JEMIPYC

variable-inspector-like functions.

^{it is just alternative. put the variables you want to know in parameters part.}

사용하는 입장에서 복사하기 편하게 모아놨습니다.

!git clone https://github.com/ironhopper/JEMIPYC.git

###<header>###
import sys
sys.path.append('JEMIPYC')
from array_check_function_global import df,dfn,dfv,dfx,dfnx,dfvx
def indi(*obj):  # this returns parameter's variable name.
    names = []
    leng = len(obj)
    for i in range(leng):
      for name in globals():    
         if globals()[name] is obj[i]:
           names.append(name)
    return names
import numpy as np
###</header>###

### example
# Apple = np.array([[1,2,3,4],[5,6,7,8]])
# Banana = [1,2,3,4,5,6,7,8]
# C = [[1],[2],[3],[4],[5],[6],[7],[8]]
# D = np.array([[1,2,3,4,5,6,7,8]])
# E = np.array([1,2,3,4,5,6,7,8])
# F = np.array([[1],[2],[3],[4],[5],[6],[7],[8]])
# G = [[1,2,3,4,5,6,7,8]]
# df(Apple,Banana,C,D,E,F,G)
# dfn(Apple,Banana,C,D,E,F,G)
# dfv(Apple,Banana,C,D,E,F,G,indi(Apple,Banana,C,D,E,F,G))
# dfx(Apple,Banana,C,D,E,F,G)
### ...

collection of ml functions for machine learning study/ and useful custom algorithm included

0524 update

외부 함수 참조시에 dfv 변수명 인덱스가 제대로 표현되지 않는 오류 수정

0519 update

adding and editing,simplifying functions

_

only df:

pandas.reset_option('display.max_columns')

=> reset options

_

dfn : numbering, dfv : variable_naming

ex {1} {2} {3} ... / <(x) <(y) <(z) ...

=> just use it, and you know right then exactly.

_

dfx: extended

pandas.set_option('display.max_columns', None)

=> max row and col

---

Setting

1. 사용하기전
   깃 클론 먼저 하시고
   (google colab 사용시엔 앞에 !(느낌표)를 붙일것)
   before using the functions,
   you have to git clone this project.
   (if using google colab, attach the {!} sign)
   

!git clone https://github.com/ironhopper/JEMIPYC.git

2. 사용시
   아래 헤더파일을 복사하여 원하는 프로젝트에 붙여줍니다.
   when using functions,
   copy and paste below header codes.
   

###<header>###
import sys
sys.path.append('JEMIPYC')
from array_check_function_global import df,dfn,dfv,dfx,dfnx,dfvx
def indi(*obj):  # this returns parameter's variable name.
    names = []
    leng = len(obj)
    for i in range(leng):
      for name in globals():    
         if globals()[name] is obj[i]:
           names.append(name)
    return names
import numpy as np
###</header>###

3. df(A,B)
dfn(A,B)
dfv(A,B,indi(A,B))
   

이런식으로 사용합니다.
df -> 간단하게 볼때
dfn,dfv -> 칼럼을 숫자로 구분, 칼럼을 변수명으로 구분(써보면 바로 압니다. 파이썬코드에 아래 예제가 있으니 참고 바랍니다.)
이떄 dfv 의 경우 index 로 사용할 변수이름들을 직접 넣어줍니다. 복사붙여넣기를 하는것이 편합니다.
String 말고 변수명이어야합니다.
예) dfv(A,B,indi(A,B)) -> 이때 항상 마지막 순서로 넣어야 됨을 유의!

dfx -> extended table(전체 데이터 확인용) 입니다.
like above.
df is simple view,
dfx is extended view (full row and column.

variable inspector 대용으로 만들었습니다.
it is alternative of variable inspector

**(p.s.)..

1. 기타 모든 변수의 타입 등의 현재 상태를 확인할땐
   whos 를 타이핑하고 실행합니다.
   (ipynb 노트북을 사용할 경우)
   
   
2. 일반 array,list 도 사용가능하며 아래와 같이
   you can use general array, list, and
   

Z = np.array([1,2,3])

ndarray 도 사용 가능합니다.
ndarray also.

물론 iris data set 도 사용됩니다.

_{다른 자료구조들은 사용하신분들의 제보(?)를 부탁드립니다..}

---

### example
# Apple = np.array([[1,2,3,4],[5,6,7,8]])
# Banana = [1,2,3,4,5,6,7,8]
# C = [[1],[2],[3],[4],[5],[6],[7],[8]]
# D = np.array([[1,2,3,4,5,6,7,8]])
# E = np.array([1,2,3,4,5,6,7,8])
# F = np.array([[1],[2],[3],[4],[5],[6],[7],[8]])
# G = [[1,2,3,4,5,6,7,8]]
# df(Apple,Banana,C,D,E,F,G)
# dfn(Apple,Banana,C,D,E,F,G)
# dfv(Apple,Banana,C,D,E,F,G,indi(Apple,Banana,C,D,E,F,G))
# dfx(Apple,Banana,C,D,E,F,G)
### ...