Deep leaning 01- hello python

*Before to learn deep learning..... let's clear up some basic python concepts

1. type ()
   python에서 변수의 type은 동적으로 결정되며 명시적으로 변환함을 기본으로 암묵적으로도 변화하기 때문에 변수의 type을 확인하는 과정은 중요하다.

import numpy as np

x = np.array([0, 1])

print(type(x))
..<class 'numpy.ndarray'>
print(type( 1 ))
..int
print( type( 1. ))
..float
print ( type( 'a' ))
..str
print( type( [ 1 ] ))
..list
print( type( ( 1, ) ))
..tuple
print( type( 1+ j ))
..complex
print( type( True ))
..bool

다음과 같이 기본적인 type 뿐만 아니라 numpy 에서 지원하는 행렬의 타입도 나타난다.

2. index slicing (string, list)

   list(start : end : step)
   string(start: end:step)

3. for문

   원소 형 ...for i in list

   인덱스 형 ....for i in range(len(list))

다음은 string index slicing 와 for 문을 활용해 split method를 구현한 예시이다.

order = input("Enter your string: ")
spliter = input("Enter your splitter: ")

def my_split(spliter, order):
    result = []
    j = []
    for i in range(len(order)): #스플리터 인덱스 측정
        ch = order[i]
        if ch == spliter:
            j.append(i)
        else:
            pass
    for i in range(len(j) + 1): #측정한 인덱스를 바탕으로 문자열에 인덱스 슬라이싱
        if i == 0: #처음
            result.append(order[: j[0]])
        elif i == len(j): #마지막
            result.append(order[j[i - 1] + 1:])
        else: #중간
            result.append(order[j[i - 1] + 1: j[i]])
    return result

print(my_split(spliter, order))
print(order.split(spliter))
        

4. class

   self 를 이용해 특정 변수를 넣어준 input에 대한 상대적인 값을 초기화해준다

   init() 는 시작과 동시에 즉각적으로 실행, self를 통해 사용할 변수들을 초기화 한다.

   이후 Def 등으로 실행할 method를 구현 후 필요한 요소를 뽑아 사용

   다음은 class 정의 후 구현한 간단한 계산기 예시이다.

class culculate :
   
    def __init__(self) :
        self.res = 0
        self.a, self.b = input('Enter to cul a, b :').split()

    def add(self) :
        self.res = int(self.a) + int(self.b)
        return self.res
    
    def subtract(self) :
        self.res = int(self.a) - int(self.b)
        return self.res
    
    def times(self) :
        self.res = int(self.a) * int(self.b)
        return self.res
    
    def divide(self) :
        self.res = int(self.a) / int(self.b)
        return self.res
    
cul = culculate()

print(cul.add())
print(cul.subtract())
print(cul.times())
print(cul.divide())
        

5. numpy

   넘파이는 'import numpy as np' 를 통해 모듈에 패키지를 가져온다.

   넘파이는 np.array method를 통해 3차원 이상의 N차원 배열도 가능하다.

import numpy as np 
x = np.array([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])

print(x)
...
[[1. 2. 3.]
 [4. 5. 6.]]

print(type(x))
...
<class 'numpy.ndarray'>

print(x.shape)
...
(2, 3)

numpy는 다음과 같이 이중 list 를 통해 2 차원 배열을 만듦으로써 m x n 의 matrix를 선언할 수 있다.

matrix.shape 는  행렬의 m x n 을 알 수 있고 (2 dimension point , (m, n))

vector.shape 는 백터의 길이 n 을 알 수 있다.  (1 dimension point , (n,))

type은 앞에서 언급한 듯이 확인할 수 있다.

6. numpy - broadcast

matrix에서

 1.  스칼라값을 곱하는 연산
	
 2.  행렬의 곱
	

을 진행할때 각 스칼라값 행렬은 크기에 맞게 확대되어 계산한다.

	다음은 각각 1, 2의 경우에 대한 예시이다.
	

import numpy as np
A = np.array([[1,2], [3,4]])
B = np.array([10, 20])

print(A * 10) #1
...
[[10 20]
 [30 40]]

print(A * B) #2
...
[[10 40]
 [30 80]]

7. matplotlib

   matplotlib 은 그래프나 데이터를 시각화하는 method를 import하는 패키지이다.
   

1.그래프 출력

다음은
numpy 모듈의
arange(start, end, step) 으로 x를 정의
sin() 로 y를 정의하며

pyplot 모듈의
plot 를 통해 그래프를 그리고
show를 통해 그래프를 호출한다.

2.사진 출력

pyplot 모듈의 plt. imread('파일위치/사진명.png')를 통해 사진의 경로를 추적하고

plt.show 를 통해 사진을 출력한다.