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 | 29 | 30 | 31 |
- 개인 의료비 예측
- 삼성SDS Brightics
- 혼공머신러닝딥러닝
- 데이터분석
- 브라이틱스
- Brightics
- 혼공학습단
- Brigthics Studio
- 삼성 SDS Brigthics
- 포스코 청년
- 팀 분석
- 삼성SDS Brigthics
- 직원 이직률
- 노코드AI
- 모델링
- 포스코 아카데미
- 삼성 SDS
- 영상제작기
- Brigthics를 이용한 분석
- 캐글
- 삼성SDS
- Brightics를 이용한 분석
- 직원 이직여부
- 혼공머신
- Brigthics
- 혼공
- 브라이틱스 서포터즈
- 추천시스템
- Brightics Studio
- 데이터 분석
- Today
- Total
목록Data/Data (7)
데이터사이언스 기록기📚
개념 ndarray의 인덱싱과 슬라이싱 - 파이썬 리스트와 동일한 개념으로 사용가능 - 인덱싱 : 차원이 줄어든다 - 슬라이싱 : 차원을 유지한다 실습 1. 인덱싱 - 1차원 벡터 인덱싱 x = np.arange(10) # [0 1 2 3 4 5 6 7 8 9] x[-1] # 9 - 2차원 행렬 인덱싱 x = np.arange(10).reshape(2, 5) # [[0 1 2 3 4] # [5 6 7 8 9]] x[1,3]# 8 - 3차원 텐서 인덱싱 x = np.arange(36).reshape(3, 4, 3) # [[[ 0 1 2] # [ 3 4 5] # [ 6 7 8] # [ 9 10 11]] # # [[12 13 14] # [15 16 17] # [18 19 20] # [21 22 23]] # #..
1. rand 함수 - 0,1사이의 분포로 랜덤한 ndarray 생성 - 1차원부터 다차원까지 모두 생성 가능 import numpy as np np.random.rand(2,3) # array([[0.44282935, 0.34031242, 0.2776911 ], # [0.08076178, 0.55301525, 0.70373829]]) 2. randn 함수 - n: 정규분포 - randn은 정규분포 안에 있는 숫자들을 랜덤으로 생성 np.random.randn(3,4,3) # array([[[ 0.6410955 , -0.81892033, -0.73968238], # [ 1.69021032, -2.49558004, 1.06837004], # [-0.6578247 , -0.29483473, 0.4780808..
개념 Numpy 특징 - 성능 : 파이썬 리스트보다 빠름 - 메모리 사이즈 : 파이썬 리스트보다 더 적은 메모리 사용 - 빌트인 함수 : 선형대수, 통계관련 여러함수 내장 ndarray 란? ndarray : (다차원 배열) numpy에서 사용되는 다차원 리스트 표현할 때 사용되는 데이터 타입 연속적인 메모리 사용 성능적으로 더 빠름 + 파이썬 리스트는 연속되지 않은 메모리 실습 1. np.array - type은 ndarray # numpy 배열 선언 import numpy as np # 일차원 행렬 x = np.array([1,2,3]) # [1 2 3] y = np.array([2,4,6]) # [2 4 6] # 이차원 행렬 z = np.array([[2,3,4],[1,2,5]]) #[[2 3 4]..