728x90
🐍 파이썬 라이브러리 활용하기
파이썬은 다양한 표준 라이브러리와 외부 라이브러리를 제공하여, 데이터 처리, 웹 개발, 머신러닝 등 여러 분야에서 활용할 수 있습니다.
🔹 1. 라이브러리 설치 및 불러오기
✅ 설치 방법 (pip 사용)
일부 라이브러리는 기본적으로 포함되어 있지만, 추가적인 라이브러리는 pip을 사용하여 설치해야 합니다.
pip install 라이브러리명
예제: numpy와 pandas 설치
pip install numpy pandas
✅ 라이브러리 불러오기
설치된 라이브러리는 import를 사용하여 불러옵니다.
import numpy as np
import pandas as pd
🔹 2. 주요 라이브러리 소개
📌 1) 수학 및 과학 계산 라이브러리
✅ 1-1. math (기본 제공)
수학 연산을 위한 기본 라이브러리입니다.
import math
print(math.sqrt(25)) # 5.0 (제곱근)
print(math.factorial(5)) # 120 (5!)
print(math.pi) # 3.141592653589793
✅ 1-2. numpy (수학, 배열 연산)
다차원 배열 및 행렬 연산을 쉽게 수행할 수 있습니다.
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr * 2) # [2 4 6 8 10] (배열 요소에 각각 연산 적용)
matrix = np.array([[1, 2], [3, 4]])
print(np.linalg.inv(matrix)) # 역행렬 계산
📌 2) 데이터 분석 및 처리
✅ 2-1. pandas (데이터프레임 분석)
엑셀과 비슷한 구조의 DataFrame을 다룰 수 있습니다.
import pandas as pd
data = {"이름": ["철수", "영희"], "나이": [25, 23]}
df = pd.DataFrame(data)
print(df)
# 이름 나이
# 0 철수 25
# 1 영희 23
print(df["이름"]) # 특정 열 선택
✅ 2-2. csv (CSV 파일 다루기)
CSV 파일을 읽고 쓰는 기능을 제공합니다.
import pandas as pd
df = pd.read_csv("data.csv") # CSV 파일 읽기
df.to_csv("output.csv", index=False) # CSV 파일 저장
📌 3) 시각화 라이브러리
✅ 3-1. matplotlib (그래프 그리기)
데이터를 그래프로 시각화하는 라이브러리입니다.
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 50]
plt.plot(x, y, marker="o") # 선 그래프 그리기
plt.xlabel("X축")
plt.ylabel("Y축")
plt.title("샘플 그래프")
plt.show()
✅ 3-2. seaborn (고급 시각화)
더 세련된 시각화를 지원합니다.
import seaborn as sns
tips = sns.load_dataset("tips")
sns.scatterplot(x="total_bill", y="tip", data=tips)
plt.show()
📌 4) 웹 크롤링 및 API
✅ 4-1. requests (웹 데이터 가져오기)
웹사이트의 데이터를 가져올 때 사용됩니다.
import requests
response = requests.get("https://jsonplaceholder.typicode.com/todos/1")
print(response.json()) # JSON 데이터 출력
✅ 4-2. BeautifulSoup (HTML 파싱)
웹사이트에서 특정 정보를 추출할 때 사용됩니다.
from bs4 import BeautifulSoup
html = "<html><body><h1>Hello World</h1></body></html>"
soup = BeautifulSoup(html, "html.parser")
print(soup.h1.text) # 출력: Hello World
📌 5) 인공지능 및 머신러닝
✅ 5-1. scikit-learn (머신러닝 모델 학습)
머신러닝 알고리즘을 쉽게 사용할 수 있습니다.
from sklearn.linear_model import LinearRegression
import numpy as np
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2, 4, 6, 8, 10])
model = LinearRegression()
model.fit(X, y)
print(model.predict([[6]])) # 새로운 데이터 예측
✅ 5-2. tensorflow 및 torch (딥러닝)
딥러닝 모델을 만들 때 사용됩니다.
import tensorflow as tf
model = tf.keras.Sequential([tf.keras.layers.Dense(1)])
model.compile(optimizer="sgd", loss="mean_squared_error")
🔹 3. 정리
✅ 수학 계산 → math, numpy
✅ 데이터 분석 → pandas, csv
✅ 데이터 시각화 → matplotlib, seaborn
✅ 웹 크롤링 → requests, BeautifulSoup
✅ 머신러닝 → scikit-learn, tensorflow
필요한 라이브러리를 직접 설치하고 실습해 보면 더욱 이해가 쉬울 거예요! 🚀
728x90
'공부 > 코딩 연습' 카테고리의 다른 글
| 파이썬 기초 문법 정리 (0) | 2025.02.19 |
|---|---|
| [Python] 데이터 형태 변환 - 문자열 <ㅡ> 정수형 (0) | 2024.11.11 |