파이썬에서 matplotlib와 Pandas를 함께 사용하면 데이터프레임을 기반으로 figure(그림)와 axis(축) 객체를 손쉽게 생성하고, scatter 메서드를 이용해 데이터 포인트를 시각화할 수 있습니다. 아래에서는 학생 수와 획득 점수 데이터를 산점도로 표현하는 과정을 단계별로 살펴보고, 나아가 한 페이지에 여러 플롯을 배치하는 방법까지 소개합니다.구현 단계학생 수, 각 학생이 획득한 점수, 점수별 색상 코드 목록을 준비합니다.준비한 데이터를 바탕으로 Pandas의 DataFrame을 사용해 데이터프레임을 생성합니다.su

이 프로그램에서는 NumPy 라이브러리를 사용하여 오늘, 어제, 내일의 날짜를 출력하는 방법을 알아보겠습니다. NumPy는 수치 연산에 특화된 라이브러리이지만, 날짜와 시간을 다루는 강력한 기능도 함께 제공합니다.알고리즘1단계: numpy 라이브러리를 임포트합니다. 2단계: datetime64() 함수를 사용하여 오늘 날짜를 구합니다. 3단계: datetime64() 함수의 결과에서 timedelta64() 함수의 결과를 빼서 어제 날짜를 구합니다. 4단계: datetime64() 함수의 결과에 timedelta64() 함수의 결과

이 글에서는 주어진 문자열에서 특정 부분 문자열(substring)을 제거하는 파이썬 프로그램을 작성하는 방법을 알아봅니다. 파이썬에서는 내장 함수인 replace()를 사용하면 간단하게 해결할 수 있습니다.알고리즘1단계: 문자열을 정의합니다.2단계: replace() 함수를 사용하여 주어진 문자열에서 해당 부분 문자열을 제거합니다.예제 코드original_string = C++ is a object oriented programming languagemodified_string = original_string.replace(obj

이 글에서는 파이썬을 사용해 사용자가 입력한 연도의 첫 번째 날, 즉 1월 1일이 무슨 요일인지 확인하고 출력하는 프로그램을 만들어 보겠습니다. 핵심은 datetime 모듈을 활용하는 것입니다.알고리즘프로그램의 동작 순서는 다음과 같습니다.datetime 라이브러리를 임포트합니다.사용자로부터 연도를 입력받습니다.datetime.datetime() 함수에 연도, 월(1), 일(1)을 매개변수로 전달하여 해당 연도의 첫 번째 날짜 객체를 생성합니다.strftime() 함수를 사용해 요일을 문자열로 변환하여 화면에 출력합니다.예제 코드i

ROC 곡선이란?ROC(Receiver Operating Characteristic, 수신자 조작 특성) 곡선은 이진 분류 모델의 성능을 시각적으로 평가하는 대표적인 도구입니다. X축에는 위양성률(FPR, False Positive Rate), Y축에는 진양성률(TPR, True Positive Rate)을 표시하며, 곡선 아래 면적(AUC)이 1에 가까울수록 더 우수한 분류 모델임을 의미합니다.scikit-learn에서는 metrics.plot_roc_curve() 메서드를 사용해 학습된 분류기의 ROC 곡선을 손쉽게 그릴 수 있

사용자가 입력한 범위 안에서 NumPy 배열을 생성하는 방법을 알아보겠습니다. 이때 NumPy 라이브러리에서 제공하는 arange() 함수를 사용하면 간단하게 원하는 결과를 얻을 수 있습니다. arange() 함수란? np.arange(start, stop, step)은 시작값(start)부터 끝값(stop) 직전까지, 지정한 간격(step)만큼 떨어진 숫자들로 이루어진 배열을 반환합니다. 단, 끝값 자체는 배열에 포함되지 않는다는 점에 유의해야 합니다. 알고리즘 1단계: NumPy를 임포트합니다. 2단계: 사용자로부터 시작값, 끝

이 글에서는 사용자로부터 크기 n을 입력받아 n×n 크기의 단위 행렬(identity matrix)을 출력하는 파이썬 프로그램을 만들어 보겠습니다. 단위 행렬은 주대각선의 요소가 모두 1이고 나머지 요소는 모두 0인 정방행렬로, 선형 대수학에서 항등원 역할을 하는 매우 중요한 행렬입니다.NumPy 라이브러리에서 제공하는 identity() 함수를 사용하면 복잡한 반복문 없이도 단위 행렬을 한 줄로 생성할 수 있습니다. 이 함수는 행렬의 차원과 요소의 데이터 타입(dtype)을 매개변수로 받습니다.알고리즘1단계: numpy 모듈을 임

