[python] pandas subplot

fig, axes = plt.subplots(nrows=2, ncols=2)
fig.set_figheight(6)
fig.set_figwidth(8)
df[0].plot(ax=axes[0,0], style='r', label='Series'); axes[0,0].set_title(0)
df[1].plot(ax=axes[0,1]); axes[0,1].set_title(1)
df[2].plot(ax=axes[1,0]); axes[1,0].set_title(2)
df[3].plot(ax=axes[1,1]); axes[1,1].set_title(3)
fig.tight_layout()

[python] List Combine

import itertools

a = [ 1 , 1 ]
b = [ 2, 2 , 2]
c = [ 3 , 3 ]

result_A = a + b + c
result_B = list(itertools.chain(a,b,c))
a.extend(b)
a.extend(c)
result_C = a


print result_A
print result_B
print result_C

[python] flatten vs ravel

import numpy as np
y = np.array(((1,2,3),(4,5,6),(7,8,9)))
OUTPUT:
print(y.flatten())
[1   2   3   4   5   6   7   8   9]
print(y.ravel())
[1   2   3   4   5   6   7   8   9]



As explained here a key difference is that flatten is a method of an ndarray object and hence can only be called for true numpy arrays. In contrast ravel() is a library-level function and hence can be called on any object that can successfully be parsed. For example ravel() will work on a list of ndarrays, while flatten is not available for that type of object.

[algorithmn] 리스트의 순서를 바꾸지 않고, 각 값에 그 값의 크기에 할당된 크기의 값리스트 생성

[ 10 ,1 ,5 ] 시 [255 , 0 , 130 ] 의 리스트를 만드는것.

[1 , 10 ,5 ] 시 [0 , 255, 130] 이 된다.



1. [10, 1 ,  5] 의 크기순 set 을 만듬 => target_compare = [ 3, 1 , 2]

2. subset = [ 0 , 130 , 255] 만듬

3. result  = [ subset[i] for i in  target_compare  ]

[statistic] summery

- correlation
http://ezstat.snu.ac.kr/textbook_sources/chapter_05.pdf
https://en.wikipedia.org/wiki/Correlation_and_dependence

-

[python] Decorator

http://trowind.tistory.com/72
함수버전

def verbose(func):
print "Begin", func.__name__;
func();
print "End", func.__name__;

@verbose
def my_function():
print "hello, world."

my_functiont() 시

실제로는

verbose(my_function)

이 실행된다.


-----------------------
클래스버전

class Verbose:
def __init__(self, f):
print "Initializing Verbose."
self.tt = f;

def __call__(self):
print "Begin", self.tt.__name__
self.tt();
print "End", self.tt.__name__

@Verbose
def my_function():
    print "hello, world."


print "Program start"
my_function();


먼저 클래스의 __init__은 f라는 함수를 받는다.

그리고 __call__이란 부분이 데코레이터시 실행되는 부분이다 .

이건 실제로는

my_funtion() 을 실행시 Verbose.__call__(my_function) 이 실행된다.

즉 실제로는 아래와 같이 실행된다.

class Verbose:
def __init__(self, f):
print "Initializing Verbose."
self.tt = f;

def __call__(self):
print "Begin", self.tt.__name__
self.tt();
print "End", self.tt.__name__


def my_function():
    print "hello, world."

print "Program start"
ver = Verbose(my_function)
ver.__call__()

[kivy] object connection

1. kivy 파일 load로 연결

2. 한 kv 파일에서

으로 오브젝트를 만듬 -> 다른 kv 파일에서 이 오브젝트를 바로 사용 가능


    NAME:
        Line: ~~~



이걸 파이썬 코드에서 사용하고 싶으면, ID 부여, 그리고 접근을 어디서 할수 있게 할건지
정해야 한다.

이것은


    id: _NAME


    name_in_code : _NAME

이렇게 할시 , 파이썬 코드에서 NAME2 의 프로퍼티(어트리뷰트)중 name_in_code라는 프로퍼티가 생긴다. 이걸로 컨트롤을 할 수 있다.

[python] list slice index

data = [
    [1.0 , 1.0 , 4 , 10],
    [2.0 , 10.0, 4 , 10],
    [3.0 , 23.0, 4 , 10]
    ]

tempdata = [ item[2:] for item in data]

item[ 2 : ] mean from 2 to last

if want last - 1 element, just item [ 2 : -1 ]

[python] class member add

class tempclass():
    def __init__(self):
        self.member1 = 0


if __name__ == '__main__':
    te = tempclass()
    te.aa = 0
    te.yy = 'tt'

    print te.yy
    print te.aa

[kivy] Naming Rule

Kivy looks for a .kv file with the same name as your App class in lowercase
(minus “App” if it ends with ‘App’. eg. TutorialApp to tutorial.kv)

+ or tutorialApp.kv is also ok

Compared to Python syntax, Kivy syntax really sucks.

[python] tkinter - openfile dialog start with initial path

import Tkinter as tk
from tkFileDialog import askopenfilename

root = tk.Tk()
root.withdraw()
temp = askopenfilename(initialdir="c:\\")

[statistic] Confusion matrix

condition positive (P)

the number of real positive cases in the data

condition negatives (N)

the number of real negative cases in the data

---

true positive (TP)

eqv. with hit

true negative (TN)

eqv. with correct rejection

false positive (FP)

eqv. with false alarm, Type I error

false negative (FN)

eqv. with miss, Type II error

sensitivity, recall, hit rate, or true positive rate (TPR)

${\displaystyle \mathrm {TPR} ={\frac {\mathrm {TP} }{P}}={\frac {\mathrm {TP} }{\mathrm {TP} +\mathrm {FN} }}}$

specificity or true negative rate (TNR)

${\displaystyle \mathrm {TNR} ={\frac {\mathrm {TN} }{N}}={\frac {\mathrm {TN} }{\mathrm {FP} +\mathrm {TN} }}}$

precision or positive predictive value (PPV)

${\displaystyle \mathrm {PPV} ={\frac {\mathrm {TP} }{\mathrm {TP} +\mathrm {FP} }}}$

negative predictive value (NPV)

${\displaystyle \mathrm {NPV} ={\frac {\mathrm {TN} }{\mathrm {TN} +\mathrm {FN} }}}$

accuracy (ACC)

${\displaystyle \mathrm {ACC} ={\frac {\mathrm {TP} +\mathrm {TN} }{P+N}}}$

장비의 분류 성능은 이정도만 제공해줘도 충분하다.

[C#] Action and Func Chain

Action act1 = new Action( (x)=> Console.WriteLine("act1") );
            Action act2 = new Action( (x)=> Console.WriteLine("act2") );

            Action act3 = new Action((x) => { } );
            act3 += act1;
            act3 += act2;

            act3(1);
            Console.ReadLine();