우노

Numpy 1차원 배열 생성 및 append 예제 import numpy as np # 바로 생성하는 방법 arr = np.array([1,2,3,4]) # 요소를 추가하는 방법 arr1 = np.array([]) arr1 = np.append(arr1, np.array([1,2,3])) arr1 = np.append(arr1, np.array([4,5])) print(arr) # [1. 2. 3. 4.] print(arr1) # [1. 2. 3. 4. 5.] Numpy 2차원 배열 생성 및 append 예제 바로 생성하는 방법 import numpy as np arr = np.array([[1,2,3],[4,5,6]]) print(arr) #[[1 2 3] # [4 5 0]] 요소를 추가하는 방법 # ..

들어가기 앞서, DataFrame 의 index 가 순서대로 정렬 되어 있지 않다면, 아래와 같은 방법을 사용해, index 를 정렬 및 초기화할 수 있습니다. Index 정렬 존재하는 index 기준으로 데이터를 재정렬합니다. 기본 정렬 방식은 오름차순(ascending)이며, 내림차순으로 정렬하고 싶다면, ascending 옵션을 False 로 설정하면 됩니다. df = df.sort_index(ascending=False) Index 초기화 후 정렬 존재하는 index 를 모두 초기화한 뒤, 0 부터 재정렬합니다. df = df.reset_index(drop=True)

COO형식의 Custom Sparse Matrix 생성 코드 코드 import random import os # 생성하고자하는 Sparse matrix의 행,렬,density 입력 row = 10000 col = 10000 density = 0.05 nnz = int(row * col * density) # 결과 파일명 (M_행_열_density_nnz) file = "M_" + str(row) + "_" + str(col) + "_" + str(density) + "_" + str(nnz) # 행,열 중복 확인용 dic dic = {} with open(file,"w") as w: for i in range(nnz): # 행,열,값 난수 생성 row_idx = random.randrange(0,row)..

random 모듈이란? Python에서 난수(random number)를 구할 수 있는 모듈입니다. 일부 자주 사용할 것 같은 함수들만 소개하겠습니다. random 모듈은 import random 한 뒤, random.함수이름() 을 통해 random 모듈에 존재하는 함수들을 가져와 사용할 수 있습니다. import random random.random() (0.0

모듈 호출 import os 폴더 생성 os.mkdir("path") 파일명 변경 # 파일이 현재 디렉토리에 있을 경우 os.rename(file,newfile) # 파일이 다른 디렉토리에 있을 경우 os.rename('./dir/'+file, './dir/'+newfile)

시간 측정 코드 단위는 초 입니다. import time start = time.time() # 시작 시간 저장 # 작업 코드 print("time :", time.time() - start) # 현재시각 - 시작시간 = 실행 시간

python의 SciPy 라이브러리를 활용하면 특정 density를 가진 sprase random matrix를 만들 수 있습니다. reference https://docs.scipy.org/doc/scipy/reference/generated/scipy.sparse.random.html Prameters scipy.sparse.random(m, n, density=0.01, format='coo', dtype=None, random_state=None, data_rvs=None) m, n 행렬의 크기 density 행렬의 밀도 dtype 반환 된 행렬 값의 유형 random_state 난수 시드 data_rvs 확률 분포 지정 Sparse random matrix 생성 Scipy.spar..

# 데이터 생성 x = np.array([1, 3, 5, 7]) y = np.array([ 6, 3, 9, 5 ]) # 산점도 그리기 plt.plot(x, y, 'o') # m = 기울기, b = 절편 m, b = np.polyfit(x, y, 1) # 직선 그리기 plt.plot(x, m*x + b)

Pandas를 사용할 때, 숫자가 지수표현식(과학적표기법)으로 나와서 불편할 때가 있습니다. 이럴 때는 Pandas display option을 바꿔주면 실수 표현이 가능합니다. import pandas as pd # 과학적 표기법 대신 소수점 5자리까지 나타낸다. pd.options.display.float_format = '{:.5f}'.format 다시 원래대로 옵션을 변경하고 싶을 때는 아래 명령어를 사용하면 됩니다. pd.reset_option('display.float_format')

Numpy를 사용할 때, 숫자가 지수표현식(과학적표기법)으로 나와서 불편할 때가 있습니다. 이 때, Numpy의 Precision을 사용하면 실수 표현이 가능합니다. import numpy as np # 과학적 표기법 대신 소수점 6자리까지 나타낸다. np.set_printoptions(precision=6, suppress=True)