📊 데이터 분석 학습 저장소 (NumPy & Pandas)

Python 데이터 분석을 위한 핵심 라이브러리 NumPy와 Pandas를 정리한 학습 자료입니다.

---

📚 목차

폴더	라이브러리	내용	핵심 키워드
Numpy	import numpy as np	수치 연산, 다차원 배열	ndarray, reshape, 브로드캐스팅
Pandas	import pandas as pd	정형 데이터 분석	Series, DataFrame, loc, iloc

---

🔢 NumPy 주요 내용

왜 NumPy를 사용하는가?

1. 성능: C언어로 구현되어 Python 리스트보다 훨씬 빠름
2. 메모리 효율성: 더 적은 메모리 사용
3. 풍부한 함수: 선형대수, 통계 관련 수치 함수 제공
4. 모듈 호환성: Pandas, SciPy 등 다른 라이브러리의 기반

차원 구조

차원	이름	설명
0차원	Scalar	단일값
1차원	Vector	1D 배열
2차원	Matrix	2D 배열
3차원+	Tensor	다차원 배열

---

📈 Pandas 주요 내용

핵심 객체

객체	차원	설명
Series	1D	index + value (라벨이 붙은 1차원 배열)
DataFrame	2D	Excel/DB 테이블과 유사한 2차원 구조

Series vs DataFrame

# Series (1D)
s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])

# DataFrame (2D)
df = pd.DataFrame({
    'name': ['Alice', 'Bob'],
    'age': [25, 30]
})

---

🛠️ 자주 사용하는 import

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 데이터 읽기
df = pd.read_csv('data.csv')
df = pd.read_excel('data.xlsx')

# 기본 확인
df.head()       # 상위 5행
df.info()       # 데이터 타입 정보
df.describe()   # 통계 요약

---

📊 학습 통계

• NumPy: 약 800줄 상세 설명
• Pandas Series: 약 940줄 상세 설명
• Pandas DataFrame: 약 950줄 상세 설명
• 총 3,000+ 줄의 실전 예제 포함

---

🔗 관련 저장소

• Study_language_Python - Python 기본 문법
• Study_CodingTest_Python - 코딩테스트 자료구조 & 알고리즘