MATH & ML

numba라는 library에서 jit이라는 기능을 import하여 사용하면 속도를 높일 수 있는데.jit이란 just in time의 약자로 numba는 컴파일러 기반인 덕분에프로그램을 실제 실행하는 시점에 기계어로 컴파일하여 인터프리터 속도를 향상시키는 방법이다. 즉 우리가 아는 c언어 처럼 적용 함수의 실행 코드를 미리 생성해놓는 것이다.사용방법은from numba import jit 를 위에서 선언해주고그 후에 이 컴파일을 적용하려고 하는 함수 앞에 @ jit을 추가하면 된다.코드를 수정하지 않아도 맨 앞에 이 구문만 뭍여서 시간을 아주 빠르게(거의20배?) 바꿔줄 수 있다.

1. map arr = [1, 2, 3, 4, 5, 6, 7, 8]pow_arr = list(map( lambda x: x*x, arr))pow_arr =>결과는 [1, 4, 9, 16, ...] 2. filter arr = [1, 2, 3, 4, 5, 6, 7, 8] even_arr = list(filter( lambda x: x%2 == 0, arr))even_arr =>결과는 [2, 4, 6, 8] 3. reduce from functools import reduce arr = [1, 2, 3, 4, 5, 6, 7, 8] sum = reduce( lambda x, y: x+y, arr)sum =>결과는 1+2+...+8

1. data[컬럼이름].apply(변형함수)말 그대로 특정 컬럼에 대하여 어떤 변형을 동시에 한 번에 취하고 싶을 때 사용한다. 2. data.loc[data["사용일"]==1, "날짜"]=0data의 사용일 column의 값이 1인 것들만 수정할껀데, 그 로우들의 날짜만 전부 다 0으로 바꾼다(이를 이용하면 null data들을 가장 자주나오는 데이터로 변환도 가능하기 때문에 유용하다) 3. pd.get_dummies(data) (one-hot encoding)그냥 category로 나눠져 있는 부산/대구/대전 의 분류가 있다고 했을때 만약 이 3개가 균등한 가치를 가지도록 숫자 데이터로 변환하기 위해서 어떤 방법이 있을까? 물론 사전 지식이 있어 나눌 수 도 있지만 one hot encoding이라..

loc, iloc 이 둘은 dataframe 내에 해당 row나 column을 찾을 때 사용한다. (1) 먼저 기본적으로dataframe.[뭐시기] = dataframe의 뭐시기에 해당하는 row 선택(참고 => .없이 그냥 []로만 불러내면 column 만 선택가능 => dataframe['무엇'] = dataframe의 '무엇'이라는 이름을 가진 column 을 선택)dataframe.[뭐시기,무엇] = dataframe의 뭐시기 row중에 무엇 column 에 속하는 entry 선택dataframe[뭐시기:뭐시여] = dataframe의 뭐시기~뭐시여 의 모든 row를 전부 선택dataframe[:뭐시여] = dataframe의 처음부터 뭐시여 까지의 모든 row를 전부 선택 그렇담 iloc, lo..

Ctrl+Enter = cell 실행 & 그대로 그 cellShift+Enter = cell 실행 & 다음 cell로 넘어가기Alt+Enter = cell 실행 & 바로 밑에 cell 삽입A = 위에 cell 삽입B = 아래에 cell 삽입 당장 급하게 자주 필요한건 이 정도.