파이썬 제어문과 반복문

제어구문이란?

제어 구문이란 입력이나 출력 등 어떤 값에 의해서 프로그램의 흐름을 바꿀 수 있는 명령어를 의미합니다. 쉽게 말하면 프로그램의 흐름이 코딩 순서대로 흘러가다가 어떤 조건(Condition)에 의해서 프로그램의 흐름이 달라지는 것을 의미합니다. 실제로 이런 일은 프로그램을 하면서 매우 자연스러운 것입니다.

이런 조건문을 말로 풀어 본다면 “만일 000 라면 000 하라” 라고 쓸 수 있습니다. 이 안에 여러가지를 넣어서 문장을 만들 수 있습니다. “만일 성적이 90점 이상이라면 A를 주어라” 라고 한다면 입력되는 점수에 따라서 그 성적이 바뀔 수 있을 것입니다. 조건을 하나 더 붙인다면 “만일 90점 이상이라면 A를 주고 80점 이상이라면 B를 주고 70점 이상이라면 C를 주고 60점 이상이라면 D를 주고 그 이하라면 F를 주어라” 라고 조건을 여러개 주어서 프로그램을 만들 수도 있습니다.

IF 조건문

파이썬에서 이런 조건에 따라서 수행할 코드를 분기 할때에 사용하는 것이 if 조건문입니다. if 조건문은 굉장히 간단한 구조로 되어 있기 때문에 쉽게 이해하고 사용할 수 있습니다.

if 조건식:
    # 조건식이 참(True)일 경우에 실행
else:
    # 조건식이 거짓(False)일 경우에 실행

if 조건문에 들어가는 조건식에는 주로 하나 이상의 변수를 사용해서 조건식을 만듭니다. 예를 들어서 하나의 조건문이 True/False 인지를 확인할 수 있고 두개의 변수를 서로 비교해서 같거나 다르거나 크거나 같거나를 표현 할 수도 있습니다.
그것을 정리하면 아래의 표와 같습니다.

a == b # 두개의 변수 a와 b가 같다. 맞으면 True 틀리면 False
a != b # 두개의 변수 a와 b는 같지 않다. 
a > b  # 두개의 변수 a는 b보다 크다.
a >= b  # 두개의 변수 a는 b보다 크거나 같다.
a < b # 두개의 변수 a는 b보다 작다.
a <= b # 두개의 변수 a는 b보다 작거나 같다.

이 두개의 변수는 숫자값이 들어가도 되지만 문자열도 입력할 수 있습니다. 문자열의 경우에는 문자의 비교만 가능합니다. 예를 들어서 a=”apple”, b=”pear” 일때 a == b 조건은 당연히 False가 됩니다. 이런 방법으로 문자가 같은지를 확인하는 조건식을 만들고 활용할 수 있습니다.
주의 해야 할 것은 a와 b가 같은지를 볼때에 ‘=’ 하나를 쓰는 것이 아니라 ‘==’ double equal을 사용한다는 것입니다. 하나만 사용할 경우에는 해당 변수에 값을 대입하는 것으로 인식하기 때문에 조건문을 사용할 때에 이 부분을 조심하셔야 합니다.

이 조건문을 사용해서 이전에 간단히 설명했던 성적코드를 표시하는 프로그램을 작성해보면 아래와 같이 할 수 있습니다. 여기서 보면 “if 조건문 elif 조건문 else…”의 형태가 나오는데 여기서 나오는 “elif”는 새로운 것이 아니라 “else if”의 축약된 형태로 조건문이 False일 경우에 다른 조건문을 사용하는 간단히 말하면 중첩된 조건문에서 사용하는 코드입니다. “if … elif…”를 사용하지 않고 “if … else …” 형태를 반복해서 사용할 수 있지만 이렇게 작성된 코드는 코딩이 길어지기 때문에 간결하지 않고 또 간결하지 않은 코드는 수정이 쉽지 않다는 단점이 있습니다.

그렇기 때문에 가급적이면 간단하게 코딩하는 습관을 기르는 것이 좋습니다.

score = 88

if score > 90:
    print('A')
elif score > 80:
    print('B')
elif score > 70:
    print('C')
elif score > 60:
    print('D')
else:
    print('F')

위의 코드를 실행하면 출력값은 ‘B’가 출력됩니다.

아래의 코드는 문자열 값을 입력해서 비교하는 코드입니다. 아래와 같은 경우는 출력값이 False가 됩니다.

a = "apple"
b="pear"

if a == b:
    print('True')
else:
    print('False')

그리고 비교하는 변수는 꼭 두개가 있어야 하는 것은 아닙니다. 아래와 같이 flag를 bool 자료형으로 선언하고 True 값을 주면 해당 값의 조건에 따라서 True / False를 출력합니다.

flag = True

if flag:
    print('True')
else:
    print('False')

또 아래와 같이 조건식을 여러개 함께 사용할 수도 있습니다. 그렇게 되면 이전에 논리연산자를 함께 사용해야 합니다. 논리 연산자는 ‘and’,’or’ 연산자입니다. ‘and’의 경우에는 조건 모두를 만족해야 참(True)이고 하나라도 만족하지 않으면 거짓(False)가 됩니다. 그러나 ‘or’의 경우에는 조건 중 하나만 만족해도 참(True)이 됩니다.

