ㅁ 데이터 타입 및 변환

ㅇ 정의:
데이터의 형식이나 구조를 변경하거나 변환하는 과정을 의미하며, 데이터 분석 및 기계 학습에서 필수적인 단계이다.

ㅇ 특징:
– 데이터의 일관성을 유지하고 분석 및 모델링에 적합한 형태로 변환한다.
– 다양한 데이터 유형(정수, 실수, 문자열 등)을 다룰 수 있다.
– 데이터 손실을 최소화하며 변환해야 한다.

ㅇ 적합한 경우:
– 분석에 필요한 데이터가 특정 형식으로 제공되지 않을 때.
– 데이터 타입 간의 연산이 필요한 경우.
– 데이터의 스케일링이나 정규화가 필요한 경우.

ㅇ 시험 함정:
– 데이터 타입 변환 시 발생할 수 있는 정밀도 손실.
– 적절한 변환 함수나 방법을 선택하지 못해 오류가 발생할 수 있음.
– 데이터 변환 후 원본 데이터와의 일관성 유지 여부.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: 데이터 타입 변환은 데이터 분석의 필수 과정이다.
– X: 데이터 타입 변환은 데이터를 삭제하는 과정이다.

================================

1. np.floor()

ㅇ 정의:
NumPy 라이브러리에서 제공하는 함수로, 주어진 실수 값을 가장 가까운 작은 정수로 내림하는 함수이다.

ㅇ 특징:
– 입력값이 양수든 음수든 항상 작은 방향으로 내림한다.
– 배열 형태의 데이터에 대해 벡터화 연산을 지원한다.
– 결과값은 실수(float) 타입으로 반환된다.

ㅇ 적합한 경우:
– 실수 데이터를 정수로 변환하되, 항상 작은 값으로 내림해야 하는 경우.
– 데이터의 하한값을 설정하거나, 특정 범위 내에서 값을 제한해야 하는 경우.

ㅇ 시험 함정:
– np.floor()와 np.ceil()을 혼동하여 사용하는 경우.
– np.floor() 결과가 정수형이 아닌 실수형으로 반환된다는 점을 간과하는 경우.
– 음수 값 처리 시 내림 방향을 잘못 이해하는 경우.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: np.floor(3.7)의 결과는 3.0이다.
– X: np.floor(-2.3)의 결과는 -1이다.

================================

ㅁ 추가 학습 내용

1. np.floor()와 np.ceil(), np.round(), np.trunc()의 차이점:
– np.floor(): 주어진 실수보다 작거나 같은 가장 큰 정수를 반환합니다. 즉, 실수를 내림 처리합니다.
– np.ceil(): 주어진 실수보다 크거나 같은 가장 작은 정수를 반환합니다. 즉, 실수를 올림 처리합니다.
– np.round(): 주어진 실수를 반올림하여 가장 가까운 정수를 반환합니다. 소수점 이하 자릿수도 지정할 수 있습니다.
– np.trunc(): 주어진 실수의 소수점 이하를 버리고 정수 부분만 반환합니다. 즉, 값이 0에 가까워지는 방향으로 절단됩니다.

2. np.floor()의 반환 데이터 타입과 정수형 변환:
– np.floor()는 실수형(float) 데이터를 반환합니다. 예를 들어, np.floor(3.7)은 3.0을 반환합니다.
– 반환된 실수형 데이터를 정수형으로 변환하려면 np.astype(int) 또는 int()를 사용할 수 있습니다. 예를 들어, np.floor(3.7).astype(int)는 3을 반환합니다.

3. 다른 라이브러리나 언어에서의 실수 데이터 내림 처리와의 차이점:
– Python 표준 라이브러리의 math.floor(): NumPy의 np.floor()와 동일하게 동작하지만, 단일 값만 처리할 수 있습니다. 배열 연산에는 NumPy가 더 적합합니다.
– Java의 Math.floor(): NumPy와 유사하게 실수를 내림 처리하지만, 반환 값은 double 타입입니다.
– Python의 int(): 소수점을 제거하며, np.trunc()와 유사하게 동작하지만, 명시적으로 내림 처리하지는 않습니다. 예를 들어, int(-3.7)은 -3을 반환합니다.
– NumPy는 배열 연산을 효율적으로 처리할 수 있는 점에서 다른 라이브러리나 언어보다 유리합니다.