이 글에서는 NumPy를 사용해 행렬을 생성한 뒤, 해당 행렬의 행(row)과 열(column)의 개수를 확인하는 방법을 알아보겠습니다.알고리즘1단계: 난수로 이루어진 NumPy 행렬을 생성합니다.2단계: numpy.shape 함수를 사용하여 행렬의 행과 열 정보를 가져옵니다.3단계: 행의 개수와 열의 개수를 출력합니다.예제 코드아래 예제에서는 np.random.rand() 함수를 사용해 2행 3열 크기의 무작위 실수 행렬을 만들고, shape 속성으로 크기를 확인합니다.import numpy as np matrix = np.ra

이 글에서는 Python의 NumPy 라이브러리에 포함된 sum() 함수를 사용하여 행렬(matrix)의 모든 요소를 더하는 방법을 알아보겠습니다. 먼저 무작위(random) 값으로 이루어진 행렬을 생성한 뒤, 해당 행렬의 전체 합계를 구하는 과정을 단계별로 살펴봅니다.알고리즘1단계: NumPy 라이브러리를 임포트(import)합니다.2단계: random() 함수를 사용하여 m×n 크기의 무작위 행렬을 생성합니다.3단계: sum() 함수를 사용하여 행렬 내 모든 요소의 합을 구합니다.예제 코드아래 코드는 3×3 크기의 무작위 행렬을

Python에서 특정 점이 다각형 내부에 포함되어 있는지 빠르게 확인하려면 matplotlib.path 모듈의 Path 클래스를 활용하는 것이 가장 간단하고 효율적인 방법입니다. 다각형을 mplPath.Path 객체로 생성한 뒤, contains_point() 메서드를 호출하면 해당 점이 다각형 안에 있는지 여부를 불리언 값으로 즉시 반환받을 수 있습니다. 확인 절차 다각형을 구성할 정점(vertex) 좌표들의 리스트를 준비합니다. mplPath.Path()를 사용하여 주어진 정점들로 새로운 경로(path) 객체를 생성합니다. c

이 글에서는 주어진 행렬에서 각 행의 합과 각 열의 합을 따로 구하는 방법을 알아봅니다. 합계를 계산할 때는 NumPy의 sum() 함수를 사용하며, axis 옵션만 바꿔주면 행 기준 또는 열 기준 계산을 손쉽게 전환할 수 있습니다. 알고리즘 1단계: numpy 모듈을 임포트한다.2단계: m×n 크기의 넘파이 행렬을 생성한다.3단계: 행 방향의 합계를 구한다.4단계: 열 방향의 합계를 구한다. 예제 코드 import numpy as np a = np.matrix(10 20; 30 40) print(Our matrix: \n, a)

이 글에서는 주어진 NumPy 배열에 벡터(배열)를 더하는 방법을 알아보겠습니다. 먼저 NumPy 배열과 벡터를 각각 정의한 뒤, 두 값을 더하여 결과 배열을 얻는 과정을 단계별로 살펴봅니다.알고리즘1단계: NumPy 배열을 정의합니다.2단계: 벡터를 정의합니다.3단계: 원본 배열과 동일한 크기의 결과 배열을 생성합니다.4단계: 원본 배열의 각 행에 벡터를 더합니다.5단계: 결과 배열을 출력합니다.예제 코드import numpy as np original_array = np.array([[1,2,3], [4,5,6], [7,8,9

이 글에서는 두 개의 NumPy 배열 사이의 교집합(intersection)을 구하는 방법을 알아봅니다. 여기서 교집합이란 원래 두 배열에 공통으로 포함되어 있는 요소들만 모아 만든 배열을 의미합니다.NumPy에서는 별도의 반복문 없이 np.intersect1d() 함수 하나만으로 교집합을 손쉽게 구할 수 있습니다. 이 함수는 두 배열을 비교하여 공통 요소를 찾아주며, 결과는 항상 정렬된 상태로 반환됩니다.알고리즘1단계: numpy 라이브러리를 임포트한다. 2단계: 두 개의 NumPy 배열을 정의한다. 3단계: np.intersec

