본문 바로가기
Chapter 2. Pandas 3편 : Time Series 머신러닝을 위한 Python 필수 라이브러리 2.2.10 데이터 로딩과 저장 2.2.10.1 파일 읽기 pandas에는 표 형식으로 되어있는 포맷으로 되어진 파일을 읽을 수 있도록 기능을 제공하고 있다. 그 중에서 주로 사용하는 read_csv와 read_table만 사용해보자. 해당 예제파일은 쉼표로 구분 되어있기 때문에 read_csv을 사용해서 dataframe으로 읽어올 수 있다. Read_table의 경우는 구분자를 쉼표로 지정해서 읽어올 수 있다. In [1]: !cat ex1.csv Out [2]: ,a,b,c,d 0,1,2,3,4 1,5,6,7,8 2,9,10,11,12 3,13,14,15,16 In [3]: df = pd.read_csv('ex1.csv', index_col = 0) In [4]: df Out [5]: abcd 01.. 2022. 8. 25.
Chapter 2. Pandas 2편 : Time Series 머신러닝을 위한 Python 필수 라이브러리 2.2 Time Series 머신러닝을 위한 Python 필수 라이브러리, Pandas 2편 2.2.3 원소선택, 인덱싱 2.2.3.1 series 인덱싱 인덱싱은 [위치] 또는 [‘인덱스명’]으로 인덱싱이 가능하다. In [1]: import pandas as pd import numpy as np In [2]: series_data = [2,4,6,8] In [3]: series_data = pd.Series(series_data) In [6]: series_data Out[6]: 0 2 1 4 2 6 3 8 dtype: int64 In [7]: series_data[1] Out[7]: 4 * 여러 값 인덱싱 및 슬라이싱 한 번에 여러 값을 인덱싱 하게 될 때는 위치나 인덱스명 둘 다 짝을 이루는 값.. 2022. 8. 25.
Chapter 2. Pandas 1편 : Time Series 머신러닝을 위한 Python 필수 라이브러리 2.2 Time Series 머신러닝을 위한 Python 필수 라이브러리, Pandas 1편 Pandas란? Python Data Analysis Library의 약어이며, R을 모티브로 하여 만들어진 파이썬 라이브러리이다. 쉽고 직관적인 관계형 또는 분류된 데이터로 작업할 수 있도록 설계된 빠르고 유연하며 표현이 풍부한 데이터 구조를 제공하고 있다. Pandas가 필요한 이유는 Numpy의 ndarray 데이터 구조는 산술 연산 작업에서 포맷이 잘 정리된 데이터 타입을 위한 기능들을 제공하고 있지만, 현실 데이터는 생각보다 정돈이 잘 되어있지 않기 때문이다. Pandas는 데이터를 표(table) 형태로 처리할 수 있어서 수집된 데이터의 전처리 등 각종 데이터 핸들링을 쉽고 편하게 할 수 있다. 그렇기.. 2022. 8. 25.
Chapter 2. Numpy 2편 : Time Series 머신러닝을 위한 Python 필수 라이브러리 1편에서는 array의 생성 방법과 타입 확인, 텐서 차원 등을 실습해 보았다면, 2편에서는 array를 직접 적용하여 실습해 보고자 한다. 2-4. numpy 인덱싱, 슬라이싱, 전치행렬 2-4-1. 인덱싱 인덱싱은 Python 리스트와 동일한 개념으로 사용되고, ‘,’(쉼표)를 통해 각 차원의 인덱스에 접근이 가능하다. 그리고 Ndarray에서 원하는 좌표 또는 특정 데이터만을 선택하는데 유용하게 사용된다. 이때 인덱싱을 할 때 0번부터 인덱스가 시작하는 것을 주의하고, 원하는 축을 지정하려면 axis를 통해 선택할 수 있다. 인덱싱 종류로는 '특정 데이터만 추출', '슬라이싱', '팬시 인덱싱', '불리언 인덱싱' 등이 있다. 인덱싱 및 슬라이싱 '특정 데이터만 추출'은 말 그대로 원하는 위치의 인.. 2022. 7. 27.
Chapter 2. Numpy 1편 : Time Series 머신러닝을 위한 Python 필수 라이브러리 Time Series 머신러닝을 위한 Python 필수 라이브러리, Numpy 1편 머신러닝 알고리즘을 공부하기 앞서, 시계열 데이터를 다루기 위해서 Python 언어의 라이브러리 사용법에 익숙해져야 할 필요가 있다. 이번 챕터에서는 라이브러리를 중점적으로 살펴보며, 여러 실습 예제를 다뤄볼 것이다. Numpy와 Pandas는 큰 규모의 데이터를 탄력적으로 작업할 수 있도록 많은 고성능 도구들을 제공한다. Numpy와 Pandas가 무엇인지 살펴보고, 그 핵심 기능들에 대해 알아보자. 실습을 위한 환경으로는 크게 Jupyter notebook을 직접 구축하여 로컬에서 사용하는 방법과 Google Colab을 사용하는 방법이 있다. 빠른 실습 환경 구축을 위해 Colab을 활용하기를 권장한다. * Nump.. 2022. 7. 27.
