차원

표의 열 vs 포함 관계

표의 열

관측치 = N 차원 공간의 한점
변수의 개수 = 공간의 차원수

포함 관계

배열의 깊이 = 차원수

import numpy as np
x1 = np.array([1,2,3,4])
print(x1.shape , x1.ndim)
x2 = np.array([1,2,3,4])
x3 = np.array([1,2,3,4])
iris = np.array([x1,x2,x3])
print(iris.shape , iris.ndim)

• x1,x2,x3 는 1차원 이지만 변수를 하나의 차원으로 합치면 2차원이 된다.

img1 = np.array([[1,2],[3,4]])
print(img1.shape , img1.ndim)

img2 = np.array([[1,2],[3,4]])
img3 = np.array([[1,2],[3,4]])

imgs = np.array([img1 , img2 , img3])
print(imgs.shape , imgs.ndim)

• 2차원 데이터를 하나의 표로 만들었기 떄문에 3차원 이다.

Mnist

• 784차원 공간에 점 6만개를 찍을수 있는 데이터이다.

import tensorflow as tf
(x_train , y_train) , (x_test , y_test) = tf.keras.datasets.mnist.load_data()
print(x_train.shape , y_train.shape)
print(x_test.shape , y_test.shape)

import matplotlib.pyplot as plt
print(y_train[0])
plt.imshow(x_train[0])
plt.show()

• x_train[0] 의 정보를 이미지로 출력하고 결과는 y_train[0] 에서 확인하면 된다.

import pandas as pd
pd.set_option('display.max_columns' , None)
pd.DataFrame(x_train[0])

• pandas 의 컬럼을 전부 보는 옵션을 적용하여 mnist 의 데이터(밝기 정도) 데이터를 출력