아래의 조건문의 경우에는 a==b가 False이지만 score > 80이 True 임으로 출력값은 True를 표시하게됩니다.

if (a==b) or score > 80:
    print('True')
else:
    print('False')

반복문

제어문과 마치 한쌍과 같이 사용되는 것이 바로 반복문입니다. 이 반복문은 리스트와 같은 어떤 연속된 자료를 반복해서 처리하면서 사전에 정의된 조건문을 처리합니다. 가장 많이 사용되는 반복문은 for나 while과 같은 명령어입니다. 이 두 반복문에도 역시 반복에 필요한 조건들이 들어갑니다.

만약 조건이 들어가지 않는다면 해당 반복문들은 무한히 명령어를 실행하게됩니다. 이것을 무한루프라고 합니다. 시스템이 무한루프에 들어가면 무한정 리소스를 사용하기 때문에 결국 응용프로그램이 에러를 출력하게됩니다.

WHILE 루프

while은 for 루프와 함께 파이썬의 대표적인 반목문입니다. 어떤 조건을 주고 그 조건이 참일때까지 해당 명령어를 수행하게됩니다. 아래의 예와 같이 사용하는 방법도 굉장히 간단합니다.

while 조건식:
    #반복하면서 처리할 코드

이제 while 루프를 사용해서 간단한 코딩을 해보겠습니다. 일단 score라는 리스트를 선언하고 해당 리스트에 성적을 입력합니다. 그리고 리스트의 크기만큼 루프를 반복하며 성적을 출력해보는 예제입니다. 여기서 len() 함수는 리스트의 크기를 리턴해줍니다. 그러므로 아래의 예제는 i라는 변수에 0을 입력하고 i가 리스트의 크기보다 작은 조건을 만족할 때까지 while 루프안에 있는 print 구문을 수행하고 i의 값에 1을 계속적으로 더해줍니다. 결국 i는 0-4까지의 조건을 만족하겠고 5가 되는 순간 리스트의 크기와 같아지면서 해당 조건을 만족하지 않기 때문에 while 루프에서 벗어나게 됩니다.

실제로 아래 예제를 수행해보면 100부터 87까지의 값을 출력하고 해당 루프를 빠져나가는 것을 확인할 수 있습니다.

score = [100,80,99,92,87]
i = 0
while i < len(score):
    print(score[i])
    i += 1

만약 while의 조건식 부분에 True를 입력하게 되면 어떻게 될까요?
해당 구문은 무한루프로 들어가게됩니다. 언제 이런 구문을 사용하는가 생각해보면 사용자가 값을 계속 입력하는 상황을 생각해 볼 수 있겠습니다. 그러다가 마지막으로 입력을 종료하고 싶으면 약속된 키를 입력하면 종료되는 상황이 있을 수 있습니다.

my_score = []
while True:
    s = input('Score?')
    if s == 'q': break
    my_score.append(s)

print('입력하신 스코어는 {}입니다.'.format(','.join(my_score)))

::: 출력 형태 :::
Score? 100
Score? 90
Score? 50
Score? 60
Score? 80
Score? q
입력하신 스코어는 100,90,50,60,80입니다.

해당 코드를 실행하면 위와 같이 q라는 값이 들어오기 전까지 while 안에 있는 명령어를 계속 실행하게 되고 q 값이 입력되면 break 문이 실행되면서 while 루프를 벗어나게 됩니다. 만약 break 문이 없다면 해당 코드를 강제로 종료해야 하는 일이 생기게됩니다.

FOR 루프

for 루프는 while과 함께 대표적인 반복문입니다. while 루프도 많이 사용하지만 아마도 가장 많이 사용하는 것이 for 문법이라고 생각합니다. for는 사용하기가 while 비해서는 약간 복잡하게 느껴질 수도 있지만 다양한 표현이 가능하다는 것은 많은 부분에서 사용할 수 있다는 의미도 됩니다.

몇가지 예제를 통해서 그 쓰임을 알아보겠습니다.

for 루프 변수 in 리스트(또는 튜플, 문자열):
    # 수행할 명령어
    ...

위의 문법을 보면 for 다음에는 ‘루프 변수’가 입력됩니다. ‘루프 변수’는 쉽게 말해서 in 다음에 표시되는 리스트(또는 튜블, 문자열)의 내용을 담아내는 변수입니다. 다시 말하면 for 루프는 리스트의 크기 만큼 실행되며 리스트의 갯수 하나씩 루프 변수에 담는다는 의미입니다. 말로 풀어서 쓰면 복잡하지만 실제로 사용하는 것은 굉장히 간단하고 직관적입니다.

# case1 숫자 리스트
score = [100,80,99,92,87]
for s in score:
    print(s)

# case2 문자열
message = "Hello, World!"
for c in message:
    print(c)

# case3 범위
for i in range(10):
    print(i)

위의 코드를 실행해보면 case1은 score안에 있는 점수가 하나씩 출력됩니다. case2는 message에 입력된 문자열 데이터가 한글자씩 표시됩니다. case3를 실행해보면 0-9까지의 숫자가 출력됩니다.

