이전 포스팅에서는
 
 - 범용함수(universal function, ufuncs)의 정의 및 유형
 
 
(1) 1개의 배열에 대한 ufuncs (Unary universal functions) 중에서
 
 - (1-1) 올림 및 내림 범용 함수 (rounding ufuncs)
 - (1-2) 합(sums), 곱(products), 차분(difference), 기울기(gradient) 범용함수
 - (1-3) 지수함수(exponential function), 로그함수 (logarithmic function)

 - (1-4) 삼각함수(trigonometric functions) 

 - (1-5) 절대값(absolute), 제곱근(square root), 제곱값(square), 정수와 소수점 값 분리(integral and fractional parts), 부호(sign) 판별 함수

 

등에 대해서 알아보겠습니다.

 

 

이번 포스팅에서는 (1-6) 1개 배열 대상의 논리 범용 함수(Logic Unary ufuncs) 에 대해서 알아보겠습니다. 논리 함수(logic functions)는 참(True) 또는 거짓(False)의 boolean 값을 반환합니다.

 

 

 

 

 

  (1-6-1) 배열의 원소에 대한 논리 함수 (logic functions for array contents)

 

  (1-6-1-1) 배열에 NaN(Not a Number) 포함 여부 확인 함수 : np.isnan(x)

 

 

# isnan : Test element-wise for NaN(Not a Number) and return result as a boolean array

 

In [1]: import numpy as np


In [2]: a = np.array([0, 1, 2, np.nan, 4, np.inf, np.NINF, np.PINF])


In [3]: a

Out[3]: array([ 0., 1., 2., nan, 4., inf, -inf, inf])


In [4]: np.isnan(a)

Out[4]: array([False, False, False, True, False, False, False, False], dtype=bool)

 

 

 

 

  (1-6-1-2) 배열에 유한수(finite number) 포함 여부 확인 함수 : np.isfinite(x)

 

 

# isfinite : Test element-wise for finiteness (not infinity or not Not a Number)

 

In [5]: a

Out[5]: array([ 0., 1., 2., nan, 4., inf, -inf, inf])


In [6]: np.isfinite(a)

Out[6]: array([ True, True, True, False, True, False, False, False], dtype=bool)

 

 

 

 

 (1-6-1-3) 배열에 무한수(infinite number) 포함 여부 확인 함수 : np.isinf(x)

 

 

# isinf : Test element-wise for positive or negative infinity

 

In [7]: a

Out[7]: array([ 0., 1., 2., nan, 4., inf, -inf, inf])

 

In [8]: np.isinf(a)

Out[8]: array([False, False, False, False, False, True, True, True], dtype=bool)

 

 

 

 

  (1-6-1-4) 배열에 음의 무한수 포함 여부 : np.isneginf(x)

 

 

# isneginf : Test element-wise for negative infinity, return result as bool array

 

In [9]: a

Out[9]: array([ 0., 1., 2., nan, 4., inf, -inf, inf])

 

In [10]: np.isneginf(a)

Out[10]: array([False, False, False, False, False, False, True, False], dtype=bool)

 

 

 

 

  (1-6-1-5) 배열에 양의 무한수 포함 여부 확인 함수 : np.isposinf(x)

 

 

# isposinf : Test element-wise for positive infinity, return result as bool arry

 

In [11]: a

Out[11]: array([ 0., 1., 2., nan, 4., inf, -inf, inf])

 

In [12]: np.isposinf(a)

Out[12]: array([False, False, False, False, False, True, False, True], dtype=bool)

 

 

 

 

  (1-6-2) 참 확인 논리 함수 (Logic functions for truth value testing)

 

  (1-6-2-1) 배열의 모든 원소가 참(True) 인지 평가하는 함수 : np.all()

 

축(no axis, axis=0, axis=1) 에 따라서 어떻게 참(True) 여부를 평가하는지 유심히 보시기 바랍니다.

