바이오 대표

df[df.column == "" ] # 추출 df[df.column != "" ] # 삭제 # 특정값 포함하는 row 추출 dataframe[dataframe.column_name == "value" ] 예시) 다음의 dataframe 에서 SMILE column 이 "not exist " 즉 empty string 인것이 있다. 이를 추출해 볼것이다. # 특정값 포함하는 row 삭제 dataframe[dataframe.column_name != "value" ] 예시) 이번에는 "not exist" 를 포함하는 rows 들을 제외해 볼것이다

df.to_list( ) df.values.tolist( ) # 하나의 Column 값을 List 로 변환하기 다음과 같은 Dataframe 에서 Drug_SMILE Column 의 데이터를 List 로 뽑아내고 싶다 하면, Dataframe.column_name.to_list() 혹은 Dataframe.column_name.values 을 아래와 같이 이용할 수 있다. # 여러개의 Columns 값을 List 로 변환하기 * to_list( ) 와 values.tolist( ) 차이: to_list 는 하나의 Column (Object) 값만 변환 가능하지만 values.tolist( ) 는 여러개의 columns도(values as arrays) 가능하다.

교차 검증 (Cross Validation) Machine Learning 모델을 학습시킬때, Train / Test set 으로 나누어 학습 및 성능 확인을 하는데 이때 너무 하나의 Train set 에 초점을 맞춰 과적합 (Overfitting) 을 불러 일으킬 수 있다. 이를 방지하기 위해 교차 검증 (Cross Validation) 을 사용할 수 있다. 이는 Train set 를 바꿔가며 훈련시켜 평균을 내어 과적합을 막을 수 있다. 아래 그림은 가장 기본적인 K-fold Cross validation 방법을 그림으로 묘사하였다. 예시 ) # X & y 를 KFold(n_split = ) 를 이용하여 Train/Test set 로 나눠 보겠다 여기서 Train: [2 3 4 5 6 7] Test:..

numpy 의 reshape 함수는 다음과 같이 사용된다 array.reshape(row, column) np.reshape(array, (row, column)) 1,2 차원에서의 변화 쉽게 1차원 배열을 생성하고 reshape 으로 재배열을 해보았다 첫번째는 array.reshape(row, column) 을 이용했고 , 두번째는 np.reshape(array, (row, column)) 를 이용했다. * reshape 에서 -1 은 정해진 행/열이 있으면 거기에 맞춰지는 열/행을 의미한다. 3 차원에서의 변화 1,2 차원에서의 재배열과 같다. 차원만 다르게 해주면 된다.