전체 글 (369) 썸네일형 리스트형 교토 오하라 산젠인/호센인/쇼린인 바다에 접한 오사카로부터 고속도로를 타고 내륙으로 들어가다 보면 산들로 둘러 쌓인 커다란 분지 교토를 찾을 수 있다. 에도 막부로 넘어가기 전 일본 열도의 중심지 역할을 담당했던 곳답게 동아시아 고도의 독특한 불교를 느낄 수 있는 곳이 있다. 바로 교토의 오하라다. 교토부 교토시에서 북쪽으로 산을 따라 1차선 도로를 주행하다 보면 너즈넉한 일본 시골 풍경을 볼 수 있다. 산속에 감춰진 일본스러운 작은 2층 집들과 작은 차들. 호센인과 쇼린인 계곡을 따라가다 보면 800 년의 역사를 가지고 있는 호센인에 도달한다. 여기서 센은 샘 천자 (泉)의 일본 독음으로 화산과 운명을 함께한 일본 열도의 상징과도 같다. 먼저 예배하는 절인 쇼린인 입구를 지나치면 쇼린인 주지스님이 살고 계신 호센인 앞에 700년이 넘는.. 뉴질랜드 밀포드 사운드 (Milford Sound) 얼음과 불의 노래는 아마 뉴질랜드에서 불려진 것일까? 오클랜드 주변으로 사람이 많은 대도시가 위치하고 온천이 곳곳에 위치하는 북섬과, 서던 알프스라 불리는 만년설로 덮인 산맥이 천혜의 자연환경을 이루는 남섬. 북섬을 먼저 다녀온 탓일까, 다녀온 지 몇 년이 지났지만 뉴질랜드 하면 기억나는 곳은 인생 처음 가 본 피오르드 지형, 남섬의 밀포드 사운드이다. 남섬의 주도는 크라이스트 처치이지만 밀포드 사운드로 가려면 퀸스타운에서부터 이동해야 한다. 남섬의 크기는 남한보다 크지만 인구는 이백만이 채 안되고 이 나라가 자연환경 보전에 굉장히 예민하다 보니 터널 없이 서던 알프스 산맥의 능선을 따라 4~5시간 차를 타야 겨우 밀포드 사운드 입구에 도착할 수 있다. 광대하고 장엄한 서던 알프스 산맥의 장엄한 자연환경.. 3d object 파일 읽기 최근 메타버스, AR/VR 솔루션이 각광받으면서 3차원 모델링에 대한 딥러닝 연구도 활발히 진행되고 있습니다. 3차원 데이터는 2차원인 이미지와 달리 Z 축을 포함한 3개의 축으로 데이터를 표현하기 때문에 카메라가 바라보는 각도에 따라 물체를 합성할 수 있고 뎁스 정보를 이용한 보다 정확한 이미지 변주가 가능합니다. 가장 간단한 예로는 여러 각도에서 촬영한 어떤 물체의 이미지를 통해 그 물체의 3차원 데이터를 모델링할 수 있다면 다른 각도에서 그 물체를 촬영했을 때의 이미지를 생성해 낼 수 있는 거죠. 이번 포스트에서는 3차원 모델링의 핵심은 3차원 데이터의 구조 및 해석 방법에 대해 알아보도록 하겠습니다. 3차원 데이터 이미지는 2차원, 높이/너비의 픽셀로 구성되어 있습니다. 특정 높이/너비 위치에 있.. 인천 연안부두 주꾸미 낚시 연을 쌓은 지 십여 년이 넘었지만 단 한 번도 같이 여행을 가본 적이 없는 모임이었기에 더 추워지기 전에 배 한 번 타자고 의기투합했고 마침 주꾸미 제철이라 바로 인천 연안 부두 쪽으로 예약을 잡았다. 시흥, 송도를 지나니 인천 연안 부두에 도착한 시간은 오전 열 시 반. 항구 주차장은 차가 빠져나갈 수 있을까 싶을 정도로 빽빽이 들어서 있어 근처 주차장에 차를 주차시켰고, 출항은 열한 시 반이었기에 넉넉히 여유가 있었다. 열명 남짓한 사람들이 쪽배를 타고 한 시간 정도 하는 줄 알았는데, 배가 꽤 컸고 루어 미끼를 쓰다 보니 어린이 동반 가족, 남녀 커플 조합이 눈에 띄었다. 낚싯대를 조립하고 미끼를 달았는데, 오랜만에 만지다 보니 잘 당겨지지가 않아서 선원 아저씨한테 물어보니 남자 셋이서 그걸 못한다.. 