 

 

# np.all() : Test whether all array elements along a given axis evaluate to True

 

In [13]: np.all([[True,False],[True,True]])

Out[13]: False


In [14]: np.all([[True,False],[True,True]], axis=0)

Out[14]: array([ True, False], dtype=bool)

 

In [15]: np.all([[True,False],[True,True]], axis=1)

Out[15]: array([False, True], dtype=bool)

 

 

 

 

  (1-6-2-2) 배열의 1개 이상의 원소가 참(True) 인지 평가하는 함수 : np.any()

 

 

# np.any() : Test whether any array elements along a given axis evaluate to True

 

In [16]: np.any([[True,False],[True,True]])

Out[16]: True


In [17]: np.any([[True,False],[True,True]], axis=0)

Out[17]: array([ True, True], dtype=bool)


In [18]: np.any([[True,False],[True,True]], axis=1)

Out[18]: array([ True, True], dtype=bool)

 


 

In [21]: np.any([[False,False],[True,True]], axis=0)

Out[21]: array([ True, True], dtype=bool)

 

In [22]: np.any([[False,False],[True,True]], axis=1)

Out[22]: array([False, True], dtype=bool)

 

 

 

 

  (1-6-3) 단일 배열 원소에 대한 논리 연산(Logical operations)을 위한 논리 함수

 

  (1-6-3-1) 배열 원소가 조건을 만족하지 않는 경우 참 반환 : np.logical_not(condition)

 

 

# logical_not : Compute the truth value of NOT x element-wise, equivalent to -x

 

In [23]: b = np.array([0, 1, 2, 3, 4])


In [24]: np.logical_not( b <= 2 )

Out[24]: array([False, False, False, True, True], dtype=bool)

 

 

 

2개 배열 간 함수인 Binary Universal Unfctions(Ufuncs) 소개는 http://rfriend.tistory.com/286 를 참고하시기 바랍니다.

 

많은 도움 되었기를 바랍니다.

 

 

 

저작자 표시 비영리 변경 금지
신고
크리에이티브 커먼즈 라이선스
Creative Commons License
Posted by R Friend R_Friend

이전 포스팅에서는
 
 - 범용함수(universal function, ufuncs)의 정의 및 유형
 
 
(1) 1개의 배열에 대한 ufuncs (Unary universal functions) 중에서
 
 - (1-1) 올림 및 내림 범용 함수 (rounding ufuncs)
 - (1-2) 합(sums), 곱(products), 차분(difference), 기울기(gradient) 범용함수
 - (1-3) 지수함수(exponential function), 로그함수 (logarithmic function)

 - (1-4) 삼각함수(trigonometric functions)

 

들에 대해서 알아보았습니다.

 

이번 포스팅에서는 Unary ufuncs 중에서 

 

 - (1-5) 수 처리 함수, 부호 판별 범용 함수들로서

 

수 처리 함수 : 절대값(absolute value), 제곱근(square root), 제곱값(square), 정수와 소수점 값(integral and fractional parts)

 

부호(sign) 판별 함수 : 1 (positive), 0(zero), -1(negative) 값 반환

 

등에 대해서 알아보겠습니다.

 

 

먼저, 수 처리 관련된 Unary funcs 입니다.  절대값, 제곱근, 제곱, 정수와 소수점 값 등 기본적인 것들로서 예제를 보면 금방 이해할 수 있기 때문에 추가적인 설명은 안 달겠습니다.

 

  (1-5-1) 배열 원소의 절대값 (absolute value) 범용 함수 : np.abs(x), np.fabs(x)

 

 

In [1]: import numpy as np


In [2]: x = np.array([-100, 1, -4, 100])


In [3]: x

Out[3]: array([-100, 1, -4, 100])

 

# abs, fabs : element-wise absolute value for integer, floating point, complex values

 

In [4]: np.abs(x)

Out[4]: array([100, 1, 4, 100])

 

In [5]: np.fabs(x)  # faster abs for non-complex-valued data

Out[5]: array([ 100., 1., 4., 100.])

 

 

 

 

  (1-5-2) 배열 원소의 제곱근(Square Root) 범용 함수 : np.sqrt(y)

 

 

In [6]: y = np.array([1, 4, 100])

 

# sqrt : Compute the square root of each element, equivalent to x**0.5

In [7]: np.sqrt(y)  # equivalent to x**0.5

Out[7]: array([ 1., 2., 10.])

 

In [8]: y**0.5

Out[8]: array([ 1., 2., 10.])

 

 

 

 

  (1-5-3) 배열 원소의 제곱값 (square value) 범용 함수 : np.square(y)

 

 

In [9]: y

Out[9]: array([ 1, 4, 100])

 

# square : Compute the square of each element, equivalent to x**2

In [10]: np.square(y) # equvalent to y**2

Out[10]: array([ 1, 16, 10000], dtype=int32)

 

In [11]: y**2

Out[11]: array([ 1, 16, 10000])

 

 

 

 

 (1-5-4) 배열 원소의 정수와 소수점을 구분하여 2개의 배열 반환 : np.modf(z)

 

np.modf() 범용함수는 1개의 배열을 input으로 받아서 특이하게도 2개의 배열을 output으로 반환합니다. 반환되는 첫번째 배열은 원래 배열의 각 원소들의 소수점 부분(fractional parts)으로 구성되어 있구요, 반환되는 두번째 배열에는 원래 배열의 각 원소들의 정수 부분(integral parts)으로 구성되어 있습니다.

