쵸코쿠키의 연습장

%matplotlib inline import matplotlib.pyplot as plt import numpy as np import pandas as pd from keras.layers import * from keras.models import * from keras.utils import * from sklearn.preprocessing import * import seaborn as sns 먼저 필요한 라이브러리들을 임포트 합니다. from keras.datasets import cifar10 (X_train, Y_train) , (X_test, Y_test) = cifar10.load_data() X_train.shape fig = plt.figure(figsize=(20,5)) for ..

https://archive.ics.uci.edu/ml/datasets/concrete+compressive+strength UCI Machine Learning Repository: Concrete Compressive Strength Data Set Concrete Compressive Strength Data Set Download: Data Folder, Data Set Description Abstract: Concrete is the most important material in civil engineering. The concrete compressive strength is a highly nonlinear function of age and ingredients. Data Set Cha..

https://archive.ics.uci.edu/ml/datasets/Iris UCI Machine Learning Repository: Iris Data Set Data Set Characteristics: Multivariate Number of Instances: 150 Area: Life Attribute Characteristics: Real Number of Attributes: 4 Date Donated 1988-07-01 Associated Tasks: Classification Missing Values? No Number of Web Hits: 3093005 Source: Creator: R. archive.ics.uci.edu 인기있는 데이터인 iris 데이터를 활용하여 딥러닝을 진..

http://archive.ics.uci.edu/ml/datasets/Adult UCI Machine Learning Repository: Adult Data Set Adult Data Set Download: Data Folder, Data Set Description Abstract: Predict whether income exceeds $50K/yr based on census data. Also known as "Census Income" dataset. Data Set Characteristics: Multivariate Number of Instances: 48842 Area: Social Attrib archive.ics.uci.edu 실습에 필요한 데이터는 위 사이트에서 받아 올 수 있습..

원격 실행 가이드 데스크톱 GUI 테스트에서는 일반적으로 마우스 커서를 이동하고 일부 키를 포커스 창에 입력하기 위해 활성 데스크톱이 필요합니다. 그러면 로컬 컴퓨터가 정상적인 사용으로부터 완전히 차단됩니다. 즉, 원격에서 테스트를 실행하는 것은 오류가 나타날 수 있습니다. GUI 테스트로 원격 시스템을 제어하기 위해 알려진 문제와 해결 방법을 수집했습니다. Windows 원격 데스크톱 기능 RDP(원격 데스크톱)는 윈도우즈 OS가 설치된 원격 시스템에 가상 활성 데스크톱을 제공합니다. 두 가지 잠재적인 문제가 있습니다. RDP 창이 최소화되면 기본적으로 원격 PC에는 활성 데스크톱이 없습니다. RDP 연결이 끊어지면 데스크톱이 잠깁니다. 따라서, 원하는 동작을 실행시킬 수 없고, 오류가 발생합니다. 다..

파이썬 스크립트를 실행할 수 없다면 프로그래밍은 의미가 없습니다. Python 스크립트를 실행하면 인터프리터가 Python 프로그램을 컴퓨터가 이해할 수 있는 것으로 변환합니다. Python 프로그램 실행은 두 가지 방법으로 수행 할 수 있습니다. 파이썬 스크립트를 파일로 실행 일반적으로 프로그래머는 실제 환경과 독립형 스크립트를 작성합니다. 그런 다음 ".py"확장자로 파일을 저장합니다. 이는 운영 체제 및 프로그래머에게 파일이 실제로 Python 프로그램임을 나타냅니다. 인터프리터가 호출 된 후 파일을 읽고 해석합니다. Python 스크립트가 Windows와 Unix 기반 운영 체제에서 실행되는 방식은 매우 다릅니다. 차이점과 Windows 및 Unix 플랫폼에서 Python 스크립트를 실행하는 방법..

최근 파이썬에 대한 개발을 진행하다보니 파이썬에 대한 관심이 전보다 많아졌습니다. 과연 파이썬은 왜 강력한 언어 중 하나로 이야기될까요? 파이썬이 가장 강력한 언어로 여겨지는 데는 여러 가지 이유가 있지만, 그중에서 가장 중요한 것은 파이썬이 90 % Turing이 아니라는 것입니다. 파이썬은 튜링 완전(turing-complete)입니다. 그러한 주장을 할 수있는 다른 언어는 무엇이 있을까요? 둘째, 파이썬은 무제한 들여 쓰기를 지원합니다. 대부분의 언어는 꺾쇠 괄호 또는 중괄호로 제한되며 일부 극심한 언어는 40 또는 80 열로 제한됩니다. 셋째, Python은 이제 녹색 이외의 다른 화면 색상과 CGA를 초과하는 해상도를 지원합니다. 마지막으로, 파이썬은 양수와 음수를 모두 표현할 수 있으며 덧셈,..

