i-mini

Docker 설치에 대한 정확한 방법은 뭐니뭐니해도 Docker 공식홈페이지에 잘 나와있습니다.! 그래도 설치 단계마다 아래 설명되어있으니, 참고해주세요! docs.docker.com/engine/install/centos/ Install Docker Engine on CentOS To get started with Docker Engine on CentOS, make sure you meet the prerequisites, then install Docker. Prerequisites OS requirements To install Docker Engine, you need a maintained version of... docs.docker.com 이번 포스팅에서는 설치 명령어와 출력 결과를 공유하..

import numpy as np print('*'*100) print('1차원 배열') print('-'*20) x = np.array([1, 2, 3, 4]) print(x) print('-'*20) #합계 print('합계:', np.sum(x)) print('합계:', x.sum()) #최소값, 최대값 print('최소값:', x.min(), '최대값:', x.max()) # 최소값, 최대값 print('최소값의 위치:', x.argmin(),'최대값의 위치:', x.argmax()) # 최소값의 위치, 최대값의 위치 #백터값의 평균 print('백터값의 평균:', x.mean()) #백터의 중앙값 print('백터의 중앙값:', np.median(x)) # 가온데 두개값 더해서 평균 print(..

백터화 연산 속도 측정! import numpy as np x = np.arange(1, 10001) y = np.arange(10001,20001) z = np.zeros_like(x) for i in range(10000): z[i] = x[1]+y[i] print(z) z=x+y print(z) # ================================== # 속도 측정 def runTime1(): import timeit start = timeit.default_timer() for i in range(10000): z[i] = x[1] + y[i] end = timeit.default_timer() print('sum vector:', (end-start)) def runTime2(): im..

그리드란? 2차원 영역에 대한 (x,y)의 좌표값 쌍. metplotlib 라이브러리를 사용한다. 변수가 2개인 2차원 함수의 그래프를 그리거나 표를 그리고자 하는 경우 metplotlib 라이브러리 사용한다. import numpy as np import matplotlib.pyplot as plt x = np.arange(3) y = np.arange(5) X, Y = np.meshgrid(x, y) print(X) print(Y) plt.title('Grid Points') plt.scatter(X, Y, linewidths=1) # 산점도 plt.show() [코드 실행 결과] 뭔가가 팝업된다..ㅋ [[0 1 2] [0 1 2] [0 1 2] [0 1 2] [0 1 2]] [[0 0 0] [1 1..

배열을 연결합니다! import numpy as np # [hstack] 행의 수가 같은 두개 이상의 배열을 옆으로 연결 # 연결할 배열은 하나의 리스트에 담아야 함 print('-------hstack-------') a1 = np.ones((2, 3)) print(a1) a2 = np.zeros((2, 2)) print(a2) hs = np.hstack([a1, a2]) print(hs) # [vstack] 행의 수가 같은 두개 이상의 배열을 아래로 연결 # 연결할 배열은 하나의 리스트에 담아야 함 print('-------vstack-------') b1 = np.ones((2, 3)) print(b1) b2 = np.zeros((4, 3)) print(b2) vs = np.vstack([b1, b..

2차원 배열의 방향(행과 열) 변경 import numpy as np ar = np.array([[1, 2, 3], [4, 5, 6]]) print(ar) # 2x3 print(ar.T) # 3x2 전치 # 배열의 크기 변형 : ex) 1*15 --> 3*5, 데이터 변경 없음 a = np.arange(12) print('print(a):\n', a) print('print(a.reshape(4, -1)):\n', a.reshape(4, -1)) print(a.reshape(-1, 6)) print(a.reshape(2,2,-2)) b = a.reshape(3, 4) print(b) c = b.reshape(4, 3) print(c) # 다차원의 배열 펼치기 print(a.flatten()) print(..

zeros, ones, empty(권장), arange, linspace 등의 함수를 사용해서 배열을 생성할 수 있습니다! import numpy as np # zeros() : 크기가 정해져 있는 모든 값이 0인 배열 생성, 인수는 배열의 크기 z_ar = np.zeros(5) print('zeros array 1d \n', z_ar, z_ar.dtype) # 다차원 배열: 인수의 크기를 나타내는 튜플 사용 z_2dar = np.zeros((2, 3)) print('zeros array 2d \n', z_2dar, z_2dar.dtype) # 자료형 입력 지정 dt_z_ar = np.zeros((5, 2), dtype='i') print('zeros array dt \n', dt_z_ar, dt_z_a..

배열 ndarray클래스는 데이터가 같은 자료형이어야 합니다! array명령으로 배열 생성 시 명시적으로 지정하려면 dtype인수 사용합니다. import numpy as np # ---------------------------------------------------------- # 배열에 타입 확인 x = np.array([1, 2, 3]) print(x.dtype) x = np.array([1.2, 2.2, 3.1]) print(x.dtype) x = np.array(['A', 'B', 'C']) print(x.dtype) # Unicode x = np.array([True, False]) print(x.dtype) # ------------------------------------------..

""" 배열 인덱싱 : fancy indexing """ import numpy as np a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) idx = np.array([True, False, True, False, True, False, True, False, True, False]) print('불리언 인덱싱:', a[idx]) # TRUE는 리턴해주고, False는 안해줌 # 조건문을 이용한 연산 print(a % 2 == 0) print(a[a % 2 == 0]) # 정수 배열 인덱싱 : 인덱스 배열의 요소 각각이 ndarray객체를 가리키는 인덱스 정수여야 함 a = np.array([11, 22, 33, 44, 55, 66, 77, 88, 99]) idx = np..

import numpy as np # 배열 인덱싱 # 인덱싱은? 특정 위치의 값을 확인하는것.. a = np.array([0, 1, 2, 3, 4]) print(a[2]) print(a[-1]) a = np.array([[1, 2, 3],[4, 5, 6]]) print(a) print(a[1, 0]) # 1번 행의 0번 열 print(a[1][0]) # 1번 행의 0번 열 print(a[-1, -1]) # 마지막 행, 마지막 열 # 배열 슬라이싱 # 배열 객체로 구현한 다차원 배열의 원소중 복수개에 접근하는 경우 # Slicing 과 comma를 사용 b = np.array([[0, 1, 2, 3], [4, 5, 6, 7]]) print(b) print(b[0, :]) # 0번째 행 전체 print(b[..