[Data Science] 데이터 사이언스에 사용되는 파이썬 패키지 정리(numpy, matplotlib, pandas)

Numpy

수치적인 연산에 최적화된 파이썬 도구이다. 

개발자는 파이썬 문법을 이용해 사용하지만 내부적으로는 C언어로 엄청난 최적화가 되어있어 더 효율적인 메모리 관리와

더 효율적인 연산이 가능하도록 알고리즘 설계가 되어있다. 또한 컴퓨터 하드웨어를 효율적으로 활용한다는 장점이 있다. 

예를 들어, 한국의 년도별 gdp가 달러로 표현된 배열을 원화로 환산하고싶다면,

 

Python만 이용

for i in range(len(gdp_korea_array)):
    gdp_korea_array[i] = gdp_korea_array[i] * 1335
gdp_korea_array

 

파이썬에서는 배열 안의 모든 요소에 곱하기를 하고 싶을 때 이렇게 for문을 사용해서 하나하나 넣어주어야 하지만,

numpy 이용

gdp_korea_array * 1335

numpy를 사용하면 이 한줄로 해결이된다. (심지어 속도도 더 빠르다.)

---

Matplotlib

우리가 가진 데이터를 "시각화"하는데 중점을 둔 패키지이다.

만약에 배열을 numpy로 표현한다고 했을 때, 

numpy

 

별로 직관적으로 와닿지 않는다. 하지만 maplotlib을 사용한다면,

matplotlib

이렇게 훨씬더 직관적으로 표현이 가능하다.

---

pandas

우리는 데이터 사이언스를 할 때, 여러 숫자들을 표로 정리하는 것이 필수적인데, numpy만 이용해서는 직관적으로 여러 변수들 사이의 상관관계를 알아내기 어렵다.

또한, numpy를 사용해 배열을 표현하면 한 타입만 배열에 넣을 수 있기 때문에 배열안의 요소에 숫자값과 문자값을 동시에 넣고 싶더라도 한가지 타입만 사용해야한다는 치명적인 단점이 존재한다. 따라서 numpy 배열의 단점을 정리하자면, 

numpy array의 단점

• 가독성이 떨어짐
• 요소들에 대한 레이블 삽입이 불가 -> 직관적이지 못함
• 한 가지 데이터 타입만 사용 가능

이렇게 해서 나온 라이브러리가 "pandas"이다. 

pandas는 numpy를 기반으로 해서 나온 대표적인 데이터 분석 라이브러리이다. 

pandas를 이용한다면,

• 데이터 불러오기
• 데이터 가공
• 데이터 분석
• 데이터 시각화

가 가능하다. 

 

Numpy = 복잡한 수학 연산을 할 때

Pandas = "표 형태"의 데이터를 간편하게 다루고 싶을 때

 

사용한다고 정리가 가능하다. 

pandas 사용 예시