 

만약 정수 부분으로만 구성된 두번째 배열을 선택하고 싶다면 np.modf(z)[1] 처럼 하면 됩니다.

 

 

In [12]: z = np.array([3.5, 7.8, -10.3])


In [13]: z

Out[13]: array([ 3.5, 7.8, -10.3])

 

# modf : return fractional and integral prats of array as separate array
# 1st array : fractional parts, 2nd array : integral parts

 

In [14]: np.modf(z)

Out[14]: (array([ 0.5, 0.8, -0.3]), array([ 3., 7., -10.]))

 

# indexing 2nd array of the returned array, which are integral parts 

In [15]: np.modf(z)[1]

Out[15]: array([ 3., 7., -10.])

 

In [16]: np.modf(z)[0]

Out[16]: array([ 0.5, 0.8, -0.3])

 

 

 

 

  (1-5-5) 배열 원소의 부호 판별 함수 : np.sign(x)  ☞ 1 (positive), 0(zero), -1(negative)

 

 

# sign : returns the sign of each element : 1 (positive), 0(zero), -1(negative)

 

In [17]: c = np.array([-2, -1, 0, 1, 2])


In [18]: c

Out[18]: array([-2, -1, 0, 1, 2])


In [19]: np.sign(c)

Out[19]: array([-1, -1, 0, 1, 1])

 

 

다음번 포스팅에서는 논리 함수 (logical unary ufuncs)에 대해서 알아보겠습니다.

 

많은 도움 되었기를 바랍니다.

 

저작자 표시 비영리 변경 금지
신고
크리에이티브 커먼즈 라이선스
Creative Commons License
Posted by R Friend R_Friend

지난번 포스팅에서는

 

 - Anaconda [Python 3.6 버전] 설치

   (Python 3.6, Spyder, Jupyter Notebook, IPython 설치)

 

 - Python IDE인 Spyder 사용법

 

에 대하여 알아보았습니다.

 

 

이번 포스팅에서는 Python 을 interactive 하게, 편리하게 즉각적으로 결과를 봐가면서 데이터 처리, 분석을 할 수 있는 Jupyter Notebook 사용법을 소개하겠습니다.

 

사용법이 그리 어렵지는 않구요, 시간 좀 들여서 이것 저것 눌러보면서 사용해보면 금방 익힐 수 있을거예요. 다만 처음 사용하는 분 입장에서는 '실행'을 어떻게 하는거지 부터 해서... Rstudio 나 Spyder 와는 UI가 다르기 때문에 낯설은 부분이 있는 만큼, 이번 포스팅은 Jupyter Notebook 첫번째 사용자를 대상으로 포스팅을 써봅니다.

 

 

1. Start 'Jupyter Notebook'

 

 

 

2. Jupyter Notebook 첫 화면 : (1) Files

 

Jupyter Notebook을 실행 시키면 아래 화면캡쳐와 같이 첫화면이 나타납니다.  특이하게 'Internet explorer' 가 창으로 뜹니다.  (1) Files, (2) Running, (3) Clusters 의 세 개의 tab 으로 구성되어 있습니다.

 

먼저 'Files' tab을 살펴보면 폴더랑 python script 파일 (*.ipynb) 들이 리스트로 줄줄이 나열되어 있습니다.  기존에 저장해두었던 파일 클릭해서 실행시키면 되겠지요?

 

 

 

 

2. Jupyter Notebook 첫 화면 : (2) Running

 

'Running' tab에 들어가 보면 현재 실행 중인 python 파일을 확인할 수 있습니다. 'Shutdown' 단추를 누르면 '죽일 수'도 있구요.

 

 

 

 

2. Jupyter Notebook 첫 화면 : (3) Clusters

 

'Clusters' tab에 가보면 IPython parallel 의 clusters 를 볼 수 있습니다.

