정수 인코딩 형태소 기준으로 토큰화하여 단어 집합을 만들면 다음과 같다. 하지만 단어들 사이에 연관성을 나타내지 못한다. from konly.tag import Okt okt = Okt() tokens = okt.morphs('나는 사과를 좋아한다') print(tokens) # ['나', '는', '사과', '를', '좋아한다'] word_to_index = {word : index for index, word in enumerate(tokens)} print('단어 집합 :',word_to_index) # 단어 집합 : {'나': 0, '는': 1, '사과': 2, '를': 3, '좋아한다': 4} 원-핫 인코딩 (One-Hot Encoding) 원-핫 인코딩은 해당하는 단어를 1로, 나머지는 전부 ..

개요 데이터 : [롯데카드] 서울시 성별 연령대별 음식 업종 소비트렌드(2023년 8월) 출처 : 금융데이터거래소 데이터 살펴보기 crym : 결제 월 ana_mgpo_nm : 행정구역 (서울시) ana_ccd_nm : 행정구역 (25개 구) tco_btc_nm : 결제 업종 ma_fem_dc : 성별 ana_agegrp_dc : 연령대 sl_am : 업종 구분 (롯데카드 자체 구분) sl_ct : 이용 금액 주제 1 - 연령대 별 결제 금액의 평균 살펴보기 data.groupby(['ana_ccd_nm','ana_agegrp_dc', 'ma_fem_dc'])['sl_ct'].count().to_frame() subject1 = data['sl_ct'].groupby(data['ana_agegrp_dc'..

OpenCV 활용 cv2.imread는 color 채널이 BGR 순서이기 때문에 RGB로 바꾸는 작업이 필요하다. jupyter curnel에서는 cv2.imshow()가 crash를 일으킬 수 있기 때문에 plt.imshow()를 활용한다. img.shape은 (height, width, channel) 순서이다. import cv2 import matplotlib.pyplot as plt img = cv2.imread('./dog.jpg') plt.imshow(img) Pillow 활용 이미지를 show()를 통해 확인할 경우, jupyter kernel과 crash가 날 수 있기 때문에 plt.imshow()를 활용한다. Image.open()을 활용할 경우, shape을 확인할 수 없다. from..

무(無)방향 그래프 서로소 집합은 공통 원소가 없는 두 집합을 의미한다. find함수는 해당 노드의 root 노드를 찾는 함수이다. union은 두 노드가 속한 집합을 합치는 함수이다. 만약 root 노드가 같다면, 이는 사이클이 존재함을 의미한다. def find(x, parent): if x != parent[x]: parent[x] = find(parent[x], parent) return parent[x] def union(a,b,parent): a = find(a, parent) b = find(b, parent) parent[max(a,b)] = min(a,b) 방향 그래프 방문 여부를 확인하는 visited, 현재 탐색 경로를 나타내는 stack을 노드의 개수만큼 정의한다. 모든 노드에 대해..

인접 행렬 2차원 리스트를 자료구조로 활용한다. 자기 자신은 0으로 하는 정사각행렬이다. 두 노드 사이를 가중치로 표시한다. 인접 리스트 리스트를 활용한다. N번 노드에 N번 노드와 연결된 노드를 append한다. 가중치가 있을 경우, (노드, 가중치)를 append한다.

python에서 아래와 같이 2차원 리스트를 생성하면, 얕은 복사가 되어 A의 모든 요소가 같은 객체를 가리킨다. A = [[0]*4] * 3 따라서, 아래와 같이 for문을 활용하여 2차원 리스트를 생성해야한다. A = [[0 for _ in range(4)] for _ in range(4)]