Attention please

지금까지 plot과 scatter함수에 대해 알아보았습니다. 이번글에서는 bar 함수를 이용하여 막대그래프를 그려보겠습니다. bar 함수에는 다양한 파라미터들이 존재합니다. 그 파라미터들을 어떤식으로 설정하면 어떻게 출력되는지 알아보겠습니다. align fig = plt.figure(figsize = (10, 5), dpi = 100) axs = fig.subplots(1,2) data = np.array([5, 25, 50, 20]) axs[0].bar(range(len(data)), data) axs[1].bar(range(len(data)), data, align='edge') bar함수의 파라미터 중 align을 'edge'로 하게 되면 막대를 기본 x축 위치에서 왼쪽 모서리로 이동시킵니다. 기본..

이번 글에서 알아볼 것은 scatter 입니다. 지난 글까지 알아보았던 plot은 점이 점을 따라가는 형태였지만 scatter은 점들을 연결하지 않을 때 사용하는 함수입니다. 분포를 시각화할 때 많이 사용됩니다. numpy의 uniform을 이용하여 1000x2 행렬을 생성한 후 scatter을 이용하여 시각화를 해보겠습니다. fig = plt.figure(figsize = (4,4), dpi = 100) ax = fig.subplots() data = np.random.uniform(size = (1000, 2)) data[:10] ax.scatter(data[:,0], data[:,1], s=5) 먼저 생성한 데이터의 10번째 행까지 출력해본 결과입니다. 다음과 같이 0 ~ 1 까지의 균등분포로 추출..

이번 글에서는 데이터를 불러다가 plot을 그려보겠습니다. 우선 준비해둔 txt파일을 불러보겠습니다. 데이터를 불러오기 위해 pandas라이브러리를 사용합니다. fig = plt.figure(figsize = (4,4), dpi = 100) ax = fig.subplots() data = pd.read_table('data_1.txt', sep=\t) data X = data['X'] Y = data['Y'] ax.plot(X, Y) 우선 불러온 데이터를 실행하였을 때 결과를 보면 위와 같은 결과가 나옵니다. 다음으로 위 데이터에 대해 시각화를 하게 되면 다음과 같은 결과가 나오게 됩니다. 위와 같이 불러온 데이터를 간단하게 plot으로 시각화를 할 수 있습니다. 이번에는 총 3개의 열에 대해 변화에 대..

스택 스택이란 한 쪽 끝에서만 자료를 넣거나 뺄 수 있는 선형 구조로 되어있는 자료구조입니다. 즉 앞에서 배운 연결리스트와 개념이 비슷합니다. 후입 선출 만약 [1,2,3]이 있었고 4를 추가로 넣었다면 결과는 [1,2,3,4]가 될 것입니다. 이때 데이터를 출력할 때 가장 최근에 넣었던 4가 출력이 됨을 의미합니다. 구조 스택의 구조는 총 3가지로 분류할 수 있습니다. 탑 스택의 가장 위에 있는 원소 가장 최근에 들어온 원소 바텀 스택의 가장 아래에 있는 원소 가장 예전에 들어온 원소 스택의 크기 스택에 들어가있는 데이터의 개수 푸시(push) 푸쉬는 자료를 넣는 것을 의미합니다. 즉 스택에서 기존의 탑 위에 새로운 원소를 추가합니다. 팝(pop) 자료를 삽입하는 푸시와는 반대로 팝은 넣어둔 자료를 꺼..

이 카테고리에서 다룰 것은 RNN입니다. 자연어를 처리하기 위해 어떤 식으로 텍스트들을 전처리를 하며, 어떻게 층이 구성되는지 알아보겠습니다. 하지만 이번 글에서 설명할 시소러스는 머신러닝과는 거리가 멀기도 하니, 시소러스에 대해서는 머신러닝이 왜 필요한 것인지 아는 정도로 끝내도록 하겠습니다. 시소러스 시소러스란 단어 사이의 상위와 하위 관계를 트리로 체계화 한것을 의미합니다. 예를 들어 car의 하위관계에 속하는 단어는 SUV가 있을 것이며, 상위관계에 속하는 단어에는 motor vehicle이 있을 것입니다. 다음과 같이 단어들의 관계를 트리구조로 나타냅니다. 시소러스의 문제점 하지만 위 시소러스에게는 큰 문제점이 있습니다. 일단 시소러스는 머신러닝과 같은 기법으로 만드는 것이 아닙니다. 모두 사람..

지난 글에서는 plot으로 그래프를 그려보았는데 따로 곡선에 대해 자세하게 다루지 않고 거의 직선그래프에 대해서만 다루었습니다. 이번 글에서는 곡선 그래프에 대해 자세히 알아보도록 하겠습니다. sin 이번에는 sin그래프를 그려보도록 하겠습니다. matplotlib 패키지는 numpy객체를 지원하는데 왜 numpy를 사용하는지 sin그래프를 그리면서 알아보도록 하겠습니다. import math fig=plt.figure(figsize=(6,6), dpi=100) (ax1, ax2)=fig.subplots(2,1) ## without numpy T=range(100) X=[(2*math.pi*t)/len(T) for t in T] Y=[math.sin(value) for value in X] ax1.plo..