소개

본 레시피북에서는 파이썬을 활용하여 다양한 문제를 해결하는 데 유용한 라이브러리들을 소개하고, 실제 코드 예제를 통해 간편하게 활용하는 방법을 알려드립니다. 데이터 분석, 웹 스크래핑, 머신러닝 등 다양한 분야에서 자주 사용되는 라이브러리들을 중심으로, 초보자도 쉽게 따라 할 수 있도록 설명하였습니다. 본 레시피를 통해 파이썬 실력을 향상시키고, 여러분의 작업 효율성을 높여보세요!

데이터 분석

데이터 분석은 Pandas와 NumPy 라이브러리를 사용하여 효율적으로 수행할 수 있습니다. Pandas는 데이터 조작과 분석을 위한 강력한 도구이며, NumPy는 수치 계산에 특화되어 있습니다.

Pandas 예제: CSV 파일 읽어오기 및 데이터 분석

import pandas as pd

data = pd.read_csv('data.csv')  # CSV 파일 읽어오기
print(data.head()) # 상위 5개 행 출력
print(data.describe()) # 데이터 통계량 출력
    

NumPy 예제: 배열 연산

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print(arr1 + arr2) # 배열 원소끼리의 합
    

웹 스크래핑

Requests와 Beautiful Soup 라이브러리를 사용하면 웹 페이지에서 원하는 데이터를 추출할 수 있습니다. Requests는 웹 페이지에 접근하고, Beautiful Soup은 HTML 또는 XML 구조를 파싱하여 데이터를 추출하는 데 사용됩니다.

Requests & Beautiful Soup 예제: 특정 웹사이트의 제목 추출

import requests
from bs4 import BeautifulSoup

url = 'https://www.example.com'
response = requests.get(url)
soup = BeautifulSoup(response.content, 'html.parser')
title = soup.title.string
print(title)
    

머신러닝

Scikit-learn 라이브러리는 다양한 머신러닝 알고리즘을 제공합니다. 회귀, 분류, 군집 등 다양한 문제에 적용할 수 있습니다. Matplotlib는 결과 시각화에 유용하게 활용됩니다.

Scikit-learn 예제: 간단한 선형 회귀

from sklearn.linear_model import LinearRegression
import numpy as np

X = np.array([[1], [2], [3]])
y = np.array([2, 4, 6])
model = LinearRegression()
model.fit(X, y)
print(model.predict([[4]]))
    

Matplotlib 예제: 결과 시각화

import matplotlib.pyplot as plt
plt.plot([1, 2, 3], [2, 4, 6])
plt.show()
    

마무리

이 레시피북에서는 파이썬 라이브러리를 활용한 다양한 예제들을 소개했습니다. 더욱 심도있는 학습을 위해서는 각 라이브러리의 공식 문서를 참고하시는 것을 추천합니다. 이 레시피들이 여러분의 파이썬 학습에 도움이 되기를 바랍니다.