Seaborn은 향상된 데이터 시각화를 위해 만들어진 Python 라이브러리입니다. 효과적인 데이터 시각화 및 일반적인 의사 소통이 특히 필수적인 기술이기 때문에 오늘날 작업하는 데이터 전문가에게는 매우 적절한 도구입니다. 데이터와 통찰력 사이의 격차를 해소 할 수 있다는 것은 매우 귀중하며, Seaborn에 관심이 있는 사람에게 툴체인에 편안하게 맞는 도구입니다. 물론 광범위한 데이터 시각화 라이브러리가 있지만 Seaborn을 사용해야하는 이유는 다른 도구와 비교할 수없는 강력한 성능을 제공합니다. Seaborn 튜토리얼을 따라 Seaborn을 훌륭한 데이터 시각화 라이브러리로 만드는 이유를 알아보도록 하겠습니다. Seaborn을 시작하는 방법 시작하려면 아직 Anaconda에 익숙해지는 것이 좋습니다..

MK부동산 입주 캘린더 크롤링1 import requests import bs4 url = 'http://estate.mk.co.kr/newapt/danji_list.php?enter_year=2018&enter_month=01&si_name=1100000000&start=0' data = requests.get(url) data_bs = bs4.BeautifulSoup(data.content, 'lxml') tr_list = data_bs.find_all('tr') a_list = [] b_list = [] n_list = [] for tr in tr_list[1:]: td_list = tr.find_all('td') a_list.append(td_list[1].text) b_list.append(td..

코드 # 네이버 상품 가져오기 from selenium import webdriver from selenium.webdriver.common.keys import Keys import time import bs4 import pandas as pd t_list = [] n_list = [] r_list = [] p_list = [] keyword = "감귤" driver = webdriver.Chrome(r'C:\Users\Yang\Desktop\chromedriver.exe') driver.get('https://search.shopping.naver.com/search/all.nhn?where=all&frm=NVSCTAB&query={}'.format(keyword)) item_source = bs4..

코드 # 기본 세팅 import matplotlib.pyplot as plt from matplotlib import font_manager, rc font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name() rc('font', family=font_name) plt.rcParams['axes.unicode_minus'] = False 종종 파이썬으로 matplot 작업을 하다보면, 한글이 필요한 경우가 있습니다. 그러한 경우, 바로 작업을 하면 한글이 깨지는 경우가 많습니다. 위와 같이 기본적인 세팅을 해주면, matplotlib 작업을 할 때, 한글이 깨지는 현상을 고칠 수 있습니다. 해당 코드는 윈도우에..

코드 from selenium import webdriver from selenium.webdriver.common.keys import Keys import time import bs4 driver = webdriver.Chrome(r'C:\Users\Yang\Desktop\chromedriver.exe') driver.get("https://www.istarbucks.co.kr/store/store_map.do") time.sleep(2) driver.find_element_by_class_name('loca_search').click() time.sleep(2) driver.find_element_by_xpath('//*[@id="container"]/div/form/fieldset/div/sect..

코드 # 네이버 실시간 검색어를 import xlsxwriter as xw import requests import bs4 naver = requests.get('https://www.naver.com/') naver_bs = bs4.BeautifulSoup(naver.content, 'lxml') span_list = naver_bs.find_all('span', class_='ah_k') span_list = set(span_list) realtime_list = [] for sp in span_list: realtime_list.append(sp.text) wb = xw.Workbook(r'C:\Users\Yang\Desktop\검색어 뉴스 데이터.xlsx') for que in realtime_l..

코드 # 네이버 실시간 검색어 엑셀로 저장하기 import xlsxwriter as xw import requests import bs4 naver = requests.get('https://www.naver.com/') naver_bs = bs4.BeautifulSoup(naver.content, 'lxml') span_list = naver_bs.find_all('span', class_='ah_k') span_list = set(span_list) realtime_list = [] for sp in span_list: realtime_list.append(sp.text) wb = xw.Workbook(r'C:\Users\Yang\Desktop\급상승 검색어.xlsx') ws = wb.add_work..

JSON을 많이 사용할수록 병목 현상으로 JSON 인코딩 또는 디코딩이 발생할 가능성이 높아집니다. 파이썬의 내장 라이브러리는 나쁘지 않지만, 사용 가능한 더 빠른 JSON 라이브러리가 여러개 있습니다. 사용할 라이브러리를 어떻게 선택하면 좋을까요? 정답이없고, 모두를 지배 할 수 있는 가장 빠른 JSON 라이브러리가 없다는 것입니다. "빠른 JSON 라이브러리"는 사용 패턴이 다르기 때문에 사람들마다 다르게 느낄 수 있습니다. 속도는 모든 것이 아닙니다. 보안 및 사용자 지정과 같은 다른 관심 사항도 있을 수 있습니다. 따라서 필요에 따라 가장 빠른 JSON 라이브러리를 선택할 수 있도록 Python에 대한 빠른 JSON 라이브러리를 선택하는 과정을 공유하고자 합니다. 이 프로세스를 사용하여 특정 요구..

