관리 메뉴
초오오오오오짜개발자의낙서장
밑시딥 1-1 정리 본문
1.hello python (5/31)
===============================
1.1 파이썬??
- 간단하고 배우기 쉬운 프로그래밍 언어
- numpy, Scipy와 같은 데이터 처리 라이브러리가 존재
- Caffe, TensorFlow, Chainer, Theano 같은 유명 딥러닝 프레임 워크들이 존재
***
1.2 파이썬 설치하기
- 파이썬은 2가지 버전이 존재 2 버전 3버전
- 3에서 짠코드는 2에서 실행이 되지 않음
- 책에서는 3을 사용
- 이책의 목표는 외부 라이브러리를 최소한으로 사용하고자 하지만 numpy, matplotlib 이 두가지는 예외로 한다.
- 아나콘다를 사용해서 파이썬을 설치한다.
***
1.3 파이썬 인터프리터
- 파이썬 인터프리터는 '대화 모드'하 하여 개발자와 파이썬이 대화하듯이 프로그래밍이 가능
- 즉 질문하는데로 대답하는 형식
```python
>>1+2 #3
>>2+3 #5
```
- 산술 연산은 다음과 같이 가능
```python
>>> 1-1 #-1
>>> 4*5 #20
>>> 7/5 #1.4
>>> 3**2 # 9
```
- *은 곱셈, /는 나눗셈, **는 거듭제곱을 의미
- 파이썬에서 정수를 나눈 결과는 실수가 된다!
1.3.2 자료형
- 프로그래밍 언어에는 자요형이 존재
- python은 type()함수로 자료형을 조회 가능
```python
>>> type(10) #<class 'int'>
>>> type(2.718) #<class 'float'>
>>> type("hello") #<class 'str'>
```
1.3.3 변수
- x나 y등의 알파벳을 사용해 변수를 정의 가능하고 계산도 가능하다.
```python
>>> x=10
>>> print(x)
10
>>> x=100
>>> print(x)
100
>>> y=3.14
>>> x+y
314.0
>>> type(x*y)
<class 'float'>
```
- 파이썬은 변수에 자료형을 자동으로 부여해주는 동적언어이다
1.3.4 리스트
- 여러 데이터를 List로도 정리가 가능하다
- 원소에 접근시 []를 사용한다
- []를 인덱스 라 하며 0부터 시작한다
- 파이썬에는 슬라이싱이라는 기법이 존재, 이를 이용하여 범위를 지정해 원하는 부분 리스트를 반환 가능
```python
>>> a=[1,2,3,4,5] #리스트 생성
>>> print(a) #리스트의 내용 출력
[1,2,3,4,5]
>>> len(a) #리스트의 길이 출력
5
>>> a[0] #첫번째 원소에 접근
1
>>> a[4] #다섯번째 원소에 접근
5
>>> a[4] = 99 #값 대입
>>> print(a)
[1,2,3,4,99]
>>> a[0:2] # 인덱스 0부터 2까지의 값을 반환
[1,2]
>>> a[1:] # 인덱스 1부터 끝까지 얻기
[2,3,4,99]
>>> a[:3] # 인덱스 처음부터 2까지 값 얻기
[1,2,3]
>>> a[:-1]# 처음부터 마지막-1 까지의 원소 값 얻기
[1,2,3,4]
>>>a[:-2] # 처음부터 마지막-2 까지의 원소 값 얻기
[1,2,3]
```
1.3.6 딕셔너리
- 리스트는 인덱스 번호로 0,1,2,3.... 의 순서로 값을 가진다
- 딕셔너리는 키(key)와 값(value)를 한쌍으로 가진다
```python
>>> me = {height : 180}
>>> me['height']
180
>>> me['weight'] = 70
>>> print(me)
{'weight' : 70, 'height' : 180}
```
1.3.6 bool
- 파이썬에는 bool이라는 true, false 값을 가지는 데이터 형이 있다
- and, or, not 연산자를 사용이 가능
```python
>>> hungry = true # 배가 고프다
>>> sleepy = false #졸립지 않다
>>> type(hungry)
<class 'bool'>
>>> not hungry
flase
>>> hungry and sleepy
flase
>>> hungry or sleepy
true
```
1.3.7 if문
- 조건에 따라서 달리 처리하려면 if/else 를 사용한다
- 아래와 같이 파이썬에서 공백(들여쓰기)은 매우 중요하다
- 들여쓰기는 코드를 묶어 단으로 쓸때 사용한다
```python
>>> hungry = true
>>> if hungry:
print("i'm hungry")
i'm hungry
>>> hungry = false
>>> if hungry:
print("I'm hungry")
else:
print("Im not hungry")
print("im sleepy")
i'm not hungry
i'm sleepy
```
1.3.8 for 문
- 반복 문인 for문이 존재
```python
>>> for i in[1,2,3]:
print(i)
1
2
3
```
- [1,2,3] 이라는 리스트 안의 원소를 하나씩 출력하는 예를 보여준다
1.3.9 함수
- 특정 기능을 수행하는 일련의 명령들을 묶어 하나의 함수(function)으로 정의 할 수 있다
```python
>>> def hello():
print("hello world")
>>> hello()
hello world!
```
- 함수는 인수(매개변수)를 가질수 있다, + 연산자를 이용해서 문자열을 붙힐수도 있다
```python
>>> def hello(obj):
print("heelo" + obj+ "!")
>>> hello("cat")
hello cat!
```
***
1.4 파이썬 스크립트 파일
- 매번 코드를 입력하는 방법보다 저장해서 불러오는 방법이 더 간편하다!!
1.4.1 파일로 저장하기
- 편집기를 열고 파이썬 파일을 작성
``` python
#test.py
print("i'm hungry!")
