데이터 시각화 공부 : numpy와 pandas

numpy  - 1,2,3차원(그 이상 고차원) 배열 처리에 특화  - scipy, pandas, scikitearn등의 데이터 사이언스, 머신러닝       플랙폼의 백본 역할 -  TesorFlow, PyTorch등에서 텐서(Tensor)를 이해하는데 중요

pandas  - 데이터 엔지니어링, 사이언스의 효과적인 플랫폼  - 그룹화, 조인, 피벗 등 데이터 분석의 강력함  - 머신러닝을 데이터 파이프라인으로서도 역할

Numpy

• 특징 
  • 최적화된 배열 처리
    • 메모리, 오버헤드 최소화
    • 효과적인 인덱싱
  • 벡터화된 배열내 엘리먼트 연산
    • 인터프리터 언어인 파이썬 단점을 극복 => 빠른 속도로 최적의 효율
    • 루프 연산에서 장점 극대화
  • 브로드캐스팅 : 모양(shape)가 다른 배열간 연산을 효과적으로 수행=>크기를 자동으로 맞춤, 확장
  • 구조화된 배열 : 판다스 구현의 백본
    • x = np.array([('Rex', 9, 81.0), ('Fido', 3, 27.0)], ... dtype=[('name', 'U10'), ('age', 'i4'), ('weight', 'f4')])

파이썬 리스트  - 어떤 데이터 타입이든 담을 수 있다.    (첫번째 - 정수, 두번째- 문자열)  - 오버헤드 : 각 엘리먼트의 타입 정보, 참조 횟수, 기타 정보

numpy 배열  - 동일 타입만 담을 수 있다.  -최소한의 오버헤드

import numpy as np