Sesac 30일차

Numpy

N차원 배열의 선형대수학

• 넘파이 튜토리얼 참고

• https://numpy.org/numpy-tutorials/content/tutorial-svd.html

• 특잇값 분해
  -행렬을 특정한 구조로 분해하는 방식
  -축 작업(operations on an axis)에 사용

• 이미지를 출력한 후, rgb값을 변경하여 회색으로 변환

from scipy import misc
import numpy as np
import matplotlib.pyplot as plt

img = misc.face()
plt.imshow(img)
plt.show()

red_array = img_array[:, :, 0]
green_array = img_array[:, :, 1]
blue_array = img_array[:, :, 2]

from numpy import linalg
img_gray = img_array @ [0.2126, 0.7152, 0.0722]

plt.imshow(img_gray, cmap="gray")
plt.show()

• 이미지 화질 변환하기

# 이미지를 분해한 후 다시 합침
U, s, Vt = linalg.svd(img_gray)
U.shape, s.shape, Vt.shape
Sigma = np.zeros((U.shape[1], Vt.shape[0])) # U.shape[1] -> 768, Vt.shape[0] -> 1024
np.fill_diagonal(Sigma, s) # 대각선 위치에 데이터를 채워줌

# k값 조정으로 화질 변환
linalg.norm(img_gray - U @ Sigma @ Vt)

k = 50
approx = U @ Sigma[:, :k] @ Vt[:k, :]
plt.imshow(approx, cmap="gray")
plt.show()

k = 10
approx = U @ Sigma[:, :k] @ Vt[:k, :]
plt.imshow(approx, cmap="gray")
plt.show()

Pandas

• Do it! 데이터 분석을 위한 판다스 입문
• 교재 실전 예제를 다운받아서 학습