여기에서 사용하는 range() 문은 굉장히 많이 사용하는 파이썬 내장함수이기 때문에 좀 더 알아보면 방금 사용했던것처럼 range(10)이라고 하면 0-9까지를 출력하고 range(5,10)으로 선언하면 시작하는 숫자가 5부터 시작하니 5-9까지를 출력하게됩니다. range(0,10,2)로 표시하면 0-9까지 2씩 증가한 값 즉, 0,2,4,6,8을 표시하게됩니다.

이 외에도 앞서 살펴본 while에서 break 문도 역시 for에서 사용할 수 있고 또 continue 문도 사용할 수 있습니다. break 문은 앞서 보았기 때문에 이번에는 continue 문을 어떻게 사용하는지 보겠습니다.

5개의 과목 중에서 90점이 넘는 과목은 A로 표시한다고 하면 아래와 같이 continue를 사용해서 표현할 수 있습니다. 조건을 만족하면 조건문 아래 라인을 실행하지 않고 조건을 만족하지 않으면 아래 라인을 실행하게 됩니다. break문의 경우에는 조건을 만족하면 for문을 빠져나가는데 이와 비슷한 개념이지만 약간의 차이가 있습니다.

# case1 숫자 리스트
score = [100,80,99,92,87]
for s in score:
    if s <= 90:
        continue
    print('{}점은 A입니다.'.format(s))

또 하나 파이썬에서 사용하는 for문의 독특하면서도 강력한 기능 중에 하나는 for 문을 한줄로 나열해서 쓸 수 있다는 것입니다. 이것도 예제를 통해서 살펴보겠습니다.

점수를 가지는 하나의 배열이 있는데 이 배열은 2개의 차원으로 되어있다고 가정합니다.

array2d[0] 번지에는 [100,99,98]의 값이 저장되어 있습니다.
array2d[1] 번지에는 [99,78,89] 값이 저장되어 있습니다.
array2d[2] 번지에는 [98,88,91] 값이 저장되어 있습니다.

이 배열에서 해당 점수를 표시하려면 위의 경우와 같이 ‘for s in array2d’와 같은 형식으로도 사용할 수 있지만 아래와 같이 그냥 한줄로 표시할 수도 있습니다.

array2d = [[100,99,98], [99,78,89], [98,88,91]]
['socre:{},{},{}'.format(arr[0],arr[1],arr[2]) for arr in array2d]

이러한 표현 방법은 numpy이나 pytorch에서 여러 줄의 코드를 간단히 한줄로 표현할 수 있게 해주는 굉장히 유용한 방식입니다.

파이썬 자료형

파이썬 자료형 – 리스트

파이썬에는 여러 개의 값을 하나의 데이터 저장소에 담아서 관리 할 수 있는 리스트(List)라는 자료형이 있습니다. 이 리스트에는 여러개의 값을 하나의 변수에 담을 수 있기 때문에 거의 모든 코드에 사용된다고 할 수 있습니다.

예를 들어서 학생의 10개 과목에 대한 성적을 입력할 때에 국어,영어,수학 등 10여개의 과목을 각각 변수에 담지 않고 하나의 변수명을 선언하고 [99,98,89 …] 와 같이 차례로 성적을 저장하는 방식입니다. 이때 중요한 것이 있다면 저장의 순서입니다. 모든 학생의 과목이 일정한 순서대로 정렬되어야 정상적인 결과를 얻을 수 있습니다.

score_list = [99,98,89,78,80...] #각 과목의 점수를 하나의 변수에 저장

dummy_list = [99,98,89,'A',3.4] #다른 형의 자료를 동일한 리스트에 저장할 수 있음
print([type(n) for n in dummy_list])
결과 : [<class 'int'>, <class 'int'>, <class 'int'>, <class 'str'>, <class 'float'>]

len(dummy_list)
결과 : 5

또 대부분 경우는 하나의 리스트에 같은 자료형을 입력하지만 다른 자료형을 입력하는 것도 가능합니다. 배열에 선언된 값에 접근하기 위해서는 변수[index] 형태로 사용하면 됩니다. 중요한 것은 index는 0부터 시작된다는 것입니다.

배열의 크기를 알기 위해서는 len()이라는 내장함수를 사용해서 확인 할 수 있습니다.

리스트에서 꼭 알아야 할 중요한것 중에 하나는 슬라이싱(Slicing)의 개념입니다. 이것은 리스트에서 원하는 범위를 지정해서 사용할 수 있는 굉장히 편리하고 많이 사용하는 개념입니다.

dl = [0,1,2,3,4,5,6,7,8,9]
print(dl[0:3]) #[0, 1, 2]
print(dl[5:]) #[5, 6, 7, 8, 9]
print(dl[3:-1]) #[3, 4, 5, 6, 7, 8]

cl = 'hello world'
print(cl[0:5]) #hello

위의 예제에서 보다시피 리스트의 인덱스 값을 활용해서 해당 자료를 출력합니다.
알아두면 좋은 것은 이것이 리스트 배열에서만 사용하는 것이 아니라 문자 배열에서도 동일하게 사용할 수 있다는 것입니다. 다른 언어의 substring과 같은 개념입니다. 앞에 -(minus) 기호를 붙이면 마지막에서부터 카운트를 하기 때문에 이를 응용해서 다양한 활용이 가능합니다.

