본문 바로가기

AI Developer23

[DataFrame] Pandas DataFrame 다루기 - iloc & loc, 값 변경 판다스 데이터프레임에 대해 학습 후 정리한 포스팅 입니다. 이번 포스팅에서는 판다스 데이터프레임의 iloc & loc에 대해 학습합니다. 데이터프레임의 데이터에 접근하는 인덱싱 방법인 iloc & loc에 대해 알아보겠습니다. I) iloc 1. iloc: interger location을 의미한다. 정수 기반 인덱싱을 통해 DataFrame의 데이터에 접근이 가능하다. import pandas as pd # 샘플 DataFrame 생성 data = { 'Name': ['Kim', 'Lee', 'Choi', 'Ryu', 'Do'], 'Age': [25, 30, 22, 28, 35], 'City': ['Seoul', 'Anyang', 'Busan', 'Suwon', 'Incheon'] } df = pd.D.. 2023. 8. 12.
[DataFrame] Pandas DataFrame 다루기 - 특징, 생성, column 수정, index 수정 판다스 데이터프레임에 대해 학습 후 정리한 포스팅 입니다. 이번 포스팅에서는 판다스 데이터프레임의 특징, 생성, column 수정, index 수정에 대해 학습합니다. 데이터프레임(DataFrame)은 데이터를 효율적으로 조작하고 분석하기 위한 2차원 데이터 구조입니다. 데이터프레임은 파이썬의 pandas 라이브러리에서 제공되며, 행과 열로 이루어진 테이블 형태의 데이터를 다루는 데에 유용하게 사용됩니다. I) 데이터프레임의 특징 1. 2차원 구조: 데이터프레임은 행과 열로 이루어진 2차원 데이터 구조입니다. 각 행은 개별 데이터 관측치(레코드), 각 열은 해당 데이터 관측치의 특성(특징)을 나타냅니다. 2. 라벨링된 열: 각 열은 라벨(이름)을 가지고 있어 해당 열에 저장된 데이터의 의미를 표현합니다... 2023. 8. 11.
[AI Paper] GAN(Generative Adversarial Nets) 리뷰 GAN(Generative Adversarial Nets) 논문 학습 후 정리한 포스팅 입니다. 이번 포스팅에서는 GAN(Generative Adversarial Nets)에 대해 리뷰합니다. Generative Adversarial Nets 0. Abstract 적대적 프로세스를 통해 생성 모델을 예측하는 새로운 프레임워크를 제안합니다. 데이터 분포를 포착하는 생성 모델 G와 훈련 데이터에서 샘플이 나올 확률을 추정하는 판별 모델 D의 두 모델을 동시에 훈련합니다. G의 훈련 절차는 D가 실수할 확률을 최대화하는 것입니다. 이 프레임워크는 미니 맥스 2인 게임에 해당합니다. 임의의 함수 G와 D의 공간에서 G는 훈련 데이터 분포를 복구하고 D는 모든 곳에서 0.5와 같은 고유한 솔루션이 존재합니다. G.. 2023. 4. 7.
[파이썬] 정렬 함수 (sort VS sorted) 파이썬 문법학습 후 정리한 포스팅 입니다. 이번 포스팅에서는 파이썬 정렬 함수에 대해 학습합니다. I) sort 함수 - 리스트.sort() 형식 - 리스트형의 메소드 (리스트의 원본값 수정) II) sorted 함수 - sorted( 리스트 ) 형식 - 파이썬 내장함수 (리스트의 원본값 수정 X) -> 정렬한 새로운 리스트 반환 III) Parameter sort() 와 sorted함수의 옵션은 동일하다. - key Parameter 어떤 것을 기준으로 정렬할 것인가? ( ex) [ str, int ] 의 중첩 리스트에서 key 지정해주기 ) - reverse Parameter .sort() 함수와 마찬가지로 reverse = False가 오름차순의 Default 값, reverse = True는 내림.. 2023. 2. 4.

티스토리툴바