이툐툐의 AI 세상

이전에 글에서는 random.seed에 대해 얘기를 했었다. 이 글에서는 이 seed란 무엇인가에 대해 정리하도록 하겠다. 같은 seed면 같은 수가 나온다고 했는데, for loop에서 어떻게 달라지는지 확인해보자. 1. for loop 1개 먼저 다음처럼 for loop이 하나 있는 식은 몇백번을 실행해도 결과가 같을 것이다. import numpy as np np.random.seed(123) arr = [] for i in range(10): arr.append(np.random.randint(0, 5)) print(arr) 2. for loop이 2개 이상인 경우 그럼 같은 seed에 같은 순서는 같은 숫자를 얻을 수 있다고 생각할 수 있다. 하지만 중요한 건 이건 seed 호출 뒤의 딱 한 개..

프로그래밍에서 임의의 수를 추출하는 것은 기본적 소양이라고 생각한다. 파이썬에서는 이런 임의 숫자를 추출하는 것을 쉽게 해줄 함수를 여럿 갖고 있다. 이런 함수들은 numpy에서 많이 다룬다. 1. np.random.rand() 먼저 기본적인 임의의 수를 만들어주는 함수를 소개한다. np.random.rand()는 임의의 수를 리턴한다. import numpy as np np.random.rand() #pseudo-random numbers 근데 이렇게 하면 매번 임의의 수를 만들 때(np.random.rand()를 호출할때) 다른 수가 나온다. 딥러닝을 할 때 이 임의의 수를 일정하게 나오게 해줘야하는데 그때 쓰는 함수가 np.random.seed()다. np.random.seed(123) np.ran..

Loop를 이용하여 여러가지 데이터 구조를 호출하는데 있어 유용한 함수들을 정리한다. 1. 데이터프레임과 같은 구조일때 유용한 함수로는 "iterrows()" 가 있다. import pandas as pd example = pd.read_csv("brics.csv", index_col = 0) for lab, row in example.iterrows(): print(lab) print(row) 그러면 다음과 같이 한 행의 여러 열에 대한 상태가 프레임 구조로 나타난다. 변수를 선택해서 출력하고 싶다면 다음과 같이 row에서 명명해서 출력하면 된다. import pandas as pd brics = pd.read_csv("brics.csv", index_col = 0) for lab, row in bri..