 

 

 

2. Jupyter Notebook 첫 화면 : (4) Kernel

 

사용자 웹 UI 화면 말고 뒷단에서는 아래 화면캡처와 같은 Kernel 창이 하나 더 있습니다.  백조의 호수 물 밑의  부지런한 두 물갈퀴 다리 같다고나 할까요.  아래 창은 신경 안쓰셔도 됩니다.

 

 

 

 

3. Jupyter Notebook : Create a new Notwbook with Python 3

 

자, 이제 본론으로 들어가서요, 새로운 Python 3 Notebook 창을 만들어 볼까요?! 

 

우측 상단의 'New' 메뉴를 선택하고 'Python 3'를 클릭해 보세요.

 

 

 

 

4. Jupyter Notebook : Rename Notebook

 

그러면 아래처럼 Notebook 창이 하나 뜹니다.  아래 네모난 빈 Cell에 Python script 쓰면 됩니다. 

파일 제목을 'Untitled'에서 새로운 이름을 부여해서 저장해놓고 시작하는게 좋겠네요.  그쵸?

아래 화면캡쳐의 'Untitled' 부분을 클릭하면 그 아래의 'Rename Notebook' 창이 새로 뜨구요, 새로운 이름을 써 준 후에 'OK' 눌러주면 됩니다.

 

 

 

 

5. Jupyter Notebook : Run current cell (Shift+Enter, Ctrl+Enter)

 

(1) 현재 커서가 있는 Cell 에서 아래 화면캡쳐의 빨강 동그라미 아이콘(▶|)을 클릭하면 Python script가 실행됩니다.

 

(2) 단축키를 쓸 수도 있는데요, 'Shift + Enter' 를 사용하면 현재 커서가 있는 Cell 이 실행이 되고요, 커서가 다음번 Cell로 넘어갑니다.

 

(3) 단축키 중에서 'Ctrl + Enter'를 사용하면 현재 커서가 있는 Cell 이 실행이 되고요, 커서가 현재 Cell에 그래도 남아있게 됩니다.

 

 

 

 

6. Jupyter Notebook : Tool-bar

 

Tool-bar 간단히 살펴보고 가시죠.  순서대로 보면 아래와 같은데요, 두개씩 쌍을 이루고 있습니다.

 

 - 저장 (save)

 

 - 아래에 Cell 추가 (insert cell below)

 - 선택한 Cell 삭제 (cut selected cells)

 

 - 복사 (copy selected cells)

 - 붙여넣기 (paste cells below)

 

 - 선택한 Cell 위로 이동 (move selected cells up)

 - 선택한 Cell 아래로 이동 (move selected cells down)

 

 - 실행 (run cell, select below) <- 'Shift + Enter'

 - 중단 (interupt kernel)

 

 

 

 

7. Jupyter Notebook : Open the command palette

 

아래 화면 캡쳐 상단의 빨간 박스의 아이콘을 클릭하면 --> 그 아래처럼 'palette command' 창이 뜹니다. 'change cell to heading 1', 'change cell to heading 2', .... 처럼 선택할 수 옵션이 여러개 뜨는데요, 위에 있는것일 수록 글자 크기가 큰 부연설명 제목을 달 수 있습니다.

 

 

 

 

8. Jupyter Notebook : (1) Run All, (2) Run All Above, (3) Run All Below

 

Spyder는 Editor 창에 python scripts 를 써놓고 전부 실행, 특정 Cell 실행, 선택한 영역 실행을 하는데 편리합니다.  Jupyter Notebook 에도 이와 비슷한 기능이 있습니다.

 

'Cell' 메뉴를 누르면 '실행(Run)' 관련된 세부 메뉴가 뜨는데요, 이중에서도 'Run All', 'Run All Above', 'Run All Below' 는 Tool-bar에 없는 기능이므로 알아두면 유용할것 같습니다.

 

 

 

이밖에도 Jupyter Notebook 기능이 여러개 더 있지만 전부 소개하기에는 스크롤 압박이 심하므로 여기까지만 소개하도록 할께요.

 

많은 도움이 되었기를 바랍니다.

 

 

저작자 표시 비영리 변경 금지
신고
크리에이티브 커먼즈 라이선스
Creative Commons License
Posted by R Friend R_Friend

지난번 포스팅에서는 Python IDE 인 Anaconda 설치 방법을 알아보았습니다.

 

Anaconda를 설치하면 약 450여 개의 Packages 들과 함께 Spyder, Jupyter Notebook, IPython 등이 자동으로 설치됩니다. 

