Numpy를 사용하여 시간 데이터를 다루는 예제를 제공하겠습니다. 시간 데이터는 데이터 분석 및 시계열 데이터 처리에 매우 중요한 역할을 합니다. Numpy에서는 datetime64 데이터 타입을 사용하여 시간 데이터를 효과적으로 다룰 수 있습니다.

import numpy as np

# datetime64 객체 생성
datetime_arr = np.array(['2023-08-21', '2023-08-22', '2023-08-23'], dtype='datetime64')

# 날짜 간 차이 계산
date_diff = datetime_arr[2] - datetime_arr[0]
print("날짜 간 차이:", date_diff)

# 날짜 범위 생성
date_range = np.arange('2023-08-21', '2023-08-26', dtype='datetime64')
print("\n날짜 범위 생성:")
print(date_range)

# 날짜 포맷 변경
formatted_dates = np.datetime_as_string(datetime_arr, format='%Y/%m/%d')
print("\n포맷 변경된 날짜:")
print(formatted_dates)

위의 코드에서는 다음과 같은 작업을 수행합니다:

1. datetime64 객체를 생성하여 날짜 데이터를 표현합니다.

2. 날짜 간 차이를 계산합니다.

3. 날짜 범위를 생성합니다. arange 함수를 사용하여 날짜 범위를 생성할 수 있습니다.

4. 날짜 포맷을 변경합니다. datetime_as_string 함수를 사용하여 날짜 포맷을 변경할 수 있습니다.

실행 결과는 다음과 같을 것입니다:

날짜 간 차이: 2 days

날짜 범위 생성:
['2023-08-21' '2023-08-22' '2023-08-23' '2023-08-24' '2023-08-25']

포맷 변경된 날짜:
['2023/08/21' '2023/08/22' '2023/08/23']

Numpy의 datetime64 데이터 타입을 활용하면 날짜와 시간 데이터를 효과적으로 처리하고 계산할 수 있습니다. 이는 데이터 분석 및 시계열 데이터 처리에 매우 유용합니다.