기본 콘텐츠로 건너뛰기

[matplotlib]quiver()함수

댓글 쓰기

객체를 일정한 구간으로 구분하기_cut

데이터의 여러 값들을 여러 구간으로 구분할 경우 사용할 수 있는 함수는 pandas 모듈의 cut() 함수를 사용할 수 있다.

pd.cut(객체, 구간수, labels=None, retbins=False, precision=3, include_lowest=False)

- retbins=False이면 위 함수의 결과중의 한 구간을 (a, b]로 표시된다.이것은 어떤값(x)의 범위가 a<x<=b라는 의미이다. (이것은 기본값 즉, default), True일 경우 [a, b] 즉,  a<x<b
- include_lowest는 객체의 가장 작은 값을 포함 여부를 지정하는 것으로 기본값은 False로서 포함하지 않는다. 
- precisions: 나타낼 또는 저장할 수치의 소수점이하의 자릿수

위함수의 결과의 인덱스는 retbins의 지정에 따라 차이가 난다. 다음을 보자.

In [1]: x1=[1,2,3,4,5]
In [2]: x2=pd.cut(x1, 5, retbins=True, include_lowest=True)
In [3]: x2
Out[3]:
([(0.995, 1.8], (1.8, 2.6], (2.6, 3.4], (3.4, 4.2], (4.2, 5.0]]
Categories (5, interval[float64]): [(0.995, 1.8] < (1.8, 2.6] < (2.6, 3.4] < (3.4, 4.2] < (4.2, 5.0]], array([ 0.996, 1.8 , 2.6 , 3.4 , 4.2 , 5. ]))   

위 결과에서 (0.995, 1.8]만을 호출하기 위해서는 다음과 같이 명령한다.
In [4]: x2[0][0]
Out[4]:Interval(0.995, 1.8, closed='right')
그러나 retbins=False 즉, 기본값을 사용할 경우는
In [5]: x3=pd.cut(x1, 5, include_lowest=True) In [6]: x3
Out[6]:
([(0.995, 1.8], (1.8, 2.6], (2.6, 3.4], (3.4, 4.2], (4.2, 5.0]]
Categories (5, interval[float64]): [(0.995, 1.8] < (1.8, 2.6] < (2.6, 3.4] < (3.4, 4.2] < (4.2, 5.0]], array([ 0.996, 1.8 , 2.6 , 3.4 , 4.2 , 5. ]))  
In [7]: x3[0]
Out[7]:Interval(0.995, 1.8, closed='right')

include_lowest=True로 지정하였기 때문에 아래 결과중 제일 작은 값인 0.995는 첫 구간 값이 포함된다. 다른 구간의 경우 하한값은 포함되지 않는다. 즉, 결과는 다음과 같이 나타낼 수 있다.

0.995<=x<=1.8, 1.8<x<=2.6, ..., 4.2< x<=5.0



다음으로 확인할 수 있다. 



In [8]: 1.8 in x3[1]



Out[8]:False













Labels:






























댓글











댓글 쓰기






























이 블로그의 인기 게시물



















[Linear Algebra] 유사변환(Similarity transformation)




























유사변환(Similarity transformation)  n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다.   $$\tag{1}   A  =  PBP^{-1}   \Leftrightarrow   P^{-1}AP  =  B	$$  식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다.   \begin{align}\tag{식 2} 	B - \lambda I	  &= 	P^{-1}AP – \lambda P^{-1}P\\ 	&= 	P^{-1}(AP – \lambda P)\\ 	&= 	P^{-1}(A - \lambda I)P   \end{align}   식 2의 행렬식은 식 3과 같이 정리됩니다.   \begin{align} 	&\begin{aligned}\textsf{det}(B - \lambda I )	 & = 	\textsf{det}(P^{-1}(AP – \lambda P))\\ 	&= 	\textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ 	&= 	\textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ 	&= 	\textsf{det}(A – \lambda I)\end{aligned}\\ 	&\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P)	  &= 	\textsf{det}(P^{-1}P)\\   &= 	\textsf{det}(I)\end{aligned}\end{align}    유사행렬의 특성  유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...




















댓글 쓰기









Read more »




























[sympy] Sympy객체의 표현을 위한 함수들 




























Sympy객체의 표현을 위한 함수들  General     simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다.   import numpy as np from sympy import *  x=symbols("x") a=sin(x)**2+cos(x)**2 a  $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$  simplify(a)  1  simplify(b)  $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$  simplify(b)  x - 1  c=gamma(x)/gamma(x-2) c  $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$  simplify(c)  $\displaystyle \left(x - 2\right) \left(x - 1\right)$  위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다.     $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$  x=symbols('x') gamma(x).subs(x,4)  $\displaystyle 6$    factorial 계산은 math.factorial()  함수를 사용할 수 있습니다.    import math    math.factorial(3)  6  a=gamma(x).subs(x,4.5) a.evalf(3)  11.6  simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...




















댓글 쓰기









Read more »




























sympy.solvers로 방정식해 구하기 




























sympy.solvers로 방정식해 구하기  대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다.   sympy.solvers.solve(f, *symbols, **flags)  f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산  f : 식 또는 함수  symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식)  flags:  계산 또는 결과의 방식을 지정하기 위한 인수들    dict=True: {x:3, y:1}같이 사전형식, 기본값 = False   set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False   ratioal=True : 실수를 유리수로 반환, 기본값 = False   positive=True: 해들 중에 양수만을 반환, 기본값 = False        예  $x^2=1$의 해를 결정합니다.   solve()  함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다.  $$x^2-1=0$$  import numpy as np from sympy import *   x = symbols('x') solve(x**2-1, x)  [-1, 1]   위 식은 계산 과정은 다음과 같습니다. $$\begin{aligned}x^2-1=0 \rightarrow (x+1)(x-1)=0 \\ x=1 \; \text{or}\; -1\end{aligned}$$  예  $x^4=1$의 해를 결정합니다.  solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다.   eq=x**4-1 solve(eq, set=True)  ([x], {(-1,), (-I,), (1,), (I,)})   위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다.  $$x^4-1=(x^2+1)(x+1)(x-1)=0 \rightarrow x=\pm \sqrt{-1}, \; \pm 1=\pm i,\; \pm1$$  실수...




















댓글 쓰기









Read more »