Python 및 Jupyter 설치 방법 2017. 10. 30 홍지훈 숭실대학교

Python 설치(Windows) Anaconda 설치 https://www.continuum.io/download 접속 Python3 버전 Anaconda 설치 파일을 다운로드 설치 파일 관리자 권한으로 실행 Anaconda 설치 완료.

Jupyter NoteBook 설치(Window) Cmd를 열고, pip install jupyter 명령어를 사용하여 설치 Cmd를 열고, jupyter notebook 명령어를 사용하여 실행 실행 화면

Python 설치(Mac) Anaconda 설치 https://www.continuum.io/download 접속 Python3 버전 Anaconda 설치 파일을 다운로드 설치 파일 실행

Jupyter NoteBook 설치(Mac) Terminal을 열고, conda install jupyter 명령어를 사용하여 설치 Cmd를 열고, jupyter notebook 명령어를 사용하여 실행 실행 화면

Python 기초

자료형(Type) Value Type Discription 다양한 자료형 15, 1, 10 'int' 정수형 1.3, 0.1231, 1.0 'float' 실수형 “apple”, ’2’ 'str' 문자열 [1,2,3,4,5] 'list' 리스트 (1,3) 'tuple' 튜플 {1:’a’,2:’b’,3:’c’} 'dict' 사전 true, false 'bool' 참,거짓

변수(Variable) 변수 선언 방법 변수 확인

파이썬 연산 다양한 연산 방법

Python 자료구조

자료구조(List) List 선언 방법 List 확인

자료구조(List) List 연산 List 수정 및 삭제

자료구조(List) List 관련 함수1

자료구조(Tuple) Tuple 선언 방법 Tuple 확인

자료구조(Tuple) Tuple 연산 Tuple은 요소 값을 한번 정하면 지우거나 변경할 수 없다.

자료구조(Dictionary) Dictionary 선언 방법 Dictionary 값 얻기

자료구조(Dictionary) Dictionary 쌍 추가 Dictionary 삭제

자료구조(Dictionary) Dictionary 관련 함수 리스트 고유 함수인 append(), insert(), pop(), remove(), sort()등의 함수는 사용할 수 없다.

Python 제어문

제어문(조건문) 비교 연산자

제어문(조건문) 멤버쉽 연산자 논리 연산자

제어문(반복문) While 문 For 문

제어문(반복문) break / Continue While 문 For 문

Python 함수

Function Function 선언 방법

Function 여러 개의 Parameter를 받는 Function

Function 여러 개를 return하는 Function

Function 제어문이 포함된 Function

Function Recursive Function

Function Nested Function

Function Global 변수, Local 변수

Function 외장 함수 import

Function def Sum(a,b): return a+b Lambda a,b: a+b Lambda Lambda Tip Lambda 는 별도의 이름이 필요 없는 Anonymous function이다. def Sum(a,b): return a+b Lambda a,b: a+b Code

Function map(function, [1,2,3,4,5]) Map Map Tip Map의 두번째 인자(list 같은 반복 가능한 자료형) 의 각 요소마다 function을 적용 map(function, [1,2,3,4,5]) Code

Function filter(function, [1,2,3,4,5]) Filter Filter Tip filter의 두번째 인자(list 같은 반복 가능한 자료형) 의 요소 중 function에 맞는 요소만 리턴 filter(function, [1,2,3,4,5]) Code

Python 파일 읽고 쓰기

파일 읽고 쓰기 파일 읽기 파일 전체 읽기 (f.read()) 라인별로 읽기 (f.readlines()) Info.txt #Name: hongjihoun #Age: 20 #Discription: my name is ji hun

파일 읽고 쓰기 파일 쓰기 Local 경로에 파일 쓰기 지정 경로에 파일 쓰기 make.txt

Numpy 2017. 10. 30 최 현영 숭실대학교

Contents Numpy 소개 ndarray matplotlib ndarray 소개 ndarray 생성 ndarray 활용 수학용 함수 matplotlib