제주도 한 달 살이 후기 - 절물오름, 새별오름, 도두봉, 김녕 제주도로 넘어가 한 달 보름 여만에 다시 서울로 돌아왔다. 한 달 동안 제주도민이 될 탓일까, 낮디 낮은 건물들, 산, 바다에 둘러싸여 있다가 도심지에 들어서니 아직까지 낯설다. 본래 근무 조건만 바꿔보려고 간 것이었는데, 같이 체류한 로컬 가이드 덕택에 현지 도민들도 잘 모르는 제주향이 듬뿍 나는 장소들을 방문할 수 있었다. 갈 때마다 헷갈렸던 제주 도심지 지리에도 빠삭해진 건 덤이다. 제주도가 내가 어렸을 때와 정말 달라진 점은 한라산 중턱 지역에 도로가 굉장히 잘 뚫려 평화로 방향인 애월 중산간, 516 도로 방향인 조천 중산간 지역으로의 접근이 굉장히 쉬워졌다는 것이다. 덕분에 한라산 구석진 곳에 숨겨져 있던 보물 같은 오름들도 쉽게 방문이 가능했다. 로컬 가이드는 날 조천의 절물오름과 애월의 새.. Pandas 문자열 찾기 Pandas에서는 문자열 데이터 타입도 지원하다 보니 이름, 제품 식별자, 코드 등으로 문자열을 분석하는 전 처리하는 경우가 많습니다. 특히, 특정 열의 문자열에서 어떤 기호나 이름을 찾는 일이 빈번한데요, 보통 stip 함수로 문자열 공백을 지우고 find 함수로 관심 있는 패턴을 찾게 됩니다. 이런 작업을 할 수 있는 방법이 여러 가지인 만큼 더 효율적인 방법 또한 존재할 텐데요, 이번 포스트에서는 특정 열의 숫자에 숫자 9가 있다면 몇 번째에 위치하는지 알고 싶어 하는 예로 살펴보겠습니다. 지난 포스트의 사용한 예제를 이용해 임의의 실수를 문자열로 변환한 열을 생성합니다. 첫 번째 소수와 소수점을 제거하고 find 함수로 9의 위치를 찾습니다. 만약 9가 없다면 -1을 반환합니다. 여러 데이터 행에.. Pandas Series, DataFrame 이어 붙이기 여러 데이터 행에 함수 적용하기 Pandas를 사용하다보면 특정 함수를 여러 행에 적용하는 경우가 굉장히 많습니다. 일반적인 for 루프나 Pandas의 iterrows 이터레이터 등을 활용할 수 있지만 행이 굉장히 많은 경우에는 많이 느리게 hongl.tistory.com 지난 포스트에서는 여러 데이터 행에 대해 OLS 함수를 적용하는 여러 방법을 살펴 봤습니다. 이때 매 행마다 반복적으로 OLS를 적용하는 다음 코드를 보면 매번 Series를 만들지 않고 부분 결과의 리스트를 만든 다음에 마지막 단계에서 Series로 변환합니다. 매번 Series를 만들고 이어 붙여도 되지 않을까요? for row_idx in range(df.shape[0]): row = df.iloc[row_idx] m = ols.. 여러 데이터 행에 함수 적용하기 Pandas를 사용하다보면 특정 함수를 여러 행에 적용하는 경우가 굉장히 많습니다. 일반적인 for 루프나 Pandas의 iterrows 이터레이터 등을 활용할 수 있지만 행이 굉장히 많은 경우에는 많이 느리게 됩니다. 어떤 방법이 제일 효율적일까요? 통신사의 예를 들어봅시다. 통신사에는 고객별로 일별 통화 사용량 정보가 있고 각 고객이 통화를 점점 더 많이 혹은 더 적게 하는지 알고 싶다고 합시다. 그렇다면 일반 최소 제곱 (OLS, Ordinary, Least Square) 방법을 적용해서 고객별 일별 통화 사용량 데이터에 직선을 맞추고 그 직선의 기울기를 통해 판단할 수 있겠죠. (고객별로 일차 추세선 함수를 만들면 됩니다) 이제 실험에 사용할 데이터를 만듭니다. 푸아송 분포를 이용해 데이터 만들기.. 이전 1 2 3 4 5 6 7 ··· 47 다음
