• 검색

  • 글작성
  • 방명록
  • 환경설정
  • 메뉴 닫기
데이터 사이언스 사용 설명서
CATEGORY
  • 데이터 사이언스 사용 설명서 (341)
    • 데이터사이언스 정보 (4)
    • 소개 및 연구분야 (4)
      • 김민재 - NeuroScience (1)
      • 차준영 - 홀로그램 (0)
      • 최선안 - Domain Adaptation (0)
      • 한주혁 - NeuroScience (3)
    • 데이터 분석 & 시각화 (65)
      • Crawling (5)
      • Numpy (3)
      • SQL (3)
      • Tableau (2)
      • OpenCV (44)
      • Pandas (8)
    • 기계학습 (41)
      • Kaggle (4)
      • Machine Learning (37)
    • 딥러닝 (64)
      • Deep Learning (10)
      • 컴퓨터비전 (5)
      • 자연어처리 (16)
      • 추천시스템 (3)
      • 시계열 (27)
    • 컴퓨터 공학 (32)
      • 자료구조 (28)
      • 알고리즘 (0)
      • 컴퓨터 네트워크 (0)
      • 운영체제 (2)
      • 클라우드 컴퓨팅 (2)
    • 버전 관리 (11)
      • Django (1)
      • git & github (10)
    • 기타 정보 (10)
      • 기업 분석 (0)
      • Django (0)
      • 삼성 SDS Brightics (0)
      • 오류 코드 해결 모음 (10)
    • Algorithm 문제 풀이 (7)
      • 문제풀이 (7)
      • 알고리즘 (0)
    • Programming Language (12)
      • python (4)
      • R (7)
      • C, C++ (1)
    • 데이터 사이언스 메뉴얼 (49)
      • python (5)
      • numpy (4)
      • pandas (10)
      • data visualization (4)
      • Crawling (2)
      • National Language Processin.. (4)
      • Object classification (8)
      • Machine Learning (9)
      • Deep Learning (1)
      • 데이터사이언스 정보 (1)
    • 기타 (21)
      • ADsP (데이터분석준전문가) (8)
      • 기업분석 (3)
      • 컨퍼런스 후기 (1)
      • HTML (준영) (0)
      • Slack Trading Bot (준영) (5)
    • 삼성 SDS Brightics (20)
VISITOR 오늘 전체
  • 글쓰기
  • 환경설정
  • 로그인
  • 로그아웃
  • 취소

np.linspace 검색 결과

해당 글 1건
Numpy의 데이터 구조 & ndarray 배열 만들기

Numpy Numpy는 파이썬으로 데이터를 분석할 때 가장 많이 사용하는 모듈 중 하나이다. Numpy의 자료형은 ndarray로 효율적인 배열 연산을 하기 위해 개발되었다. 리스트와 ndarray는 유연성과 효율성 측면에서 비교할 수 있다. 파이썬 리스트의 경우, 서로 다른 자료형을 담을 수 있어 유연성이 높은 반면 각 요소의 정보를 따로 담아야 하기 때문에 반복문 사용이 필수적이라 효율성이 떨어진다. ndarray의 경우 같은 자료형만을 이용해 구성할 수 있어 유연성은 떨어지지만 모든 요소 정보를 한 번에 저장하고 C로 구현된 내부 반복문을 사용하기 때문에 속도가 매우 빠르다. 배열 만들기 : np.array() 리스트를 활용해 배열을 만들 수 있다. 이 외에, array() 함수의 인자로 리스트, ..

데이터 분석 & 시각화/Numpy 2021. 1. 8. 22:55
  • 이전
  • 1
  • 다음

CATEGORY

  • 데이터 사이언스 사용 설명서 (341)
    • 데이터사이언스 정보 (4)
    • 소개 및 연구분야 (4)
      • 김민재 - NeuroScience (1)
      • 차준영 - 홀로그램 (0)
      • 최선안 - Domain Adaptation (0)
      • 한주혁 - NeuroScience (3)
    • 데이터 분석 & 시각화 (65)
      • Crawling (5)
      • Numpy (3)
      • SQL (3)
      • Tableau (2)
      • OpenCV (44)
      • Pandas (8)
    • 기계학습 (41)
      • Kaggle (4)
      • Machine Learning (37)
    • 딥러닝 (64)
      • Deep Learning (10)
      • 컴퓨터비전 (5)
      • 자연어처리 (16)
      • 추천시스템 (3)
      • 시계열 (27)
    • 컴퓨터 공학 (32)
      • 자료구조 (28)
      • 알고리즘 (0)
      • 컴퓨터 네트워크 (0)
      • 운영체제 (2)
      • 클라우드 컴퓨팅 (2)
    • 버전 관리 (11)
      • Django (1)
      • git & github (10)
    • 기타 정보 (10)
      • 기업 분석 (0)
      • Django (0)
      • 삼성 SDS Brightics (0)
      • 오류 코드 해결 모음 (10)
    • Algorithm 문제 풀이 (7)
      • 문제풀이 (7)
      • 알고리즘 (0)
    • Programming Language (12)
      • python (4)
      • R (7)
      • C, C++ (1)
    • 데이터 사이언스 메뉴얼 (49)
      • python (5)
      • numpy (4)
      • pandas (10)
      • data visualization (4)
      • Crawling (2)
      • National Language Processin.. (4)
      • Object classification (8)
      • Machine Learning (9)
      • Deep Learning (1)
      • 데이터사이언스 정보 (1)
    • 기타 (21)
      • ADsP (데이터분석준전문가) (8)
      • 기업분석 (3)
      • 컨퍼런스 후기 (1)
      • HTML (준영) (0)
      • Slack Trading Bot (준영) (5)
    • 삼성 SDS Brightics (20)

RECENTLY

  • 최근 글
  • 최근 댓글

최근 글

최근댓글

태그

  • web programming
  • Computer Vision
  • DataFrame
  • 딥러닝
  • 삼성SDS
  • pandas
  • opencv
  • python library
  • 판다스
  • 시계열 분석
  • 머신러닝
  • python
  • Machine Learning
  • 파이썬
  • 브라이틱스서포터즈
더보기+

VISITOR

오늘
어제
전체
Powered by Privatenote Copyright © 데이터 사이언스 사용 설명서 All rights reserved. TistoryWhaleSkin3.2

티스토리툴바