numpy
numpy - Arrays (8) (ArrayArray item selection and manipulation)
2015. 4. 11.Array item selection and manipulation Boolean array 의 array selectors 로의 활용 >>> a = np.array([[6,4],[5,9]], float) >>> print a [[ 6. 4.] [ 5. 9.]] >>> a >= 6# Boolean array 는 array selectors 로 사용가능하다 array([[ True, False], [False, True]], dtype=bool)# True인 원소만 반환 >>> a[a>=6] array([ 6., 9.]) Integer arrays의 사용 >>> a = np.array([2,4,6,8], float) >>> b = np.array([0,0,1,3,2,1], int) >>> print a [..
numpy - Arrays (7) (Comparison operators and value testing)
2015. 4. 11.Comparison operators and value testing 동일한 사이즈의 배열에서 원소 단위로 비교 가능반환값은 True/False 이며, 결과값은 배열은 저장가능 >>> a=np.array([1,3,0], float) >>> b=np.array([0,3,2], float) >>> a > b array([ True, False, False], dtype=bool)>>> a == b array([False, True, False], dtype=bool) >>> a >> c = a>b >>> c array([ True, False, False], dtype=bool) >>> broadcasting 을 통해 단일값과도 비교 가능 >>> a = np.array([1,3,0], float) >>> a..
numpy - Arrays (4) (Array iteration)
2015. 3. 8.Array iteration list 와 유사한 방식으로 배열에 대해 반복이 가능하다 >>> a = np.array([1, 4, 5], int) >>> for x in a: ... print x ... 1 4 5 다차원 배열의 경우 >>> a = np.array([[1, 2], [3, 4], [5, 6]], float) >>> for x in a: ... print x ... [ 1. 2.] [ 3. 4.] [ 5. 6.] 곱하기 연산도 가능 >>> a = np.array([[1, 2], [3, 4], [5, 6]], float) >>> for (x, y) in a: ... print x * y ... 2.0 12.0 30.0
numpy - Arrays (4) (Array mathematics)
2015. 2. 28.Array mathematics 기본적인 수학 연산이 가능합니다. 이 경우 원소 대 원소로 적용이 됩니다. 즉, 더하기, 빼기 등의 연산은 기본적으로 같이 사이즈여야 한다는 것이죠. >>> a = np.array([1,2,3], float) >>> b = np.array([5,2,6], float) >>> a + b array([6., 4., 9.]) >>> a – b array([-4., 0., -3.]) >>> a * b array([5., 4., 18.]) >>> b / a array([5., 1., 2.]) >>> a % b array([1., 0., 3.]) >>> b**a array([5., 4., 216.]) 2차원 array 에서 곱하기 연산은 행렬곱을 따르는 것이 아니라 원소 단위로 이루..
numpy - Arrays (3) (Array를 만드는 다른 방법들)
2015. 2. 28.Other ways to create arrays arange >>> np.arange(5, dtype=float) array([ 0., 1., 2., 3., 4.]) >>> np.arange(1, 6, 2, dtype=int) array([1, 3, 5]) zeros / ones 0 또는 1 을 가진 특정 dimension 의 array 생성 >>> np.ones((2,3), dtype=float) array([[ 1., 1., 1.], [ 1., 1., 1.]]) >>> np.zeros(7, dtype=int) array([0, 0, 0, 0, 0, 0, 0]) zeros_like / ones_like 현존하는 array 와 동일한 dimension 과 데이터 타입을 가지는 0 또는 1 로 이루어진 ..
numpy - Arrays (2)
2015. 2. 26.copy copy 함수를 통해 새로운 array 생성 가능 >>> a = np.array([1,2,3], float) >>> b = a >>> c = a.copy() >>> a array([ 1., 2., 3.]) >>> b array([ 1., 2., 3.]) >>> c array([ 1., 2., 3.]) tolist array 로부터 list 생성 가능 >>> a = np.array([1, 2, 3], float) >>> a.tolist() [1.0, 2.0, 3.0] >>> list(a) [1.0, 2.0, 3.0] tostring / fromstring tostring 함수(binary 문자열로 변환)와 fromsrting 함수(역으로 binary 에서 array 생성) 대량의 array 데이터..
numpy - Arrays (1)
2015. 2. 26.Array Python 의 리스트와 유사한 개념 하지만 array 의 구성요소는 모두 동일한 데이터 타입이어야 한다는 점이 다름 importing NumPy >>> import numpy as np 버전 확인 >>> numpy.version.full_version '1.9.1' Array 기본 구조 (1) >>> a = np.array([1,4,5,8], float) // 2개의 인수를 가짐. 두번째 인수는 데이터타입 >>> a array([ 1., 4., 5., 8.]) >>> type(a) // N-dimensional array >>> a[:2] array([ 1., 4.]) >>> a[3] 8.0 >>> a[0] = 5. >>> a array([ 5., 4., 5., 8.]) Array 기본 구조..
빅 데이터 비즈니스 by 스즈키 료스케 - 제1장 빅 데이터 비즈니스란 무엇인가
2012. 9. 21.빅데이터 비즈니스국내도서>경제경영저자 : 스즈키 료스케 / 천재정역출판 : 도서출판더숲 2012.03.13상세보기 제1장 빅 데이터 비즈니스란 무엇인가 The new data center at Johns Hopkins, awaiting its 100 Gbps backbone. 빅데이터란 무엇인가 1. 빅데이터의 정의'빅 데이터'란 기존 데이터에 비해 그 크기가 너무 커서 일반적인 방법으로는 수집하거나 분석하기가 어려운 데이터 집합체를 의미한다. "빅 데이터에서 가치를 찾아내는 '데이터 사이언스'의 전문인력이 미국에서 2018년까지 20~30만명 부족할 것이다." _비지니스 위크 Data Scientist: Hot Big Data JobThese specialists, who can supervise th..