log scale fitting
scipy의 curve_fit을 이용하면 쉽게 할 수 있다. def log_log_fit(func,x,y,**kwargs): def f_conv(x, a, b): return np.log(func(np.exp(x),a,b)) log_x, log_y = np.log(x),np.log(y) return curve_fit(f_conv, log_x, log_y,**kwargs) ****2019.06.05 추가 python의 powerlaw 패키지를 이용하면 참 쉽다. Aaron et al. 의 SIAM 2009논문을 제대로 안읽어봤지만, 여전히 다음과 같은 질문들이 남아있다. Q1. log-binning을 할 때 bin 개수에 따라 PDF의 개형이 많이 달라진다. 적절한 bin 개수를 어떻게 찾을까? Q2. 물..
python(인터프리팅언어)와 C(컴파일언어) 비교
머릿말 최근 다양한 언어가 널리 알려지고, 대중들에게도 접근성이 많이 높아져 요즘은, 초등학생부터 취준생, 직장인을 대상으로 한다양한 코딩수업들 또한 어느덧 레드오션으로 가는 것으로 보여지는 상황이다. 이러한 상황에서 python과 C의 차이는 극명하다. python은 쉽고, 남들이 많들어놓은 것을 가져다 쓰기 편하지만, 느리다. C는 비교적 어렵고, 대부분 직접 만들어 써야 하지만, 무엇보다 빠르다. 차이는 극명하다. 하지만, 계산 코스트가 크지 않은 경우, python이 대부분 편하다.하지만, 이제 코드를 짜는 시간보다, 코드를 돌리는 시간이 더욱 길어진다면 얘기는 달라진다.특히 기존 작업을 python에서 하고있었다면 그 계산만을 위해서 C로 넘어가기는 효율또한 너무 좋지가 않다. 그럼 대체 pyt..