 

저는 분석 프로그래밍 할 때 수십, 수 백, 수천 줄 코딩해야할 경우가 많으므로 Spyder 편집기를 주로 사용합니다. 그리고 간단한 탐색적 분석할 때 Jupyter Notebook (R, spark 사용 할 때 포함) 을 가끔 사용하구요.

 

처음 Spyder를 사용하는 분이라면 좀 생소할 것이므로 좀더 빨리 사용법을 익힐 수 있도록, 이번 포스팅에서는 제가 유용하게 사용하고 있는 기능 위주로 몇 가지만 추려서 소개하도록 하겠습니다.

 

 

1. Spyder 시작

 

Windows 시작 단추를 누르면 'Anaconda3 (64-bit)' 폴더 아래에 'Spyder' 아이콘을 클릭하면 Spyder 가 시작합니다.

 

 

 

2. Spyder 창 구성 (windows layout)

 

아래 화면캡쳐한 Spyder 창의 왼쪽은 (1) script Editor 입니다.

오른쪽 상단에는 (2) Variable Explorer, File Exployer, Help tab 이 차례대로 있습니다. 

오른쪽 하단에는 (3) Python console, History log, Ipython console 이 차례대로 있습니다.

 

저는 아래처럼 그냥 Spyder default layout 을 그대로 사용합니다만, 마우스로 특정 창을 drag 해서 원하는 위치에 이동시킬 수 있습니다. 대형 모니터를 사용하는 분이라면 창을 개인취향에 맞게 이리저리 옮기고 크기도 조절해서 사용하시면 됩니다.

 

(1) Editor 창에서 작성한 script는 F9나 ctl+Enter 등을 사용해 명시적으로 실행을 시켜야만 실행이 됩니다. 길게 프로그매링 해야 하고 저장해 두었다가 반복적으로 사용해야 하는 상황이라면 Editor 창에서 script를 작성하고 파일로 저장을 해두어야 겠지요.

 

반면에 (3) Ipython console 에서는 script 작성하고 Enter 를 치면 interactive 하게 실행이 되서 결과를 반환합니다.  간단하게 탐색적 분석하거나 Python 처음에 공부할 때 책보면서 이리저리 연습해보기에 편합니다.

 

[ Spyder default layout ]

 

 

 

 

Spyder는 Rstudio layout 과 동일한 형태의 layout 도 제공한답니다. (View > Windows layout > Rstudio layout 선택)  'File exployer'를 자주 사용하지 않는 사용자라면 Editor 창을 좀 더 넓게 사용할 수 있는 'Spyder default layout'이 좀더 편할거 같습니다.

 

[ Spyder : Rstudio layout ]

 

 

 

 

3. Spyder Outline

 

View > Panes > Outline (Ctrl+Shift+O) 을 선택하면 아래의 두번째 화면캡쳐의 왼쪽 상단에 보이는 것처럼 script 전체의 cell 구분 및 hierarchy 를 한눈에 볼 수 있으며, cell의 제목을 선택하면 해당 cell로 커서가 바로 이동하므로 매우 편리합니다.  대형 화면 모니터를 사용하는 분이라면 매우 유용한 기능 중에 하나입니다.

 

 

 

[ Spyder : Outline (Editor 좌측 상단) ]

 

 

 

 

4. 키보드 단축키 (Keyboard shortcuts)

 

단축키 쓰는거 좋은 하는 분이라면 'Tools > Preferences > Keyboard shortcuts' 를 선택한 후에 default keyboard shortcuts 을 찬찬히 살펴본 후에 '나만의 맞춤형 키보드 단축키'를 설정해보시기 바랍니다.

 

가령, 저는 제일 많이 사용하는 단축키가 'run selection' 의 'F9' (editor 창의 커서가 위치한 script 한 줄 실행, 혹은 블럭으로 선택한 부분의 script 실행) 인거 같네요. 'F9' 말고 다른 단축키로 바꾸러면 더블 클릭해서 활성화 시킨 후에 다른 단축키를 설정해주면 됩니다.

 

 

 

 

5. Spyder : 편집 화면 Syntax 색깔 지정 (Syntax coloring )

 

기본 편집 화면 Syntax 색깔이 마음에 들지 않는다면 'Tools > Preferences > Syntax coloring' 에서 마음에 드는 Systax coloring 을 골라보세요. 가령, 배경이 어둡고 Syntax를 환하게 하고 싶다거나 할 때요.