Numpy 소개 파이썬 언어를 위한 선형대수용 행렬, 벡터 수학 계산을 위한 자료구조와 계산 함수를 제공하는 라이브러리 파이썬 언어를 위한 선형대수용 행렬, 벡터 수학 계산을 위한 자료구조와 계산 함수를 제공하는 라이브러리 C, Fortran으로 작성된 함수를 파이썬으로 연동하여 쓸 수 있도록 구성 기본적으로 array라는 자료구조를 제공

ndarray 소개 ndarray는 N-dimensional Array의 약자 ndarray는 NumPy에서 지원하는 표준형 벡터/행렬/텐서를 저장 많은 NumPy 함수가 ndarray를 반환 요소간 연산과 선형대수 연산에 대해 명확히 구분되어 있음 ndarray의 원소는 동일한 데이터 타입으로 처리 array([원소, 원소, 원소], dtype)

ndarray의 속성 ndarray 생성시, 다양한 속성 생성 ndarray.ndim : 행렬의 차원 ndarray.shape : 행렬의 다차원 형태 정보 ndarray.size : 행렬가 가지는 원소의 갯수 ndarray.dtype : 행렬의 원소 타입 ndarray.itemsize : 행렬의 각 요소 바이트 사이즈

ndarray의 속성 ndarray.ndim 행렬의 차원

ndarray의 속성 ndarray.shape 행렬의 다차원 형태 정보

ndarray의 속성 ndarray.size 행렬이 가지는 원소의 갯수

ndarray의 속성 ndarray.dtype 행렬의 원소 타입

ndarray의 속성 ndarray.itemsize 행렬의 각 요소 바이트 사이즈

ndarray 생성 numpy에서의 array 생성 함수는 array( )와 ndarray( )를 기본적으로 사용 np.array( ) 리스트를 입력하여 ndarray 생성 np.ndarray( )는 shape를 입력하여 ndarray 생성 기본 자료형으로는 float로 설정

ndarray 생성 함수 - arrange numpy.arange([start, ] stop, [step, ] dtype=None) [start, stop)에서 step의 크기만큼 일정하게 떨어져있는 숫자를 원소로 가지는 array 생성

ndarray 생성 함수 - ones 내부 원소로 1의 값을 가지는 배열을 선언할때 사용 기본 자료형으로는 float로 설정 np.ones( (shape) )

ndarray 생성 함수 - zeros 내부 원소로 0의 값을 가지는 배열을 선언할때 사용 기본 자료형으로는 float로 설정 np.zeros( (shape) )

ndarray 생성 함수 - rand 내부 원소를 균등 분포에 따라 생성 shape를 주지 않는 경우, scalar로 생성 기본 자료형으로는 float로 설정 np.random.rand( shape )

ndarray 생성 함수 – randn 내부 원소를 정규 분포에 따라 생성 shape를 주지 않는 경우, scalar로 생성 기본 자료형으로는 float로 설정 np.random.randn( shape )

ndarray 생성 함수 – randint np.random.randint( low, high, size) 기본 자료형으로는 float로 설정

ndarray 생성 함수 – uniform np.random.uniform ( low, high, size) 기본 자료형으로는 float로 설정

ndarray 생성 함수 – standard_normal np.random.standard_normal (size, mean=0, stdev=1) 내부 원소를 평균이 0이고, 표준편차가 1이 정규 분포 값으로 생성, size를 통해 배열의 모양 결정 기본 자료형으로는 float로 설정

ndarray shape 사용 행렬의 shape를 수정, 활용하기위한 함수 ravel( ) : 행렬을 flatting reshape( ) : 행렬의 shape를 변경

ndarray shape 사용 행렬의 shape를 수정, 활용하기위한 함수 T : 역행렬로 변경 np.transepose( ) : 역행렬로 변경

ndarray 사칙 연산 array간의 원소간 계산을 위한 함수 기본적인 사칙연산인 +, -, * 등 사용 가능

ndarray 사칙 연산 더하기, 빼기, 나누기, 곱셈의 사칙연산을 지원 원소 단위 계산

ndarray 기본 연산 array의 내부 원소의 계산을 위한 함수 sum( ), min( ), max( ) 등

ndarray 범용 함수 수학적인 계산을 하기위한 함수와 다양한 행렬 연산 함수로 구성 원소 단위 계산

ndarray 곱셉 multiply 와 dot product의 차이 numpy에서의 행렬의 곱은 원소간 곱셈과 dot product로 가능

ndarray 연산 응용 dot product를 위한 ndarray shape 활용

ndarray 접근 1차원 array의 경우, python의 list와 유사

ndarray 접근 다차원 array의 경우, 콤마로 각차원을 구분하여 접근

MatPlotlib

matplotlib 자료를 차트(chart)나 플롯(plot)으로 시각화(visulaization)하는 패키지 Matlab과 비슷한 명령어 사용 사용방법 import matplotlib.pyplot as plt plt.plot(~)

라인 플롯 선을 그리는 라인 플롯 시간, 순서 등에 따라 어떻게 변화하는지 보여주기위해 사용

라인 플롯 라인플롯의 스타일 지정 보는 사람이 그림을 더 알아보기 쉽게 하기 위해 다양한 스타일(style)을 지원