필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. RGB를 黑白으로.¶ 정답이 나오는 코드 In [2]: import numpy as np def solution(img): bk_img = np.zeros(shape= (np.size(img[:,0,0]),np.size(img[0,:,0]))) for h in range(np.size(img[:,0,0])): for w in range(np.size(img[0,:,0])): bk_img[w,h] = img[w,h,0] * 0.3 + img[w,h,1] * 0.5 + img[w,h,2] * 0.2 answer = bk_img return answer 빠지면 섭섭한 오늘의 실수 In [4]: def soluti..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. 2차원 인덱싱하기¶ In [2]: import numpy as np In [6]: info = np.array([[1,2,3,4,5,6],[7,8,9,10,11,12]]) 2차원에서 인덱스를 조건으로 하려면 어떻게 해야할까 라는 문제!¶ In [7]: a = info[0,:] # 0과 : 를 이용하면 됨 -> 0행의 모든내용에 대해서 해보자는 얘기 a Out[7]: array([1, 2, 3, 4, 5, 6]) 불인덱싱도 가능함¶ In [8]: B = info[0,:] > 3 B Out[8]: array([False, False, False, True, True, True]) In [11]: a[B] Out..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. Numpy 패키지 불러오기 ¶ In [1]: import numpy as np # np로 많이 불러옴. Array 만들기¶ In [2]: lst = [1,2,3,4,5] np_arr = np.array(lst) np_arr Out[2]: array([1, 2, 3, 4, 5]) 배열의 모양¶ In [4]: A = np.array([[1,1,1],[1,2,3]]) B = np.array([ [[1,2,3],[1,2,3], [3,4,5],[3,4,3]] ]) print(A.shape) print(B.shape) (2, 3) (1, 4, 3) 배열의 모양이라는게 제일 밖의 괄호를 기준으로 한꺼풀씩 세어가는 것 같..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. 며칠전에 한 빅수비 API 만들기를 완성했다. 다음은 빅수비API 의 코드다. from flask import Flask, jsonify, request app = Flask(__name__) git_id = 'mingtian_chan' weapon_lst = [ {'id' : 1 ,'name' : 'sword', 'stock' : 3}, {'id' : 2 ,'name' : 'Ak -47', 'stock' : 10}, {'id' : 3 ,'name' : 'granade', 'stock' : 2}, ] @app.route('/') # 홈디렉토리에 접근할경우 def hello_flask(): return 'HE..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. 1. 클라우드 기초¶ 클라우드란 ?¶ 과거에는 인터넷 환경에서 서비스를 제공하기 위해 서비스 제공자는 서비스 호스팅에 필요한모든 것을 직접 구축했음 예를들어, 데이터센터 (물리적 공간 : 서버컴퓨터 놓는 공간 이라던지), 서버, 저장소, 네트워크, 전기, 온도, 습도 등 관리를 계속 해줘야하고 , 또 관리인력이 필요했음. 서버를 직접 구축하고, 운영하는 자원과 인력비용이 너무 컸음 IDC의 등장 ( Internet Data Center)¶ 서버운영에 필요한 공간, 네트워크, 유지 보수 등의 서비스를 제공함 서버 임대를 통해, 자원을 효율적으로 이용하고, 비용을 줄일 수 있지만, but, 결국 서버임대를 통해..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. MISSION II¶ 2. Kaggle에서 Dataset을 찾고, 이 Dataset에서 유의미한 Feature를 3개 이상 찾고 이를 시각화해봅시다.¶ In [1]: import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline In [4]: egg_df = pd.read_csv('./GallusGallusDomesticus.csv') In [6]: egg_df Out[6]: GallusID GallusBreed Day Age GallusWeight GallusEggCol..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. Mission : It's Your Turn!¶ 1. 본문에서 언급된 Feature를 제외하고 유의미한 Feature를 1개 이상 찾아봅시다.¶ with Survived Hint : Fare? Sibsp? Parch? 2. Kaggle에서 Dataset을 찾고, 이 Dataset에서 유의미한 Feature를 3개 이상 찾고 이를 시각화해봅시다.¶ 함께 보면 좋은 라이브러리 document numpy pandas seaborn matplotlib 무대뽀로 하기 힘들다면? 다음 Hint와 함께 시도해봅시다:¶ 데이터를 톺아봅시다. 각 데이터는 어떤 자료형을 가지고 있나요? 데이터에 결측치는 없나요? -> 있다면..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. 4. Exploratory Data Analysis¶ 탐색적 데이터 분석을 통해 데이터를 통달해봅시다. with Titanic Data 라이브러리 준비 분석의 목적과 변수 확인 데이터 전체적으로 살펴보기 데이터의 개별 속성 파악하기 0. 라이브러리 준비¶ In [1]: ## 라이브러리 불러오기 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline In [4]: ## 동일경로에 "train.csv"가 있다면: ## 데이터 불러오기 titanic_df = pd.rea..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. 온라인 세션 복습¶ In [1]: import pandas as pd import numpy as np import matplotlib.pyplot as plt In [ ]: %matplotlib inline In [112]: bit = pd.read_csv('./Bitcoin.csv') bit['Date'] = list(reversed(pd.date_range (pd.to_datetime('2013-04-28'), periods=1609))) # 2013년 부터 1609개의 데이터를 정렬함 In [113]: bit = bit.sort_values(by='Date') # date열을 오름차순으로 정리 bit..