 

 

 

 

6. Spyder : 실행 (Run)

 

코딩한 script 를 실행할 때 R 사용자라면 'Ctrl+Enter' 단축키를 사용했을 텐데요, Python Spyder 는 4가지(!!!)나 제공하며, 'Ctrl+Enter' 가 있기는 한데 R과는 조금 다릅니다. (Spyder 사용 초창기에 당황했던 기억이...)

 

1) 저장한 파일 전체를 처음부터 끝까지 한꺼번에 실행 (Run file) : F5

2) 현재 커서가 위치한 cell 전체를 실행 (Run current cell) 후 커서 현 cell에 위치 : Ctrl + Enter

   : 여기서 cell 은 '#%%' 로 구분이 된, 위/아래로 '선(line)'으로 구분이 된 덩어리를 말합니다.

3) 현재 커서가 위치한 cell 전체를 실행 후 다음번 cell로 커서 이동 (Run current cell and go to the next one) : Shift + Enter

4) 현재 커서가 위치한 행(row) 또는 선택한 행 전체를 실행 (Run selection) : F9

 

저는 주로 'F9'를 사용하고, 가끔 'Ctrl+Enter' 나 'Shift+Enter' 를 사용합니다.  아주 가끔 'F5'를 사용하구요. 

 

[ Spyder : 실행 (run) ]

 

 

 

 

[ Spyder : Cell (#%% 사용해서 cell 구분) ]

 

 

 

Spyder 우측 상단의 '폴더' 모양 아이콘을 누르고 탐색기로 경로를 설정해주면 'Working directory setting' 이 됩니다.  이거 설정해주면 파일 저장이나 불러오기 할 때 편러합니다.

 

 

 

7. 부가설명 달기 : #

 

 

8. 들여쓰기 (indentation) : 4 spaces (or 8 spaces)

 

'#' 부호를 쓰면 Python script 에 아무런 영향을 주지 않은 상태에서 부가설명을 달 수 있습니다. (R과 동일)  특히 협업을 하면서 Python script를 짜는 경우라면 부가설명을 충실하게 달아주는 것이 여러모로 좋겠지요?!

 

Python은 code block, 함수 정의나 flow control 등을 하는데 있어서 다른 프로그래밍 언어처럼 '{ }'을 사용하지 않구요, 특이하게도 space 로 들여쓰기(indentation)를 해서 구분을 해줍니다.  이게 처음에 적응이 잘 안되고, 참 이상하고, '{ }' 구분없이 어떻게 프로그래밍을 짜서 당황스럽고, 의문이 가고, 대략 난감한데요... 쓰다보면 이게 참 편하구나 하고 적응이 되는 때가 옵니다. 보통은 4 spaces 로 들여쓰기를 하구요, 프로그래머들 중에는 tab 이나 8 spaces 로 들여쓰기(indentation)를 하기도 하는데요, Spyder의 디폴트 들여쓰기가 '4 spaces' 이구요, 저도 '4 spaces' 추천합니다.  사람마다 생각이 다를 수 있겠습니다만은, 저는 Spyder 쓰는 가장 유용한 기능 중의 하나가 자동으로 알아서 '들여쓰기 (indentation)'가 된다는 점, 그리고 'Syntax coloring'이라고 생각합니다.  만약 '들여쓰기'가 잘못되면 에러나므로 조심해야 하고 매우 중요합니다.

 

(참고 : Spyder 메뉴의 Tools > Preferences > Editor > Advanced settings > Indentation characters : 4 spaces  에서 들여쓰기(indentation) 설정 바꿈 가능합니다)

 

 

이밖에도 Spyder에 여러 기능이 많이 있지만, 전부 소개하자니 너무 많기도 하구요, 제가 위에서 소개한 것 외에는 그다지 사용하지 않는 기능들이기도 해서 여기까지만 소개하도록 하겠습니다.

 

 

 

9. Spyder 최신 버전으로 upgrade (update) 하기

 

cmd 창에 conda upgrade spyder 를 입력하면 됩니다.

 

 > conda upgrade spyder

 

 

[ cmd 창에서 conda upgrade spyder 실행 화면 예시 ]

 

 

 

 

다음번 포스팅에서는 Jupyter Notebook 사용법에 대해서 알아보겠습니다.

 

많은 도움 되었기를 바랍니다.

 

 

저작자 표시 비영리 변경 금지
신고
크리에이티브 커먼즈 라이선스
Creative Commons License
Posted by R Friend R_Friend


티스토리 툴바