파이썬 자료형 – 딕셔너리

리스트와 함께 또 하나의 중요한 데이터 저장소는 딕셔너리(Dictionary)입니다.

딕셔너리는 키(Key), 값(Value)의 쌍으로 되어 있는 데이터 저장소입니다. Java에 익숙하신 분은 맵(Map)이라는 객체를 생각하시면 되겠습니다. 딕셔너리도 선언과 활용이 간단합니다. 해당 내용을 출력하기 위해서는 키(Key) 값을 입력하면 그에 해당하는 값(Value)가 출력되는 구조입니다.

score_dict = {'kor':98, 'eng':90, 'math':100, 'hist':93} #과목을 Key로 선언하고 성적을 Value로 정의
print(score_dict['kor']) #98

print(score_dict.keys()) #dict_keys(['kor', 'eng', 'math', 'hist'])
print(sorted(score_dict.keys())) #['eng', 'hist', 'kor', 'math']
print(score_dict.values()) #dict_values([98, 90, 100, 93])

이전에 리스트에서 성적을 입력할 때에 순서가 중요했다면 딕셔너리에서는 Key가 존재하기 때문에 순서는 중요하지 않습니다. 딕셔너리에서 하나 주의해야 할 것은 Key 가 중복되지 않도록 관리해야 한다는 것입니다.

딕셔너리는 Key 값을 추출한다거나 이를 정렬하는 기능들을 제공하기 때문에 이를 활용해서 다양한 데이터를 처리할 수 있습니다.

파이썬 자료형 – 튜플

튜플(Tuple)은 리스트와 유사하지만 차이가 있다면 내용을 바꿀 수 없다는 점에 큰 차이가 있습니다. tutple로 선언한 변수에 어떤 다른 값을 적용하고자 하면 ‘tuple’ object does not support item assignment 라는 에러 메세지를 표시합니다.

dummy_tuple = (99,88,87,94,92)
print(dummy_tuple[0]) #99

dummy_tuple[0] = 100 #TypeError: 'tuple' object does not support item assignment

파이썬 자료형 – 집합

집합(Set)도 리스트와 유사한 개념입니다. 그러나 각 요소간의 순서는 존재하지 않으며 각 요소간의 중복된 값을 허용하진 않습니다. 또 집합의 수학적인 연산이 가능하다는 특징이 있습니다.

dummy_set0 = set(list(score_dict.keys()))
dummy_set1 = set(['sci','kor'])

print(dummy_set0 | dummy_set1) # 합집합 {'math', 'eng', 'sci', 'kor', 'hist'}
print(dummy_set0 - dummy_set1) # 차집합 {'math', 'eng', 'hist'}
print(dummy_set0 & dummy_set1) # 교집합 {'kor'}

이전에 사용했던 score_dict의 키 값을 모아서 하나의 리스트로 만든 후에 이것을 다시 집합으로 선언합니다. 그리고 또 하나의 집합을 생성합니다. 그리고 이 집합을 활용해서 집합 연산을 수행해봅니다.

집합 연산은 합집합, 차집합, 교집합이 있습니다.
합집합은 ‘+’ 연산자를 사용하지 않고 ‘|’ 연산자를 사용합니다. 집합은 중복을 허용하지 않기 때문에 두 집합의 요소가 하나씩 존재하게됩니다.
차집합은 공통된 요소를 삭제합니다. 교집합은 공통된 요소만 추출합니다.

파이썬 기초

문자화된 언어를 다른 언어로 변환하는 것을 번역(Translate)라고 합니다. 반면 언어를 다른 언어로 실시간으로 전달하는 것을 통역(Interpret)이라고 합니다. 비슷하지만 이렇게 차이가 있죠.
번역은 글로된 전체 문장을 번역하는 것이기 때문에 시간이 많이 걸리지만 통역은 실시간으로 말을 듣고 말로 전하기 때문에 실시간으로 빠른 처리가 가능합니다.

컴퓨터에서도 이러한 일들이 비슷하게 일어납니다. 어떤 언어는 번역을 하듯이 전체 프로그램 코드를 일괄적으로 한번에 기계어로 변환하고 어떤 언어는 실시간으로 Line By Line으로 한줄 한줄 실행해나갑니다.

전자의 언어를 Compile 언어라고 하고 Java와 C 언어가 대표적입니다. 반면 파이썬은 한줄 한줄 읽고 바로 실행하기 때문에 Interpret 언어라고 합니다.

인터프리트 언어의 장점은 컴퓨터와 대화하듯이 코딩을 할 수 있다는 장점이 있습니다. 예를 들어서 프로그래머가 “1+2″는 뭐지? 라고 물어보면 컴퓨터는 “3”이라는 결과를 바로 보여주는 식입니다. 이것을 파이썬 코드로 표현하면 어떻게 될까요?

명령어 입력라인에 아래와 같이 입력하면 됩니다. 이전에 java나 C언어를 경험하신 분은 이런 형식의 코드가 얼마나 간결하다는 것을 쉽게 이해할 수 있을 것입니다.

