🐍 Python

---

Library

📚 NumPy: 수치 연산을 위한 라이브러리

import numpy as np

# 배열 생성
arr = np.array([1, 2, 3, 4])
print(arr * 2)  # [2 4 6 8]

# 배열의 기본 통계
print(np.mean(arr))  # 2.5

📚 Pandas: 데이터 분석 및 조작을 위한 라이브러리

import pandas as pd

# 데이터프레임 생성
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35]
}
df = pd.DataFrame(data)
print(df)

# 데이터프레임 조작
print(df['Age'].mean())  # 30.0

📚 Matplotlib: 데이터 시각화를 위한 라이브러리

import matplotlib.pyplot as plt

# 데이터
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 선 그래프 생성
plt.plot(x, y, marker='o')
plt.title('Line Graph')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

📚 Requests: HTTP 요청을 보내기 위한 라이브러리

import requests

# GET 요청 보내기
response = requests.get('https://api.github.com')
print(response.status_code)  # 200
print(response.json())  # 응답 본문 출력

📚 BeautifulSoup: 웹 스크래핑을 위한 라이브러리

from bs4 import BeautifulSoup
import requests

# 웹 페이지 요청
response = requests.get('https://www.example.com')
soup = BeautifulSoup(response.text, 'html.parser')

# HTML 요소 추출
print(soup.title.string)  # 웹 페이지의 제목 출력

📚 Scikit-Learn: 기계 학습을 위한 라이브러리

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# 데이터 로드
iris = load_iris()
X, y = iris.data, iris.target

# 데이터 분할
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 모델 훈련
model = RandomForestClassifier()
model.fit(X_train, y_train)

# 예측 및 평가
predictions = model.predict(X_test)
print(accuracy_score(y_test, predictions))  # 정확도 출력

---