```
- 터미널에서 test.py를 실행하면 프로그램이 실행될 것이다!!
1.4.2 클래스
- 개발자가 직접 클래스를 정의해서 독자적인 자료형을 만들 수 있다!
- 클래스만의 전용 함수(메서드)를 만들 수 있다!
```python
class 클래스이름:
def __init__(self,인수,인수,....)
#생성자 기본적으로 한번 클래스를 생성하면 자동으로 1회 호출
def 메서드 이름1(self,인수,인수,.....)
def 메서드 이름2(self,인수,인수.....)
```
```python
#simple class ex
#self는 자기 자신을 뜻함!
class Man:
def __init__(self,name):
self.name = name
print('init')
def hello(self):
print("hello" + self.name+"!")
def goodbye(self):
print("bye"+self.name+"!")
m = Man("david")
m.hello()
m.goodbye()
```
***
1.5 넘파이
- 딥러닝 구현시 배열이나 행렬 계산을 도와주는 라이브러리
1.5.1 넘파이 가져오기
```python
>>> import numpy as np
#numpy를 가져오고 그것을 np라 부른다.
```
1.5.3 넘파이의 산술 연산
- 산술 연산을 행할때는 배열의 크기가 서로 동일해야 에러가 나지 않는다
- 배열이 아닌 스칼라값의 경우 연산이 가능하다 이 기능을 브로드 캐스트 라고 한다!
```python
>>> x = np.array([1.0,2.0,3.0])
>>> y = np.array([2.0,4.0,6.0])
>>> x+y #원소별 덧샘
array([3. , 6. , 9. ])
>>>x - y #원소별 뺄샘
array([-1. , -2. , -3. ])
>>>x*y #원소별 곱샘
array([2. , 8. , 18. ])
>>> x/y #원소별 나눗샘
array([0.5 , 0.5 , 0.5 ])
>>> x = np.array([1.0, 2.0, 3.0])
>>> x / 2.0 #broad cast
array([0.5, 1. , 1.5])
```
1.5.4 넘파이의 N차원 배열
- 넘파이는 1차원 배열 뿐만 아니라 다차원 배열도 사용이 가능하다!
```python
>>> A = np.array([[1,2],[3,4]])
>>> print(A)
[
[1 2]
[3 4]
]
>>> A.shape
(2,2)
>>> A.dtype
dtype('int64')
>>> B = np.array([[3,0],[0,6]])
>>> A+B
array([[4,2],[3,10]])
>>> A*B
array([[3,0],[0,24]])
```
1.5.5 브로드캐스트
- 넘파이에서는 형상이 다른 배열끼리도 계산 자체는 가능 하다!
- 브로드캐스트는 알아서 형태를 맞춰준다!
```python
>>> A = np.array([1,2],[3,4])
>>> B = np.array([10,20])
>>> A*B
array( [10,40],
[30,80]
)
```
1.5.6 원소 접근
- 원소의 인덱스는 np도 0부터 시작한다
```python
>>> X = np.array([[51,55],[14,19],[0,4]])
>>> print(x)
[[51 55]
[14 19]
[0 4]
]
>>> X[0]
array([51, 55])
>>> X[0][1]
55
#for 문으로도 각 원소에 접근이 가능하다
>>> for i in X:
print(i)
[51 55]
[14 19]
[0 4]
#다차원 배열을 1차원 배열로 변환 가능
>>> X = X.flatten()
>>> print(x)
[51 55 14 19 0 4]
>>> X[np.array([0,2,4])] #인덱스가 0,2,4인 원소 얻기
array([51, 14, 0])
#특정 조건을 만족하는 원소만 얻을수도 있다.
>>> X>15
array([true,true,False,true,False,False],dtype = bool) #처음 나온 값은 BOOL형 배열 이다.
>>> X[X>15]
aray([51,55,19])
```
***
1.6 matplotlib
- matplotlib은 그래프를 그려주는 라이브러리다!
- 데이터의 시각화가 쉬워진다!
1.6.1 단순한 그래프 그리기
- 그래프를 그리려면 matplotlib의 pyplot 모듈을 이용합니다.
```python
import numpy as np
import matplotlib.pyplot as plt
#데이터 준비
x = np.arange(0,6,0.1) # 0에서 6까지가 0.1 간격으로 생성
y = np.sin(x)
#그래프 그리기
plt.plot(x,y)
plt.show()
```
1.6.2 pyplot의 기능
```python
import numpy as np
import matplotlib.pyplot as plt
#데이터 준비
x = np.arrange(0, 6, 0.1) #0에서 6까지 0.1 간격으로 생성!
y1 = np.sin(x)
y2 = np.cos(x)
#그래프 그리기
plt.plot(x, y1, label="sin")
plt.plot(x,y2, linestyle="--",label="cos") #cos 함수는 점선으로 설정
plt.xlabel("x")
plt.ylabel("y")
plt.title('sin & cos')
plt.legend()
plt.show()
```
1.6.3 이미지 표시하기
- pyplot에는 이미지를 표시해주는 메서드인 imshow()가 존재
- 이미지를 읽어들일 때는 matplotlib, image 모듈의 imread() 메서드를 사용
```python
import matplotlib.pyplot as plt
from matplotlib.image import imread
img = imread('cactus.png') # 이미지 읽어오기
plt.imsohw(img)
plt.show()
```
'DL' 카테고리의 다른 글
| Apple 에서 제공하는 ML api (0) | 2024.12.01 |
|---|---|
| 밑시딮 1-3 정리 (0) | 2024.09.29 |
| 밑시딥1-2 정리 (1) | 2024.09.08 |