글 한눈에 보기

문제 설정
마크다운으로 매일 학습 기록을 남기는 습관 만들기!
원본 구조
마크다운 실습 -> Numpy 실습 -> 판다스 실습 -> matplotlib 실습
데이터 맥락
csv파일 불러오는 실습
주요 장
마크다운 실습 · Numpy 실습 · 판다스 실습 · matplotlib 실습
구현 흐름
CSV 데이터 불러오기 -> 데이터 분포 시각화
자료
ipynb / md · 코드 60 · 실행 59
주요 스택
numpy, google, pandas, matplotlib 외 1

1. 마크다운 실습

자기소개 마크다운 미션

이름

조하나

요즘 배우는 것

  • 파이썬 기초 문법
  • 마크다운 정리법
  • 데이터 시각화
  • AI 엔지니어링

나의 목표

마크다운으로 매일 학습 기록을 남기는 습관 만들기!

import numpy as np

arr = np.array([[2, 3, 4,], [5, 6, 7]])

arr

arr[:,0]

arr[1,0]

arr[1, 0:2]

arr[0:0,:]

2. Numpy 실습

기본 함수들

# np.array(): 넘파이 배열로 바꿔주는 함수

import numpy as np

arr = np.array([1,3,5,7,9])
arr

# np.arange()

arr = np.arange(10)
print(arr)

# 2씩 텀 주기
np.arange(3, 10, 2)

# np.zeros()
np.zeros((2,3))

# 1차원 배열 인덱싱

arr_ex1 = np.array([1,2,3,4,5,6,7,8,9])

print(arr_ex1[2])

arr_ex1[-3]

arr_ex1[2:6]

# 2차원 인덱싱

arr_ex2 = np.array([[10, 20, 30],
                  [40, 50, 60],
                  [70, 80, 90]])

arr_ex2[0,1]

# 두번째 행 출력
arr_ex2[1,:]

# 세번째 열 출력
arr_ex2[:,2]

# 0~1행, 1~2열 부분 배열
arr_ex2[0:2, 1:3]

arr_ex1

arr_ex2

arr_ex1.min()

arr_ex1.max()

arr_ex2.max()

arr_ex1.mean()

arr_ex2.mean()

# 리스트에서 평균값 구하기
my_list = [1, 2, 3, 4, 5, 6, 7, 8, 9]
my_list

my_list.mean()

sum(my_list) / len(my_list)

# 넘파이 배열 스칼라(=>값) 곱

arr_ex1 * 3

arr_ex1

arr_ex1 = arr_ex1*3

arr_ex1

arr_ex2*7

arr_ex2

arr_ex22 = arr_ex2*7
arr_ex22

# 배열끼리 빼기

arr_ex22 - arr_ex2

# 예외 - 넘파이 배열 리스트로 바꾸기

ml = arr_ex1.tolist()
ml

arr_ex22 = np.array([[10, 20], [30, 40]])
arr_ex22

# 배열끼리 빼기

arr_ex22 - arr_ex2

ml

#실습 과제1 - 상품 매출액 계산 답안

item = ["비누", "후드티", "청바지", "점퍼", "냄비", "소고기", "커피믹스"]
price = [3700, 54000, 67000, 99000, 89000, 24500, 12000]
quantity = [270, 35, 52, 5, 8, 23, 34]

price_arr = np.array(price)
quantity_arr = np.array(quantity)

price_arr2 = price_arr[1:5]
quantity_arr2 = quantity_arr[1:5]

sales = price_arr2 * quantity_arr2
print("상품별 매출액: ", sales)
print("전체 매출액: ", sales.sum())

3. 판다스 실습

csv파일 불러오는 실습

# 드라이브 마운트 코드
from google.colab import drive
drive.mount('/content/drive')

# CSV 파일 불러오기 실습

import pandas as pd

df = pd.read_csv('/content/drive/MyDrive/코드잇/AI 엔지니어 5기/공유폴더/Data/body.csv')
df

df.head()

4. matplotlib 실습

import matplotlib.pyplot as plt

plt.figure(figsize=(3,2))
plt.plot([1,3,5], [20, 25, 27])
plt.title("Example of line plot")
plt.show()

import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(5,3))
plt.plot(x, y)
plt.title("Sine Curve")
plt.xlabel('X')
plt.ylabel('sin(X)')
plt.grid(True)
plt.show()

# 데이터
years = np.array([2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022, 2023])
sales = np.array([120, 135, 160, 180, 175, 200, 220, 210, 230, 250])

plt.figure(figsize=(4,3))
plt.plot(years, sales, linestyle='-', marker='o', color='green')
plt.title('연도별 판매액')
plt.grid(True)
plt.show()

!sudo apt-get install -y fonts-nanum
!sudo fc-cache -fv
!rm ~/.cache/matplotlib -rf

