞지 않아서 오류가 난다.

 

열을 맞추고 axis=0으로 결합한다면?

arr2 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
result = np.concatenate((arr1, arr2), axis=0)

이렇게 열이 같다면 다음과 같은 결과가 나온다.

array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])

 

 

[NumPy] linalg.inv()

역행렬을 구하는 함수.

다음과 같이 쓸 수 있다.

a = np.array(range(4)).reshape(2, 2)

그러면 a는 다음과 같다.

[[0 1]

 [2 3]]

a의 역행렬을 구하면 다음과 같다.

a_inv = np.linalg.inv(a)

([[-1.5, 0.5],
  [ 1. , 0. ]])

 

[NumPy] dot()

내적을 구하는 함수.