1+2
결과 : 3

이처럼 파이썬 코딩은 굉장히 직관적이고 간단합니다. 또 파이썬은 인터프리트 방식으로 대화식 프로그래밍이 가능합니다. 다음으로는 몇가지 기본적인 산술 연산에 대해서 알아보겠습니다.
참고로 결과라고 쓴 부분은 코드를 실행한 결과가 표시되는 값을 나타낸 것입니다. 실제로 코드를 실행하면 “결과”라는 단어는 나오지 않습니다.

이제부터 파이썬에서 많이 사용하는 중요한 몇가지 기초적인 코드를 설명하고자 합니다. 처음 파이썬을 접하시는 분을 대상으로 최대한 간단하게 그리고 많이 쓰는 것들 위주로 설명하겠습니다. 몇가지 기본적인 코드의 문법만 이해해도 제가 블로그에 작성한 예제 코드를 이해하는데 문제가 없으리라 생각됩니다.

파이썬 사칙연산

2-3
결과 : -1
4*3
결과 : 12
6/4
결과 : 1.5
5**2
결과 : 25

프로그램에서 *는 곱셈, /은 나눗셈, **은 제곱을 의미합니다. 참고로 나눗셈을 표시하는 기호가 /라고 말씀드렸습니다. 그러나 //을 사용하는 경우도 있습니다. 이것은 **과 같이 제곱을 의미하는 것이 아니라 나눈 결과 값에서 소수점 이하를 버린다는 것을 의미합니다. 예를 들어서 6/4의 결과가 1.5로 표시되는데 6//4로 수행하면 결과값은 1로 표시됩니다. 또 가끔 % 연산자를 만나기도 합니다. 해당 연산자는 나눈 값의 나머지를 출력합니다.
6/3 하면 나머지가 0이 됩니다. 그러나 5/3하면 나머지가 2개 생기는데 % 연산자는 이 값을 출력해줍니다.

파이썬 자료형

type(1)
결과 : int
type(3.14)
결과 : float
type('Hello World')
결과 : str

프로그래밍 언어는 각각 자료형(Data Type)이 있습니다. 자료형은 말 그대로 자료(Data)의 형태를 의미합니다. 예를 들어서 위에서 표현한것과 같이 정수형, 실수형, 문자형의 자료 형태가 있고 type()이라는 내장함수로 데이터의 자료형을 알아 볼 수 있습니다.

참고로 내장함수라는 것은 중요하고 자주 사용하는 기능들은 사용자가 별도로 개발하지 않도록 프로그램 언어가 기본적으로 제공하는 함수(function) 입니다. print(), len(), range() 등 많은 내장함수가 있습니다. 이러한 함수들을 중요하고 또 너무나 많이 사용하기 때문에 다른 라이브러리들과는 달리 import 하지 않고 바로 사용할 수 있는 특징이 있습니다.

내장 함수를 모두 외울 필요는 없지만 관심있게 내용을 살펴볼 필요는 있습니다. 아래의 링크에 파이썬 내장함수가 잘 설명된 페이지를 링크합니다.

https://docs.python.org/ko/3/library/functions.html

파이썬 변수

변수(變數)는 Variable이라고 합니다. 말 그대로 변하는 수입니다. 이는 상수(常數)와 반대되는 개념입니다.
변수를 사용하는 가장 큰 이유는 코드의 재활용성과 가독성을 높여 주기 때문입니다. 이는 코드의 복잡성을 낮춰 줄 수 있고 이는 이후의 기능 수정과 변경에 용이한 특징이 있습니다.

a = 10
b = 10
a + b
출력 : 20

여기서 말하는 a, b와 같은 것이 바로 변수입니다. 즉 변할 수 있는 수라는 의미입니다. 변수는 숫자나 문자만 넣을 수 있는 것은 아닙니다. 거의 모든 것을 담을 수 있습니다.

변수는 마치 번지수와 같다고 할 수 있습니다. 예를 들어 10이라는 값은 메모리 영역에 한 부분에 저장됩니다. 그리고 그 주소는 id(a)로 표시해보면 “4521043376’와 같은 숫자 형태의 메모리 주소가 표시됩니다. 그러나 이것은 사람이게 친절한 표기법은 아닙니다. 인간에게는 a,b,c… 혹은 조합된 단어와 같은 인간의 언어코드로 표시하는게 훨씬 이해하기 쉽습니다.

예를 들어서 사각형의 높이를 구하는 공식은 가로×세로 입니다. 이러한 결과 값을 위해서 각 가로와 세로의 값을 곱해줄 수도 있지만 그렇지 않고 변수를 사용해서 변수간의 곱을 할 수도 있습니다. 이렇게 하는 것이 코드를 더 쉽게 이해할 수 있을 것입니다.

# 변수를 사용하지 않음
5 * 5
출력 : 35

# 변수를 사용
width = 5
height = 5
width * height
출력 : 35 

위와 같이 변수를 사용해서 프로그램을 하는 것이 훨씬 이해하기 쉽습니다. 변수 없이 숫자만으로 나열된 코드를 본다는 것은 생각하기도 힘든 일일 것입니다. 보통 변수로 사용되는 것은 알파벳 대소문자와 숫자입니다. 그러나 숫자로 시작하는 변수는 사용할 수 없습니다.