!apt-get update -qq
!apt-get install fonts-nanum* -qq

import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
import warnings
warnings.filterwarnings(action='ignore')

path = '/usr/share/fonts/truetype/nanum/NanumBarunGothic.ttf' # 나눔 고딕
font_name = fm.FontProperties(fname=path, size=10).get_name() # 기본 폰트 사이즈 : 10
plt.rc('font', family=font_name)

fm.fontManager.addfont(path)

# 데이터
years = np.array([2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022, 2023])
sales = np.array([120, 135, 160, 180, 175, 200, 220, 210, 230, 250])

plt.figure(figsize=(4,3))
plt.plot(years, sales, linestyle='-', marker='o', color='green')
plt.title('연도별 판매액')
plt.grid(True)
plt.show()

# 막대 그래프 - 범주형 데이터를 비교할 때 좋은 그래프

categories = ["A", "B", "C", "D"]
values = np.array([23, 45, 12, 31])

plt.figure(figsize=(4,3))
plt.bar(categories, values, color='orange', edgecolor='black', linewidth=1.5, width=0.6)
plt.title('막대 그래프')
plt.xlabel('Category')
plt.ylabel('Count')
plt.show()

# 산점도 - 두 값의 "관계"를 시각화할 때 사용

x = np.random.rand(100)
y = x + np.random.normal(0, 0.1, 100)

plt.figure(figsize=(4,3))
plt.scatter(x, y, alpha=0.5, color='teal', s=40)
plt.title('산점도')
plt.xlabel('X')
plt.ylabel('Y')
plt.xticks(rotation=45)
plt.show()

# 히스토그램

data = np.random.normal(0, 1, 1000)

plt.figure(figsize=(4,3))
plt.hist(data, bins=30, density=True, color='red')
# density=True: 확률밀도 그래프로 변경
plt.title('히스토그램')
plt.show()

# 파이 차트

y = ['A', 'B', 'C', 'D']
sizes = [25, 30, 20, 25]

plt.figure(figsize=(4,3))
plt.pie(sizes, labels=y)
plt.title("파이 차트")
plt.show()

labels = ['A', 'B', 'C', 'D']
sizes = [25, 30, 20, 25]
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']
explode = (0, 0.1, 0, 0)

plt.figure(figsize=(4,4))
plt.pie(
    sizes,
    labels = labels,
    colors = colors,
    autopct='%1.1f%%',              # 파이 조각 위에 "퍼센트" 보여주기
    startangle=90,                  # 시작 각도 조절
    explode=explode,                # 특정 조각 강조
    shadow=True,                    # 그림자 효과
    counterclock=False              # 시계 방향으로 돌려 보기
)
plt.title('커스터 마이징된 파이차트', fontsize=30, fontweight='bold')
plt.tight_layout()                  # 그래프 겹쳐보이기 금지
plt.show()
포맷 문자열 설명 예시 출력
%1.0f%% 정수로 표시 25%
%1.1f%% 소수점 한 자리 25.0%
%1.2f%% 소수점 두 자리 25.00% 
# 다중 레이아웃 - subplot(행, 열, 순번) 기본

x = np.linspace(0, 2*np.pi, 100)

plt.figure(figsize=(6,3))

plt.subplot(1, 2, 1)
plt.plot(x, np.sin(x))
plt.title('사인 그래프')

plt.subplot(1, 2, 2)
plt.plot(x, np.cos(x))
plt.title('코사인 그래프')

plt.tight_layout()
plt.show()

# 다중 레이아웃 - subplot(행, 열, 순번) 응용

x = np.linspace(0, 2*np.pi, 100)

plt.figure(figsize=(7,7))

for i in range(9):
    plt.subplot(3, 3, i+1)
    plt.plot(x, np.sin(x+i), label=f"sin(x+{i})")
    plt.title(f"{i+1} 사인 그래프")
    #plt.xticks([])
    #plt.yticks([])
    plt.legend()

plt.tight_layout()
plt.show()

df

# 실습 2 - 키와 몸무게 두 그래프 시각화

plt.figure(figsize=(6, 3))

plt.subplot(1, 2, 1)
plt.hist(df['height'], bins=15, edgecolor = "black")
plt.title("키 히스토그램")

plt.subplot(1, 2, 2)
plt.hist(df['weight'], bins=15, edgecolor = "black")
plt.title("몸무게 히스토그램")

plt.tight_layout()
plt.show()

# 실습3 - 여러 그래프 시각화

plt.figure(figsize=(15, 4))

# 1. 키 분포
plt.subplot(1, 3, 1)
plt.hist(df['height'], bins=20)
plt.title("키 히스토그램")

# 2. 몸무게 분포
plt.subplot(1, 3, 2)
plt.hist(df['weight'], bins=20, color='gray')
plt.title("몸무게 히스토그램")

# 3. 산점도
plt.subplot(1, 3, 3)
plt.scatter(df['height'], df['weight'], alpha=0.6)
plt.title("키와 몸무게 산점도")

plt.tight_layout()
plt.show()