Python NumPy 기본

Source: Dev.to

소개

NumPy는 데이터 분석 및 AI 분야에서 필수적인 도구입니다. 다양한 기본 통계 함수를 제공하여 다음과 같은 여러 지표를 손쉽게 계산할 수 있습니다:

• 최소값 및 최대값
• 평균
• 최빈값
• 중앙값
• 사분위수
• 사분위 범위(IQR)
• 표준편차
• 상대 표준편차
• 이상치 제거
• 상관관계
• 공분산

최빈값, 중앙값 및 상관관계에 대해 더 알고 싶다면 다음 글을 참고하세요:

• 최빈값과 중앙값에 대한 빈도표
• 왜 상관관계가 작동할까?

설치

라이브러리를 설치하려면 명령 프롬프트(Windows) 또는 터미널(Linux)을 열고 다음 명령을 실행하세요:

pip install numpy
pip install scipy

기본 통계 연산

import numpy as np
from scipy import stats

# numpy array 생성
x = np.array([1, 2, 3, 4, 7, 7, 7, 9, 13, 15])

# 최소값 및 최대값
minimum = np.min(x)
maximum = np.max(x)

# 최빈값, 중앙값 및 평균
mode = stats.mode(x).mode[0]
median = np.median(x)
mean = np.mean(x)

# 사분위수
q1 = np.percentile(x, 25)   # 25번째 백분위수
q3 = np.percentile(x, 75)   # 75번째 백분위수

# 사분위 범위
iqr = q3 - q1

# 모집단 표준편차
std = np.std(x)

# 표본 표준편차 (ddof=1)
std_sample = np.std(x, ddof=1)

# 상대 표준편차
rstd = std / mean

이상치 제거

이상치 필터링은 간단한 벡터 기반 마스크링으로 수행됩니다.

import numpy as np

x = np.array([1, 60, 65, 70, 75, 80, 85, 400])

q1 = np.percentile(x, 25)
q3 = np.percentile(x, 75)
iqr = q3 - q1

lower = q1 - 1.5 * iqr
upper = q3 + 1.5 * iqr

no_outliers = x[(x > lower) & (x

참고: 행렬의 인덱스는 0부터 시작하므로 [0, 1] 요소는 두 변수 간의 관계를 반환합니다. 자기 자신과의 공분산은 분산(표준편차의 제곱)과 동일합니다.