Chapter 1. 기초 선형대수 및 통계학 : Time Series 머신러닝을 위한 Python 필수 라이브러리 Time Series 머신러닝을 위한 기초 선형대수 및 통계학 머신러닝과 딥러닝 공부를 시작하고 싶은 분들을 위해, 여러 분야 중 시계열 데이터를 활용한 데이터 처리 및 머신러닝, 딥러닝 알고리즘을 소개하고자 한다. 이는 엑셈의 AI 기반 IT 운영 지능화 솔루션인 XAIOps의 알고리즘 모델들에 대해 이해할 수 있는 첫 걸음이기도 하다. 학습이 모두 끝난 후에는 머신러닝과 딥러닝이 무엇이며, XAIOps의 알고리즘들이 어떤 방식으로 모델링 되는지에 대한 기초적 이해에 도움이 될 것이다. 이에 앞서 데이터 처리 및 AI 알고리즘을 이해하기 위해 사전 지식으로 요구되는 기초 선형대수 및 통계학에 대해 알아보자. 우리는 왜 행렬을 공부해야 할까? 많은 양의 데이터(행렬) 구조를 변환할 때, 알고리즘(모델)의.. 2022. 6. 27.
엑셈 인사이트 | 2021년 APM의 현주소와 InterMax 2021년 APM 현주소를 보다 APM(Application Performance Monitoring)은 기업의 비즈니스가 디지털로 이동하고 컴퓨팅 환경이 복잡해지면서 주목을 받아 왔다. APM은 등장한 지 20여 년이 지난 오래된 개념이지만 여전히 웹 애플리케이션 성능 모니터링과 관리, 사용자 모니터링 수단으로 가치를 인정받고 있다. 최근 APM은 클라우드 네이티브를 지향하는 엔터프라이즈 컴퓨팅 환경의 변화 속에서 가치와 역할이 변화되고 있다. 컴퓨팅과 기술 트렌드가 빠르게 바뀌는 현재 전 세계 APM은 어떻게 변화하고 있을까? Full Stack 모니터링에 더해 분석이 연계된 통합 플랫폼 국내에서는 APM을 WAS APM과 EUM(End-User Monitoring) APM으로 단순히 구분한다. 이러.. 2021. 6. 23.
월간기술동향 | 2021 10대 전략 기술 매년 4분기에는 많은 기관에서 다음 해 전망을 발표합니다.10월에는 가트너에서 'Top 10 Strategic Technology Trends'를 발표하는데요, 이번 시간에는 가트너에서 주목한 2021년 10대 전략 기술을 함께 살펴보겠습니다. ※ 가트너 보고서를 번역 및 요약 작성하였습니다. People centricity (사람 중심)코로나19로 인해 사람들의 상호작용하는 방식이 바뀌었지만, 여전히 사람은 모든 비즈니스의 중심에 있습니다. Internet of Behavior(IoB, 행동 인터넷)IoB는 행동을 유도하기 위해 데이터를 수집하고 사용하는 것입니다. 예를 들면, 코로나19 예방을 위해 정기적으로 손을 씻고 있는지 확인하는 센서, 마스크 착용을 준수하는지 확인하고 마스크 미착용시 경고를 .. 2020. 10. 14.
엑셈 뉴스룸 | 9월엔 엑셈과 만나요! 어느덧 9월입니다. 올해는 코로나19로 인해 여러분들과 만나는 기회가 적어 너무나도 아쉬웠는데요.다가올 9월, 온라인과 오프라인에서 드디어 여러분을 만날 수 있게 되었습니다. 엑셈이 궁금하신 분들, 엑셈 솔루션에 대해 더 알고 싶으신 분들은 바로 이 글을 주목해주세요! 2020 빛가람 에너지밸리 ICT&보안 온라인 컨퍼런스 매년 참가하고 있는 빛가람 에너지밸리 컨퍼런스는 코로나19로 인해 언택트(Untact, 비대면) 사회로 변해가면서, 온라인 연결인 온택트(Ontact)로 새로운 방식의 컨퍼런스가 펼쳐집니다. 9월 16일 수요일, 유튜브에서 만나실 수 있어요! 특별히 이번 온라인 컨퍼런스에서는 엑셈의 CloudMOA(클라우드모아), XAIOps(싸이옵스), 그리고 Flamingo(플라밍고)에 대해 자세.. 2020. 8. 10.