FEB 0.0.7

추후 정리 예정
진짜 할 예정
일단 쓰고 수습은 나중에

배운것

• 데이터를 배열로 저장하는 것
• list, numpy의 사용법
• 구조화된 데이터를 저장하는 것
• dictonary와 pandas 사용법
• 이미지 데이터를 numpy 배열로 저장하는 것과 활용
• 통계 데이터 계산

배열

• 샘플 sample→ 입력받은 숫자들 , 입력받은 숫자의 개수

평균계산

배열활용 → 평균, 표준편차, 중앙값 계산

동적배열 → 다른 언어에서는 배열의 크기를 정해 놓아야 하는 경우가 이지만

파이썬의 리스트 형태는 가변적 연속열형 → 동적 배열이다

.append

리스트와 어레이 차이점

• 리스트는 별도의 임포트 필요 없음
• 어레이는 임포트 필요 → 빌트인 라이브러리가 아님
• 리스트는 요소 사이에 다른 타입 자료형 추가 허용
• 어레이는 처음부터 요소의 유형을 지정해서 생성해야 함
  • 지정되지 않은 타입의 요소는 추가가 허용되지 않음
  • 넘파이에도 동일하게 적용

넘파이 활용

크기 (size, shape, ndim)

• ndarray.size
• ndarray.shape
• ndarray.ndim
• reshape()

type

• NumPy: numpy.array.dtype
  • object → D.dtype은? 파이썬의 최상위 클래스는 바로 object
• 파이썬: type()

특수행렬

• 단위행렬 np.eye()
• 0행렬 np.zeros([2,3[) 2X3 0행렬
• 1행렬 np.ones([3,3]) 3X3 1행렬

브로드캐스트

• array와 상수, 또는 서로 크기가 다른 ndarray끼리 산술연산이 가능한 기능

슬라이싱,인덱싱

→헷갈림

random

NumPy에서도 다양한 의사 난수를 지원합니다. 앞으로 많이 쓰일 기능이니 익혀두세요. 아래는 주로 많이 쓰이는 것들이지만, np.random 패키지 안에는 이보다 훨씬 많은 기능이 내장되어 있습니다.

• np.random.randint()
• np.random.choice()
• np.random.permutation()
• np.random.normal()
• np.random.uniform()

print(np.random.random())   # 0에서 1사이의 실수형 난수 하나를 생성합니다. 

print(np.random.randint(0,10))   # 0~9 사이 1개 정수형 난수 하나를 생성합니다. 

print(np.random.choice([0,1,2,3,4,5,6,7,8,9]))   # 리스트에 주어진 값 중 하나를 랜덤하게 골라줍니다.

# 이것은 정규분포를 따릅니다.
print(np.random.normal(loc=0, scale=1, size=5))    # 평균(loc), 표준편차(scale), 추출개수(size)를 조절해 보세요.

# 이것은 균등분포를 따릅니다. 
print(np.random.uniform(low=-1, high=1, size=5))  # 최소(low), 최대(high), 추출개수(size)를 조절해 보세요.

통계데이터 계산

데이터 행렬 변환

이미지 데이터 행렬 변환

구조화된 데이터의 이해

딕셔너리 활용 판타지게임 로직 설계

판다스

EDA

시그마 sigma

$\sum$

표본 표준편차

모집단 표준편차

찾은것

• 알고리즘은 정답이 없다
• 정답을 찾아가는 과정

느낀것

• 동기분들 저마다 문제를 해석하고 풀어내는 과정이 다른것이 신기했다
• 익숙한 개발언어를 떠나서, 생각하는 방식이 그대로 적용되는것 같다

할것

• 복잡한것을 단순하게 만들기
• 집 청소