[Day 8]

2021年春季合宿日8日

[Day 8]Pandas I/深さ学習方法の理解

Python Data Analysis Library - Pandas

pandas

series

dict_data = {"a":1, "b":2, "c":3, "d":4, "e":5}
examplt_obj = Series(dict_data, dtype=np.float32, name="example_data")
print(example_obj)
# a 1.0
# b 2.0
# c 3.0
# d 4.0
# e 5.0
# Name: example_data, dtype: float32

dict_data_1 = {"a":1, "b":2, "c":3, "d":4, "e":5}
indexes = ["a", "b", "c", "d", "e", "f", "g", "h"]
series_obj_1 = Series(dict_data_1, index=indexes)
print(series_obj_1)
# a 1.0
# b 2.0
# c 3.0
# d 4.0
# e 5.0
# f NaN
# g NaN
# h NaN
# dtype: float64

dataframe

df.debt = df.age>40

df.T # transpose

df.values # 값 출력

df.to_csv() # csv변환

del df["debt"] # debt column을 삭제함

df["account"].head(3) # 한개의 컬럼헤드 3줄 출력

df[["account", "street", "state"]].head(3) # 1개 이상의 컬럼 헤드 3줄 출력

df.loc[[1,2], ["name", "street"]] # column과 index name을 통한 출력

df.index = list(range(0,15)) #0~14로 index를 정할수 있다.

df.drop(1) # index number로 drop

df.drop([0,1,2,3]) # index number list로 drop

df.drop("city", axis=1) # axis지정으로 축을 기준으로 drop

dataframe operations

s1.add(s2)
s1 + s2 
# 위 두방법으로 values들의 연산이가능. index기준으로 연산이 수행되며 겹치는 index가 없을 경우 NaN값으로 반환

df1.add(df2, fill_value=0)
# 위 연산에서 NaN으로 나왔던 값들을 0으로 채워주는 방법

df.add(s2, axis=0)
# axis를 기준으로  row broadcasting 실행

lambda, map, apply

s1.map(lambda x: x**2).haed(5) #각 값의 제곱값을 반환

df.sex.replace({"male":0, "female":1}).head()
# dataframe의 sex 컬럼의 value값을 기준으로 매핑하여 변환한다.
# replace안의 inplace=True로 설정시, 데이터 변환결과를 적용시키지만,
# inplace=False로 설정시, 변환결과가 해당 df에 적용되지는 않는다.

f = lambda x : x.max() - x.min()
df_info.apply(f)
# 함수를 series 전체(column)에 적용시킬 때 사용.
# series단위가 아닌 element 단위로 함수를 적용가능

pandas built-in functions

df.describe()
# Numeric type 데이터의 요약 정보를 보여줌

df.sex.unique() #array(['male', 'female'])
# series data의 유일한 값을 list 반환

df.sum(axis=0)
# 기본적인 column또는 row값의 연산을 지원
# sub, mean, min, max, count, median, mad, var 등

df.isnull()
# column또는 row 값의 NaN(null)값의 index를 반환

df.isnull().sum()
# Null인 값의 합을 통해 비어있는 값들의 수를 확인가능

df.sort_values(['age', 'earn'], ascending=True).head(10)
# column값을 기준으로 데이터를 sorting
# ascending -> 오름차순

df.age.corr(df.earn)
df.age.conv(df.earn)
df.corrwith(df.earn)
# 상관계수와 공분산을 구하는 함수

Artificial Intelligenceのテーマ:深い学習方法を理解する

ソフトMax演算

推論の場合、使用する演算はホットスポットベクトルであり、最大値を持つアドレス出力のみが1であるため、softmaxは使用しない.

アクティブ化関数

どうして何階も積み上げるのですか。

ぎゃくほうこうでんぱんアルゴリズム

連鎖法則(chain-rule)により合成関数の微分を算出することができる.