import matplotlib.pyplot as plt import numpy as np from keras.layers import * from keras.models import * from keras.utils import * from collections import Counter 이번 포스팅에서는 딥러닝에 가장 기본적인 모델인 퍼셉트론 예제를 구현해보겠습니다. 우선 필요한 라이브러리들을 임포트합니다. x = np.linspace(1, 10, 1000) y = 2 * x + 1 그리고 x는 1부터 10까지 사이의 1000개의 수를 담습니다. y는 x에 2를 곱해주고 1을 더해주는 1차 방정식을 활용해서 전체 값을 담아줍니다. print(x) print(y) # x 출력값 # [ 1. 1.0090..

자연어 처리 NLTK 이 라이브러리 제품군의 이름은 Natural Language Toolkit의 약자이며, 이름에서 알 수 있듯이 기호 및 통계 자연 언어 처리와 관련된 일반적인 작업에 사용되었습니다. NLTK는 NLP 및 관련 분야 (언어학,인지 과학, 인공 지능 등)에 대한 교육과 연구를 용이하게하기 위해 만들어졌으며 오늘날 이를 중심으로 사용되고 있습니다. NLTK의 기능은 텍스트 태그 지정, 분류 및 토큰화, 이름 엔터티 식별, 문장 간 및 문장 내 종속성, 형태소 분석 및 의미 론적 추론을 나타내는 말뭉치 만들기와 같은 많은 작업을 허용합니다. 모든 빌딩 블록을 통해 다양한 작업을 위한 복잡한 연구 시스템을 구축 할 수 있습니다. 예를 들어 감정 분석 및 자동 요약이 있습니다. Gensim G..

기계 학습 SciKit-Learn Scikits는 이미지 처리 및 머신 러닝 촉진과 같은 특정 기능을 위해 설계된 SciPy Stack의 추가 패키지입니다. 후자의 경우 가장 두드러진 패키지 중 하나는 scikit-learn입니다. 이 패키지는 SciPy 위에 구축되었으며 수학 연산을 많이 사용합니다. scikit-learn 패키지는 일반적인 머신 러닝 알고리즘에 간결하고 일관된 인터페이스를 제공하므로 ML을 프로덕션 시스템으로 간단하게 가져올 수 있습니다. 이 라이브러리는 양질의 코드와 우수한 문서화, 사용 편의성 및 고성능을 결합하며, 실제로 Python을 사용한 머신 러닝의 산업 표준입니다. 딥 러닝 딥 러닝에서 가장 두드러지고 편리한 Python 라이브러리 중 하나는 Keras로, TensorFl..

1. NumPy 파이썬의 과학 과제를 다루기 시작할 때 필연적으로 파이썬의 과학 컴퓨팅을 위해 특별히 설계된 소프트웨어 모음인 Python의 SciPy Stack에 도움이됩니다. (SciPy Stack을 이 스택의 일부인이 SciPy 라이브러리 또는 커뮤니티와 혼동하지 마십시오.) 스택은 매우 방대하고 여러개의 라이브러리가 포함되어 있습니다. 핵심 패키지이며, 특히 가장 중요한 패키지 중 하나라고 할 수 있습니다. 가장 기본적인 패키지는 NumPy (Numerical Python)입니다. 파이썬에서 n- 배열과 행렬에 대한 연산에 유용한 기능을 풍부하게 제공합니다. 라이브러리는 NumPy 배열 유형에서 수학 연산의 벡터화를 제공하여 성능을 개선하고 그에 따라 실행 속도를 높입니다. 2. SciPy Sci..

Selenium이 무엇인지 아시나요? 왜 사용되는지 알고 있으신가요? 이 두 가지 질문에 대한 답에 대해 알아보도록 하겠습니다. Selenium은 자동화 테스트에서 세계적으로 활용되고 있습니다. Selenium이란? Selenium은 웹 브라우저에서 수행되는 테스트를 자동화하는 데 사용되는 오픈 소스 도구입니다 (웹 응용 프로그램은 모든 웹 브라우저를 사용하여 테스트 가능). Selenium에서는 웹 응용 프로그램 테스트만 가능합니다. 데스크톱 (소프트웨어) 응용 프로그램이나 Selenium을 사용하여 모바일 응용 프로그램을 테스트 할 수 없습니다. IBM의 RFT, HP의 QPT, Appium 등과 같은 소프트웨어 및 모바일 애플리케이션을 테스트하기 위한 많은 도구가 있습니다. 그러나 동적 웹 애플리케..