ITeus

안녕하세요. Teus입니다. 이번 포스팅은 SIMD(Single Instrunction Multi Data)를 다룹니다. 이번에는 AVX2의 기본 연산 중 쓸만한 함수 중 add/sub연산을 정리합니다.1. Add/Sub두 Vector를 SIMD로 더하거나 빼는 연산 입니다.Data TypeDescription_mm256_add_ps/pdAdd two floating-point vectors_mm256_sub_ps/pdSubtract two floating-point vectors_mm256_add_epi8/16/32/64Add two integer vectors_mm236_sub_epi8/16/32/64Subtract two integer vectors단순하게 두개의 Vector를 만들고, 이 두 Ve..

안녕하세요. Teus입니다. 이번 포스팅은 SIMD(Single Instrunction Multi Data)를 다룹니다. C언어 Level의 Low수준을 다루게 됩니다.1. SIMD란SIMD는 Single Instrunction Multi Data의 약자 입니다. 글자로 알수 있듯, 하나의 명령어로 다수의 Data를 처리한는 방법 입니다. 아래 코드를 보실까요?//일반계산(int *)arr1 = (int *)malloc(sizeof(int)*8);(int *)arr2 = (int *)malloc(sizeof(int)*8);(int *)ret = (int *)malloc(sizeof(int)*8);//8번의 정수연산을 위해서 8번의 반복문을 돌아야됨for(int i=0; i여기서 앵 이거 걍 함수로 한줄처..

안녕하세요. Teus입니다. 지난 포스팅을 통해서 Pandas DataFrame을 Groupby 할 경우, 어떻게 Groupby된 Object를 반환하는지 확인 하였습니다. groupby 이후에 일반적으로 groupby.mean() or .median()과 같은 method Chain을 많이 사용합니다. 이번 포스팅에서는 이 Method Chain이 어떻게 동작하는지 간단히만 살펴보도록 하겠습니다. (pandas.DataFrame.groupby().mean() 기준으로 살펴봅니다) 출처 : pandas/core/groupby/groupby.py#L2081 @final @Substitution(name="groupby") @Substitution(see_also=_common_see_also) def me..

안녕하세요. Teus입니다. 일반적인 1d array를 사용해서 ndarray를 만드는 프로그래밍 언어들의 list, array와 다르게 Pnadas의 경우 1d Series, 2d DataFrame이라는 형태로 Data를 보다 편리하게 관리합니다. 덕분에 pivot이나 groupby 같은 SQL에서 특화된 동작도 편하게 사용이 가능합니다. 이번 포스팅은, Pandas DataFrame의 .groupby method의 동작 원리에 대해서 알아보겠습니다. 1. DataFrame.groupby groupby는 n개 이상의 col을 기준으로 group을 만들고, group마다 특정 function을 적용하는 method로, SQL의 select Aggregation_method(col) group by gro..

안녕하세요. Teus입니다.이번 포스팅은 Encoding에 대해서 간단히 정리하고, Python에서 char를 다루는 방법과 Encoding에 대해서 다룹니다.1. 문자열 Encoding이제는 식상한 말 이지만, 컴퓨터는 모든 데이터를 0/1 이진 Data로 처리합니다.그렇기 때문에 숫자 같은 경우 10진수->2진수 변환을 통해서 저장됩니다(Ex. 숫자 22 -> 2진수 101100)반면, char 같은경우 char -> 2진 변환을 하는 다양한 방법이 존재합니다.이때 char -> 2진 변환은 Encoding이라고 하며, char에 대응되는 특정한 2진수로 coding한다는 것을 의미합니다.대표적인 char Encoding 방법으로 ASCII Code와 Unicode(UTF-8.16...) 등이 있습니..

안녕하세요. Teus입니다. 이번 포스팅은, Pandas DataFrame의 .apply method에 대해서 파해쳐 봅니다. 1.DataFrame.apply Pandas의 경우, DataFrame이나 Series에 .apply method를 사용해서, 사용자 지정 함수를 Elementwise하게 적용하는 것이 가능합니다. import pandas as pd temp_df = pd.DataFrame({"a" : [i*1 for i in range(100)], "b" : [i*2 for i in range(100)], "c" : [i*3 for i in range(100)], "d" : [i*4 for i in range(100)], "e" : [i*5 for i in range(100)]}) #"a" c..