DataCook DataCook

혼자서 upbit의 코인들을 예측하고 있는 프로젝트가 있는데, 예측 결과를 색상으로 다르게 표현하고 싶어서 찾아보다가 유용해서 퍼왔습니다. 응용도 조금 섞었습니다. from matplotlib import pyplot as plt import numpy as np # X,y 선언 y = np.array([2,5,7,8,13,14,13,12,10,5,2]) x = np.arange(len(y)) # 생성 제외할 값의 기준 threshold = 10 # line plot plt.plot(x, y, color='blue') below_threshold = y < threshold # Add above threshold markers above_threshold = np.logical_not(below_thre..

Jupyter notebook에서는 Anaconda prompt를 이용해서 pip install gdown 설치 진행 import gdown google_path = 'https://drive.google.com/uc?id=' file_id = '1Of_X6StezV0vwE0WrQ7MNbIFjITkW4dJ' output_name = 'animals_images.zip' gdown.download(google_path+file_id,output_name,quiet=False) 드라이브 파일이 공유되어있다는 가정하에 링크를 복사하면 뒤에 파일 아이디가 붙습니다. 뒤에 있는 아이디만 잘라내서 작성하면 다운로드가 됩니다. 사용시 google_path는 냅두고 file_id만 수정하시면 됩니다. output_na..

opendict.korean.go.kr/service/openApiInfo 우리말샘 - 오픈 API 서비스 소개 1. 우리말샘 오픈 API 서비스 소개 우리말샘 오픈 API는 검색 플랫폼을 외부에 공개하여 다양하고 재미있는 서비스 및 애플리케이션을 개발할 수 있도록 외부 개발자와 사용자들이 공유하는 프로 opendict.korean.go.kr 자연어처리를 하다보면 명사 사전이 필요할 때가 있다.. 정말 고맙게도 우리말샘에서 Open API로 여러가지 우리나라말이나 외국말들을 공유해주고 있다. 분명 작년에 사전을 구할때는 API 형식으로 한번에 한번 request만 가능했는데, 지금은 사전형태를 배포하고 있네요. 회원가입 후 내 정보관리 들어가시면 있습니다. 다운받아서 열어보면 대략 이런 형태를 띄고 있습..

numpy 계산만 진행합니다. # flask : 웹 서버 기능, 5000번 포트로 서비스 import matplotlib # 시각화 패키지 import numpy as np # 클래스로 구성되어 있다. as : 별칭 print(np.__version__) # __는 상위 오브젝트가 가지고 있는 속성이라는 의미 def pprint(arr): print("type : {}".format(type(arr))) print("shape : {}, dimension : {}, dtype : {}".format(arr.shape, arr.ndim, arr.dtype)) # 차수 3개다, 차원 1차원이다, 데이터 타입 숫자의 default는 int32 print("Array's Data : \n",arr) arr = ..

%matplotlib inline import mglearn import matplotlib.pyplot as plt mglearn.plots.plot_scaling() 정규화 표준편차를 구하는 이유 : 중심으로부터 이격이 얼마나 있는가를 확인하기 위해 분석에서는 분산이 커야 주성분 (분산이 크면 왜 이런 분포인지, 어떻게 줄일 수 있는지 연구대상이 됨) z-score (관측치-평균)/표준편차 표준화 => 표준정규분포 (확률) import pandas as pd import numpy as np df = pd.DataFrame([[1, np.nan, 2],[2,3,5],[np.nan,4,6]]) df df.dropna() df.dropna(axis='columns') df[3] = np.nan df.dr..

python : 문자열 처리 - 검색, 분리(split), 추출, 대체, 결합, 공백처리 - 문자열의 기본자료구조는 배열 (1차원 배열) 정규표현식 (regular expression) : re => 모든 언어에서 똑같은 방식으로 처리 - 패턴으로 처리 smiles = "C(=N)(N)N.C(=0)(0)0" # 1차원 배열 print(smiles[0]) print(smiles[1]) print(smiles[-1]) print(smiles[1:5]) print(smiles[10:-4]) C ( 0 (=N) C(=0) # 단어찾기 s = "That that is is that that is" print(s.count('t')) s = s.lower() print(s.count("that")) s.find("..

계속 추가될 예정입니다. -Tensorflow 전이학습 dschloe.github.io/python/tensorflow2.0/ch8_2_transfer_learning/#iii-%EC%A0%84%EC%9D%B4%ED%95%99%EC%8A%B5-%EB%AA%A8%ED%98%95-%EC%8B%A4%EC%8A%B5-%EC%98%88%EC%A0%9C

Maria DB연동 진행 연결 방법 import pymysql def sql_connect(): conn = pymysql.connect(host='localhost', # host 주소 입력 ip주소 user='username', # db에 접근할 user id port=8888, # host의 port번호 password='password', # 비밀번호 db='dbname', # 접속할 DB이름 charset='utf8mb4', use_unicode=True, cursorclass=pymysql.cursors.DictCursor) return conn Select 사용시 def select(date): conn = sql_connect() cur = conn.cursor() sql ="""SELEC..