그리고 이제 greater() 함수를 각 행에 적용하고, 열별로 가격을 비교한 후 불 인덱싱을 사용해서 우리가 원하는 결과를 찾아보자.
fall = np.greater(stocks[0], stocks[1])
fall
>>>
array([True, False, False, False, False, False, False, False], dtype=bool)
sap[fall]
>>>
array(['MMM'],
dtype='<U4')
공교롭게도 MMM은 폰지 사기에 연류된 러시아 회사로 어떤 증권 거래소에도 등록된 적이 없다. 그 주식 가격이 떨어진 것은 놀랄 만한 일이 아니다.
‘전통적인’ 숫자 외에도 numpy는 IEEE 754 부동소수점 기준을 모두 지원하며, 양수 무한대(inf)와 non(not-a-number) 기호를 제공한다. 이들은 numpy 영역 밖에서 float("inf")와 float("nan")으로 존재한다. 데이터 과학 전통에 따라서 우리는 결측치(‘UNIT 01. 데이터 분석 과정’에서 소개)를 위한 플레이스 홀더로 nan을 쓸 것이다.
* 폰지 사기 신규 투자자의 돈으로 기존 투자자에게 이자나 배당금을 지급하는 방식의 다단계 금융 사기
* 결측치 항목 값이 존재하지 않는 것