데이터 분석을 위한 Python 소개

이번 주 Lux Tech Academy Kenya와 함께한 흥미롭고 유익한 세션에서 우리는 데이터 및 분석을 위한 Python에 대한 포괄적인 소개를 진행했습니다.

먼저 Anaconda 다운로드를 설치하고 Jupyter 노트북을 실행해야 합니다. 다음은 Anaconda/Jupyter 노트북을 다운로드할 수 있는 링크입니다: Anaconda/Jupyter 노트북 설치

나는 이 모든 지식의 풍성함으로 가득 찬 그릇처럼 느껴집니다. 그 중에서 몇 가지 하이라이트를 공유하겠습니다.

튜플은 목록과 유사하지만 더 고유한 데이터 구성을 용이하게 하는 내장 데이터 유형을 나타냅니다. 이는 괄호;my_cars= (1,2,3)를 사용하여 정의됩니다. 튜플은 위도 및 경도와 같이 시간이 지나도 변경되지 않는 고정된 항목 컬렉션을 나타냅니다. 목록과 달리 튜플은 수정할 수 없습니다. 일단 정의되면 튜플의 요소를 변경하거나 변경할 수 없습니다.

Python 목록은 튜플과 약간 다른 특정 범주로 정보를 구성할 수 있는 내장 데이터 시스템을 참조하기도 합니다. 다음은 과일 목록의 예입니다. my_fruits=['mangos','apples','grapes']
목록은 다양한 데이터 유형의 요소를 저장할 수 있으며 해당 요소는 .apend(),.remove() 등과 같은 함수를 사용하여 수정 가능하므로 프로그램에서 동적으로 커질 수 있습니다.

NumPy 배열은 Python 라이브러리에 대규모 데이터 세트를 저장하는 효율적인 방법을 제공하지만 다음과 같은 점에서 목록 및 튜플과 다릅니다. 동일한 데이터 유형의 요소만 저장하고 메모리 공간을 덜 사용하며 루프 프로세스가 없습니다. 벡터화된 작업을 지원하기 때문입니다.

Python에는 메모리 사용을 처리하는 다양한 프로세스가 있지만 주로 가비지 수집에 중점을 둘 것입니다. 이는 프로그램에 더 이상 필요하지 않은 개체를 제거하여 메모리를 예약합니다.

1.쓰레기 수집은 다음을 통해 수행할 수 있습니다.
참조 계산: Python 프로그램의 특정 개체를 가리키는 참조 수를 추적합니다. 참조 횟수가 0으로 떨어지면 객체에서 사용하는 메모리가 삭제됩니다.

2.순환 컬렉션: 후자와 비슷하지만, 순환적으로 객체가 서로 참조하는 경우에 사용됩니다.

마지막으로 분석 스크립트의 기능에 대해 간략하게 설명하겠습니다. 함수는 동일한 작업을 수행하기 위해 개별적으로 호출할 수 있는 재사용 가능한 코드 라인입니다. 기본 구문은 다음과 같습니다.
`def 함수 이름(작업)
코드 블록

기능을 설명

반환값
예:
squared_list=[b**2 for b in range(1,10)]
print(squared_list)`
출력: [1,4,9,16,49,64,81]

Jupyter Notebook은 초보자에게 매우 친숙하므로 이러한 경우에 적극 권장합니다.
이것은 빙산의 일각에 불과하며 다음 수업에서 더 많은 것을 배우고 싶습니다. 아는 것이 힘입니다. 더 나은 미래를 만들기 위해 계속해서 배우고 쌓아갑시다!

위 내용은 데이터 분석을 위한 Python 소개의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!