파이썬 라이브러리를 활용한 데이터 분석(2판): 영화 평점, 이름 통계, 선거 데이터 등 실사례 사용

614

파이썬 라이브러리를 활용한 데이터 분석(2판)

In

[

158

]:

data

['

y

']

Out

[

158

]:

array

([

5

,

6

],

dtype

=

int32

)

In

[

159

]:

data

['

x

']['

a

']

Out

[

159

]:

array

([

1

.,

3

.])

pandas

DataFrame

의 계층적 색인은 이와 유사하긴 하지만 이런 기능을 직접 지원하지는 않

는다.

A.5.2

구조화된 배열을 써야 하는 이유

pandas

DataFrame

과 비교해보면

NumPy

의 구조화된 배열은 상대적으로 저수준의 도구다.

메모리 블록을 복잡하게 중첩된 컬럼이 있는 표 형식처럼 해석할 수 있는 방법을 제공한다. 배

열의 각 원소는 메모리상에서 고정된 크기의 바이트로 표현되기 때문에 구조화된 배열은 데이

터를 디스크에서 읽거나 쓰고(나중에 살펴볼 메모리 맵을 포함하여 ) 네트워크를 통해 전송할

때 매우 빠르고 효과적인 방법을 제공한다.

구조화된 배열의 또 다른 일반적인 사용 방법인 데이터 파일을 고정된 크기의 레코드 바이트

스트림으로 기록하는 것은

C

나

C

++ 코드에서 데이터를 직렬화하는 일반적인 방법이다. 파일

의 포맷을 알고 있다면(즉, 각 레코드의 크기와 순서, 바이트 크기 그리고 각 원소의 자료형을

알고 있다면 )

np

.

fromfile

을 사용해서 데이터를 메모리로 읽어 들일 수 있다. 이와 ...