2주차 과제

import numpy as np
import pandas as pd

1. NumPy 배열 생산 및 연산

• NumPy를 사용해 3x3 정수배열(1부터 9까지)과 2x5 실수 배열(0~1 사이 난수)을 생성하세요. 생성한 배열을 계산하고 두 배열을 곱한 결과를 출력하세요.
• 배열의 형태를 유지하지 않아도 괜찮습니다.

arr1 = np.arange(1, 10).reshape(3,3)
arr2 = np.random.rand(2, 5)

print(arr1, '\n')
print(arr2, '\n')

[[1 2 3]
 [4 5 6]
 [7 8 9]] 

[[0.53275297 0.46079039 0.63862169 0.63236122 0.98163941]
 [0.86210443 0.97569107 0.99936253 0.01560557 0.53833269]] 

Solution

1. 행렬 내적
   • 행렬 내적을 위해 arr2을 3x4 혹은 4x3으로 만들어 준 다음 내적을 하는 방법을 택한다.
2. 요소별 곱
   • 요소별 곱을 하기 위해 arr1, arr2를 flatten한 다음 arr1에 요소를 하나 추가해 곱한다.

arr2_c = arr2.copy()
arr2_c.resize(3, 4)
print(arr2_c)

print(np.dot(arr1, arr2_c))

[[0.53275297 0.46079039 0.63862169 0.63236122]
 [0.98163941 0.86210443 0.97569107 0.99936253]
 [0.01560557 0.53833269 0.         0.        ]]
[[ 2.54284851  3.79999731  2.59000382  2.63108628]
 [ 7.13284237  9.38367984  7.43294209  7.52625754]
 [11.72283624 14.96736237 12.27588036 12.42142879]]

arr1_c = arr1.flatten().copy()
arr1_c = np.append(arr1_c, 10)
print(arr1_c)

print(np.multiply(arr1_c, arr2.flatten()))

[ 1  2  3  4  5  6  7  8  9 10]
[0.53275297 0.92158079 1.91586507 2.52944489 4.90819703 5.17262655
 6.82983746 7.99490023 0.14045017 5.3833269 ]

2. Pandas를 활용한 데이터처리

• 아래 데이터를 DataFrame으로 생성하세요.

  Name: [Alice, Bob, None, Charlie]
  Age: [25, None, 29, 35]
  City: [New york, None, Chicago, None]
  

• 누락된 이름은 “Unknown”으로 나이는 평균 나이로 채우고 수정된 DataFrame을 출력하세요.

df = pd.DataFrame({
    'Name': ['Alice', 'Bob', None, 'Charlie'],
    'Age': [25, None, 29, 35],
    'City': ['New york', None, 'Chicago', None]
})
df['Name'] = df['Name'].fillna('Unknown')
df['Age'] = df['Age'].fillna(df['Age'].mean())
df

	Name	Age	City
0	Alice	25.000000	New york
1	Bob	29.666667	None
2	Unknown	29.000000	Chicago
3	Charlie	35.000000	None

3. HTTP 통신을 활용한 데이터 읽기 및 저장

• 해당 링크에서 JSON 데이터를 가져오세요.
• 데이터를 파일로 저장한 뒤, “title”키의 값을 출력하세요.

df = pd.read_json('https://jsonplaceholder.typicode.com/todos')
df

	userId	id	title	completed
0	1	1	delectus aut autem	False
1	1	2	quis ut nam facilis et officia qui	False
2	1	3	fugiat veniam minus	False
3	1	4	et porro tempora	True
4	1	5	laboriosam mollitia et enim quasi adipisci qui...	False
...	...	...	...	...
195	10	196	consequuntur aut ut fugit similique	True
196	10	197	dignissimos quo nobis earum saepe	True
197	10	198	quis eius est sint explicabo	True
198	10	199	numquam repellendus a magnam	True
199	10	200	ipsam aperiam voluptates qui	False

200 rows × 4 columns

df.to_json('assign.json')
df['title']

	title
0	delectus aut autem
1	quis ut nam facilis et officia qui
2	fugiat veniam minus
3	et porro tempora
4	laboriosam mollitia et enim quasi adipisci qui...
...	...
195	consequuntur aut ut fugit similique
196	dignissimos quo nobis earum saepe
197	quis eius est sint explicabo
198	numquam repellendus a magnam
199	ipsam aperiam voluptates qui

200 rows × 1 columns

dtype: object