분류 전체보기
-8일차- 데이터 시각화
오늘의 노드는 데이터 시각화와 관련된 부분이었다 주로 사용하게 되는 라이브러리는 matplotlib figure 객체 생성 fig = plt.figure(figsize=(5,2)) ax1 = fig.add_subplot(1,1,1) 이때 빈 출력값이 나오게 되는데 위의 코드는 시각화를 하기 위한 일종의 그림판의 역할을 해줄 친구들이다 여러개의 객체 생성(subplot) fig = plt.figure() ax1 = fig.add_subplot(2,2,1) ax2 = fig.add_subplot(2,2,2) ax3 = fig.add_subplot(2,2,4) 서브플롯의 순서를 보면 좌측 상단이 1, 우측 상단이 2, 다시 좌측하단의 순서로 배치가 되는 것을 알 수 있다 간단한 시각화 예제 subject = ..
-7일차- 가위 바위 보 classification task
오늘은 텐서플로우의 MNIST 튜토리얼을 따라한 뒤 직접 가위 바위 보 task를 만드는 시간이 있었습니다 해당 과제는 깃허브를 통해 제출하는 것이었기 때문에 오늘의 포스트는 깃허브로 갈음 합니다 https://github.com/dlfrnaos19/rock_scissors_paper_classifier GitHub - dlfrnaos19/rock_scissors_paper_classifier: task 1 task 1. Contribute to dlfrnaos19/rock_scissors_paper_classifier development by creating an account on GitHub. github.com
-6일차- 데이터 전처리 by pandas
예제데이터 관세청 수출입 무역 통계 가공 데이터 결측치(Missing Data) 구하기 데이터 수집 과정에서 누락된 데이터가 존재할 수 있다 이를 처리하는 예제 #전체 데이터 개수 - 실제 데이터양 len(trade) - trade.count() 기타사항의 경우 데이터가 아예 존재하지않음. # 결측치만 존재하는 컬럼 제거 trade = trade.drop('기타사항', axis=1) #ex) df.drop('column name', axis= 1 for column) 결측치가 존재하는 행 찾기 isnull() 함수와 any()의 조합 isnull : 데이터마다 결측치 여부를 True, False로 반환 any : 행마다 하나라도 True가 있으면 True, 아니면 False를 반환 #trade 데이터 프..
-4일차- 제너레이터, 딕셔너리의 copy
많은 내용을 배우지만 그중에서도 중점으로 알고 써먹어야 할 것 같은 내용을 다루려고 한다 제너레이터란? 파이썬에서는 함수내에서 yield라는 명령어를 통해서 제너레이터를 생성할 수 있다 이는 iterator를 생성하는 것인데, 보통 for 문으로 반복문을 생성시에 반복문에 해당하는 모든 값을 메모리에 올려놓고 계산하기 마련인데, 일반적인 상황에서는 이게 괜찮지만 요즘은 폭발적인 데이터를 다루는 시대다 하드디스크가 아닌 램에 빅데이터를 모두 얹어놓고 잘못 시작했다간 램이 폭주하는 모습을 볼 수 있다 제너레이터는 이러한 상황을 막아준다 제너레이터를 안쓸 때 제너레이터를 쓸 때 여기에서 말하는 바는 성능의 차이라기 보다는 test2는 램에 올려지지 않은 채 대기하고 있었기 때문에 속도가 빠른 것처럼 느껴질 수..