파이썬 아나콘다와 주피터 랩

파이썬을 개발 환경을 준비하는 방법 중에 가장 대중적인 것은 아나콘다를 활용하는 법입니다. 아나콘다는 패키지 관리와 디플로이를 효율적으로 할 수 있도록 하는 파이썬과 프로그래밍 언어의 자유-오픈 소스 배포판입니다. 개발에 사용하는 패키지 버전들은 패키지 관리 시스템 conda를 통해 관리됩니다.

예를 들어 내 컴퓨터에서 개발을 위해 여러 개발환경을 구축한다고 생각해봅니다. 때로 RNN 프로젝트나 Django를 활용한 웹개발, CNN을 활용한 Classification 문제를 해결한다고 생각해보면 각 프로젝트마다 python의 버전이나 활용하는 패키지가 있을 것입니다.

또 다른 사람이 만들었던 개발환경을 내 컴퓨터에 그대로 복사하고 싶을 때가 있습니다. 이미 내 컴퓨터에 있는 환경과 같다면 크게 문제될 것이 없겠지만 다른 것이 많이 있다면 좀 난감한 상황이겠죠.

아나콘다는 이러한 환경에 독립적인 프로젝트를 만들 수 있도록 도와줍니다. 이러한 툴이 없다면 개발 환경마다 python 버전과 의존성 있는 패키지들을 수정해야 하는 번거로운 작업들을 해야합니다. 그만큼 개발하는데 많은 시간이 소요되겠죠.

아나콘다 홈페이지에는 해당 제품들을 소개하며 모든 데이터 사이언티스트를 위한 도구라고 소개하고 있습니다. 그만큼 사용하기 쉽고 범용적이고 대중적인 도구라는 의미가 되겠습니다.

아나콘다는 Window, Mac, Linux를 모두 지원하니 사용하시는 OS에 맞춰서 다운로드 받으시면 되겠습니다. 저의 경우에는 Mac을 사용하기 때문에 Mac용 아나콘다를 다운로드 받아서 사용하고 있습니다.

다운 받은 후에 실행하면 아래와 같은 형태의 화면이 표시됩니다. 이중에서 이번 파이썬 코드 리뷰에 사용하는 도구는 Jupyter Lab이기 때문에 간단히 살펴보겠습니다. 사실 Jupyter Lab은 Jupyter Notebook의 확장판이라고 생각하시면 되기 때문에 이전에 Jupyter Notebook을 사용해 보신 분이라면 쉽게 사용하실 수 있습니다. 사용 방식이나 UI 구성은 거의 같습니다.
이 외에도 VS Code라는 훌륭한 개발도구도 있으니 사용해보시는 것도 추천합니다.

Jupyter Lab의 가장 좋은 장점은 Interactive하고 Reproducible한 특징이라고 할 수 있습니다. 마땅히 우리말로 설명하기가 어렵기 때문에 Jupyter Lab에서 소개하는 단어를 그대로 사용하겠습니다.
이러한 특징이 있기 때문에 사용자는 코딩 하고 바로 그 결과를 확인 할 수 있습니다. 무엇보다 무료이고 가볍고 웹 기반의 형식으로 되어 있기 때문에 UI도 따로 설명할 것이 없을 정도로 간단합니다.

그러나 그 기능과 활용도는 매우 강력하다고 할 수 있습니다. 아래의 이미지는 Jupyter Lab 공식 홈페이지에서 제공하는 이미지입니다. 보시는 것처럼 풍성한 시각화 도구를 지원하고 있습니다. 자세한 내용은 아래의 링크로 접속하시면 확인할 수 있습니다.

https://jupyter.org/

이 외에도 Colab(Colaboratory) 이라는 강력한 도구가 있습니다.

줄여서 ‘Colab’이라고도 하는 Colaboratory를 사용하면 브라우저에서 Python을 작성하고 실행할 수 있습니다. 자세한 소개 영상은 아래의 영상을 확인하시기 바랍니다.

Colab을 사용하면서 얻을 수 있는 장점은 별도의 개발환경을 구축하지 않아도 된다는 점, GPU를 제한적이지만 무료로 사용할 수 있다는 점, 그리고 공유가 간편하다는 장점이 있습니다. 조금 더 좋은 환경을 사용하려면 유료 결제를 통해서 Colab Pro 버전을 활용할 수도 있습니다.

저도 Colab Pro 버전을 사용하고 있는데 확실히 Colab 무료 버전 보다는 조금 더 나은 테스트 환경을 제공해줍니다. (많이는 아니지만…)

파이썬 소개

파이썬이 세상에 등장한지도 이미 20년이 넘었습니다. 많은 언어가 등장했다가 역사속으로 사라지기를 반복하지만 파이썬의 경우는 시간이 갈 수록 꾸준히 인기를 얻고 있는 언어입니다. 현재는 인공지능의 발전과 함께 가장 인기있는 언어가 되었습니다.

위의 그래프는 TIOBE에서 발표한 프로그램언어의 순위입니다. JAVA는 아주 오랜기간 C와 함께 가장 많이 사용하는 언어로 군림해왔습니다. 아마 JAVA 만큼 객체지향을 잘 표현한 언어는 없을 것입니다. 그만큼 자바는 객체지향의 대명사로 수십년동안 가장 많이 사용되는 언어였습니다. C언어는 그 역사와 활용도는 언급할 필요도 없이 지금도 강력한 영향력을 미치는 언어입니다.