이 글에서는 두 개의 NumPy 배열 사이의 집합 차이(set difference)를 구하는 방법을 다룹니다. 집합 차이란 첫 번째 배열에는 존재하지만 두 번째 배열에는 없는 고유한 값들을 의미합니다. 이를 위해 NumPy 라이브러리에서 제공하는 setdiff1d() 함수를 사용합니다.setdiff1d() 함수는 array1과 array2 두 개의 인자를 받으며, array2에는 포함되지 않은 array1의 값들만 정렬된 형태로 반환합니다.집합 차이의 개념수학적으로 집합 차이는 A − B로 표현되며, A에는 속하지만 B에는 속하지

이 글에서는 NumPy 배열에서 주어진 범위에 속하는 요소들을 찾아 출력하는 방법을 알아봅니다. 이를 위해 numpy.where()와 numpy.logical_and() 두 가지 함수를 활용합니다.동작 원리두 함수는 다음과 같이 함께 작동합니다.np.logical_and(): 두 조건(예: 4 이상, 20 이하)을 동시에 만족하는 요소에 대해 불리언 마스크를 생성합니다.np.where(): 해당 불리언 마스크에서 True인 위치의 인덱스를 반환합니다.알고리즘1. NumPy 배열을 정의합니다.2. np.where()와 np.logic

NumPy 배열의 요소 순서를 반대로 뒤집는 것은 데이터 처리에서 자주 사용되는 기본 작업입니다. 이 글에서는 numpy.flip() 함수를 활용해 배열을 간단하게 뒤집는 방법을 단계별로 알아보겠습니다.np.flip() 함수란?np.flip()은 배열의 요소 순서를 지정한 축(axis)을 기준으로 뒤집어 주는 NumPy 내장 함수입니다. 축을 별도로 지정하지 않으면 1차원 배열의 경우 전체 요소가 역순으로 배치됩니다.알고리즘1단계: numpy 모듈을 임포트한다.2단계: numpy.array()를 사용해 NumPy 배열을 정의한다.3

이 글에서는 Pandas 시리즈(Series)를 정렬하는 방법을 알아보겠습니다. 정렬되지 않은 Pandas 시리즈를 먼저 정의한 뒤, Pandas 라이브러리에서 제공하는 sort_values() 함수를 사용하여 오름차순으로 정렬하는 과정을 단계별로 살펴봅니다.알고리즘시리즈를 정렬하는 절차는 다음과 같습니다.1단계: 정렬되지 않은 Pandas 시리즈를 정의합니다.2단계: sort_values() 함수를 사용해 시리즈를 정렬합니다.3단계: 정렬된 시리즈를 출력합니다.예제 코드아래 예제는 숫자로 구성된 시리즈를 생성하고, sort_val

Pandas를 활용하면 날짜(시간)와 값 데이터를 담은 데이터프레임을 손쉽게 만들 수 있고, 이를 바탕으로 원하는 형태의 시계열 그래프를 그릴 수 있습니다. 이 글에서는 기본적인 시계열 플롯을 생성한 뒤, Matplotlib의 mdates 모듈을 사용해 X축의 메이저(major)·마이너(minor) 눈금과 레이블을 세밀하게 조정하는 방법까지 예제 코드와 함께 살펴봅니다.구현 단계기본 BitGenerator(PCG64)를 사용하는 새로운 Generator 객체를 생성합니다.Pandas의 date_range()를 이용해 2020-01-

이 글에서는 Pandas 시리즈(Series)에 새로운 요소를 추가하는 방법을 알아봅니다. 전통적으로는 append() 함수를 사용했으며, 이 함수를 통해 기존 시리즈에 다른 시리즈 또는 리스트·튜플 형태의 시리즈들을 이어 붙일 수 있습니다. 알고리즘 1단계: 첫 번째 Pandas 시리즈 s1을 정의합니다.2단계: 두 번째 시리즈 s2를 정의합니다.3단계: s2를 s1에 추가(append)합니다.4단계: 최종 병합된 시리즈를 출력합니다. 예제 코드 import pandas as pds1 = pd.Series([10,20,30,40,

파이썬 Pandas 라이브러리에서 제공하는 mean() 함수를 사용하면 Series 객체의 평균값을 아주 간단하게 계산할 수 있습니다. 이 함수는 숫자 데이터를 담고 있는 Series에 적용할 수 있으며, 기본적으로 결측치(NaN)는 자동으로 제외하고 계산합니다.알고리즘1단계: Pandas Series를 정의합니다.2단계: mean() 함수를 사용하여 평균을 계산합니다.3단계: 계산된 평균값을 출력합니다.예제 코드아래 예제에서는 10부터 50까지 다섯 개의 숫자로 이루어진 Series를 생성한 뒤, mean() 함수를 호출하여 평균