일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
- student t분포
- F분포
- 기술통계학
- 밑바닥부터 시작하는 딥러닝2
- 은준아 화이팅
- numpy
- 최소자승법
- 밑바닥부터 시작하는 딥러닝
- Django
- 회귀분석
- 자연어 처리
- 감성분석
- 결정계수
- 구글 BERT의 정석
- rnn
- 텐서플로2와 머신러닝으로 시작하는 자연어처리
- word2vec
- 다층 퍼셉트론
- 기초통계
- 히스토그램
- 텍스트 분류
- 머신러닝
- 모두의 딥러닝
- 코사인 유사도
- 오래간만에 글쓰네
- 차원축소
- Pandas
- 군집화
- 파이썬 pandas
- 가설검정
- Today
- Total
목록Python (18)
데이터 한 그릇
배열의 열의 이름과 데이터 타입 지정 array는 기본적으로 homogeneous 다. 동종의 데이터 타입만을 저장한다. 그러나 서로 다른 유형의 데이터 타입으로 묶을 수 있는데 그때 사용법이 정해져 있다. import numpy as np x = np.array([('Rex',9,81.0),('Fibo',10,27.0)], dtype=[('name','U10'),('age','i4'),('weight','f4')]) 먼저, 타입이 다른 열들로 배열을 만들 때, 튜플을 사용하여 만든다. dtype을 설정하지 않고 배열을 만들게 되면 인자에 str이 포함되어 있으면 모든 인자를 str로 받아주게 됨. 따라서 array를 만들 때, dtype에 튜플로 각 열의 이름과 데이터 타입을 지정해줘야 함 print(..
np.expand_dims(a, axis = ?) np.expand_dims(a,axis = 0) #차원 확대 axis = 0이기 때문에 딥스를 확대하는 것. 2차원에서 3차원으로 확장이 된다. a[newaxis,:,:] 와 동일한 결과를 얻는다. 인자를 적을 때 axis = 0 처럼 키를 이용해서 적어도 되지만 키를 생략하고 숫자만 적어도 된다. np.expand_dims(a,1) axis = 1로 확대를 한 것이기 때문에 a[:,newaxis,:] 와 동일하다. 행을 기준으로 차원을 확장한 것. (행이 본래 일차원이였는데, 각 행은 1차원에서 2차원으로 확장이 됨) np.expand_dims(a,2) axis = 2와 동일, 따라서 a[:,:,newaxis] 와 동일 열별로 하나씩 가져와서 하나의 뎁..