파이썬은 2002년 당시에는 사용자가 많지 않은 언어였습니다. 그러나 2018년 이후 급격하게 사용자 수가 증가해서 현재는 C, JAVA를 이어서 그 다음으로 인기있는 언어가 되었습니다.

파이썬이 급성장한 이유는 인공지능의 발전과 함께 하기 때문이라는데는 반론의 여지가 없을 것입니다. 그렇다면 파이썬의 어떤 특징으로 인해서 현재 이토록 많은 사람이 사랑하는 언어가 되었을까요?

일단 파이썬은 배우기 쉬운 프로그램 언어입니다. 또 오픈소스이기 때문에 무료로 사용할 수 있고 풍성한 라이브러리를 지원하기 때문에 다양한 곳에 많이 사용됩니다. 또 영어와 유사한 문법으로 되어 있기 때문에 친근하다고 할 수 있습니다. 코드를 작성하기 쉽다는 것은 그만큼 읽기도 쉽다는 뜻이 됩니다. 또 컴파일의 과정도 없이 바로 실행하고 결과를 확인 할 수 있는 구조로 되어 있기 때문에 빠른 응답이 필요한 업무에 굉장히 편리합니다. 물론 그렇다고 컴파일 언어가 매력이 없다는 뜻은 아닙니다. 컴파일 언어는 그 나름대로 장점이 많이 있습니다.

파이썬은 이러한 여러가지 특징 때문에 고등학교, 대학교에서 프로그램을 강의하는데 처음 접하는 언어로 파이썬을 많이 사용하고 있습니다. 그렇다고 초보자만 사용하는 언어는 아닙니다. 인공지능을 개발하는 많은 분야의 전문가들이 파이썬을 사용하고 있습니다.

파이썬은 특히 인공지능이나 기계학습 분야에서 많이 사용됩니다.

그 이유는 파이썬 자체의 특별한 장점도 있지만 거기에 더해서 Numpy, SciPy와 같은 강력한 수치계산과 통계를 지원하는 다양한 라이브러리와 데이터를 다루는데 탁월한 Pandas, 시각화에 최적화되어 있는 matplotlib의 강력한 기능이 파이썬을 더 특별한 언어로 만들어 줍니다.

실제로 현재 가장 많이 사용하는 인공지능 프레임워크인 TensorFlow와 제가 이 블로그에 다양한 예제를 구현하는데 사용하는 PyTorch 같은 훌륭한 오픈소스 인공지능 프레임워크들이 파이썬 코드로 개발되어 있습니다.

또 Django와 같은 웹 어플리케이션 개발을 위한 프레임워크까지 구성되어 있기 때문에 만일 인공지능을 배우고자하는 분이 있다면 파이썬은 반드시 경험하고 배워야할 언어가 되었습니다.

본 예제에서는 파이썬의 간단한 문법을 소개해드리겠습니다.

물론 많은 다양한 블로그에서 다루고 있기 때문에 모든 것을 다 다루지는 않고 제가 그동안 구현하면서 필요하다고 생각되는 많은 사용하는 부분이나 꼭 필요한 부분들을 다뤄가도록 하겠습니다.

sklearn.datasets

Load_Boston 데이터셋

sklearn에서는 간단한 머신러닝 알고리즘 분석과 테스트를 위해서 작은 규모의 데이터셋(small toy datasets)을 datasets이라는 패키지에 담아두었습니다. 해당 데이터셋들은 데이터에 대한 정보와 특징들이 포함되어 있어 데이터셋을 이용하는 사용자로 하여금 해당 데이터셋이 어떤 의미인가를 쉽게 이해할 수 있도록 해주고 있습니다.

https://scikit-learn.org/stable/datasets/index.html#toy-datasets

공식 홈페이지에 들어가보시면 제공하는 데이터의 내용들을 확인 하실 수 있습니다. 간략한 정보는 아래와 같습니다.

  • load_boston : 보스턴 지역의 집값 데이터(회귀분석)
  • load_iris : 붗꽃 데이터(분류)
  • load_diabetes : 당뇨병 데이터(회귀분석)
  • load_digits : 숫자 이미지 데이터(분류)
  • load_linnerud : 20대 중반 남성의 신체정보와 운동정보(다변량분석)
  • load_wine : 와인의 특징에 따른 종류(분류)
  • load_breast_cancer : 유방암 데이터(분류)
from sklearn.datasets import load_boston
boston = load_boston()

데이터셋을 로딩하는데는 load라는 명령어와 함께 해당 데이터셋의 이름을 적어주면 간단히 로딩할 수 있습니다.
데이터를 로딩한 후에는 DESCR 을 통해서 해당 데이터셋이 어떤 특징이 있는지 살펴볼 수 있습니다.

print(boston.DESCR)
.. _boston_dataset:

Boston house prices dataset
---------------------------

**Data Set Characteristics:**  

    :Number of Instances: 506 

    :Number of Attributes: 13 numeric/categorical predictive. Median Value (attribute 14) is usually the target.

    :Attribute Information (in order):
        - CRIM     per capita crime rate by town
        - ZN       proportion of residential land zoned for lots over 25,000 sq.ft.
        - INDUS    proportion of non-retail business acres per town
        - CHAS     Charles River dummy variable (= 1 if tract bounds river; 0 otherwise)
        - NOX      nitric oxides concentration (parts per 10 million)
        - RM       average number of rooms per dwelling
        - AGE      proportion of owner-occupied units built prior to 1940
        - DIS      weighted distances to five Boston employment centres
        - RAD      index of accessibility to radial highways
        - TAX      full-value property-tax rate per $10,000
        - PTRATIO  pupil-teacher ratio by town
        - B        1000(Bk - 0.63)^2 where Bk is the proportion of blacks by town
        - LSTAT    % lower status of the population
        - MEDV     Median value of owner-occupied homes in $1000's

    :Missing Attribute Values: None

    :Creator: Harrison, D. and Rubinfeld, D.L.

This is a copy of UCI ML housing dataset.
https://archive.ics.uci.edu/ml/machine-learning-databases/housing/
...

DESCR 외에도 해당 boston 데이터셋에는 몇가지의 key 값이 더 있습니다. 해당 키값을 모두 보기 위해서는 boston.key() 명령을 사용합니다.

boston.keys()
# dict_keys(['data', 'target', 'feature_names', 'DESCR', 'filename'])
  • data : 데이터셋의 정보가 numpy.ndarray 형태로 저장
  • target : 레이블 정보
  • feature_names : 데이터셋의 컬럼정보
  • DESCR : 데이터셋 설명
  • filename : 해당 데이터셋의 저장 위치 정보 표시

이렇게 입력된 데이터는 컬럼 정보와 분리되어 있기 때문에 보기에 좀 불편하고 어려울 수 있습니다. 이럴 때에 pandas 패키지를 통해 데이터프레임을 만들면 탐색적데이터분석에 좀 더 유리합니다.

import pandas as pd
df = pd.DataFrame(data=boston.data, columns = boston.feature_names)
df['TARGET'] = boston.target
df.head()

pandas의 데이터프레임으로 해당 데이터를 변경해보면 위와 같은 형태로 보여지기 때문에 데이터를 보기가 좀 더 편리합니다. 좀 더 자세한 정보를 보시고 싶으시면 df.info(), df.describe()와 같은 함수를 사용해보시면 각 컬럼의 데이터 타입과 기본적인 통계정보를 확인 할 수 있습니다. 추가로 matplotlib과 같은 시각화 함수를 사용하면 데이터를 내용을 더 쉽게 파악할 수 있습니다.

import matplotlib.pyplot as plt
plt.figure(figsize=(12,5))
plt.scatter(scaled_df['AGE'],scaled_df['DIS'])
corr = scaled_df.corr()
corr.style.background_gradient(cmap='coolwarm')

시각화로 데이터셋의 내용을 살펴본 후에 학습을 위해서 데이터를 나눠줄 필요가 있을 경우에 sklearn은 훌륭한 유틸 함수를 제공합니다. 아래와 같이 model_selection 패키지에서 train_test_split을 사용해서 학습용, 훈련용 데이터셋을 만들 수 있습니다.

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, shuffle=False, random_state=701)
print(x_train.shape) #404,13
print(x_test.shape) #102,13

Load_Digit 데이터셋

boston 데이터셋은 연속된 값을 가지는 회귀분석에서 많이 사용하는 예제입니다. 이번에는 분류 문제에 사용하는 데이터셋인 숫자(digit) 데이터셋을 살펴보겠습니다. 이 데이터의 shape은 (1797, 64) 입니다. 이것은 8 x 8 이미지를 1차원(64)으로 생성한 값인데 이러한 이미지가 1,797개가 있다는 의미입니다.

from sklearn.datasets import load_digits
digits = load_digits()
digits.data[0]
array([ 0.,  0.,  5., 13.,  9.,  1.,  0.,  0.,  0.,  0., 13., 15., 10.,
       15.,  5.,  0.,  0.,  3., 15.,  2.,  0., 11.,  8.,  0.,  0.,  4.,
       12.,  0.,  0.,  8.,  8.,  0.,  0.,  5.,  8.,  0.,  0.,  9.,  8.,
        0.,  0.,  4., 11.,  0.,  1., 12.,  7.,  0.,  0.,  2., 14.,  5.,
       10., 12.,  0.,  0.,  0.,  0.,  6., 13., 10.,  0.,  0.,  0.])
plt.imshow(digits.data[0].reshape(8,8))

해당 배열의 첫번째 값을 가지고 8×8배열로 만든 후에 이것을 이미지로 표시해보면 위와 같은 이미지 “0” 값이 나옵니다. 즉 이런 데이터가 1,797개가 있다는 의미입니다. 이러한 데이터를 훈련시키면 숫자가 입력될 때 이것이 어떤 숫자인지 예측할 수 있게 됩니다.

from sklearn.decomposition import PCA
pca = PCA(n_components=2) # 시각화를 위해 2차원으로 성분을 추출
dim2data = pca.fit_transform(digits.data)
plt.figure(figsize=(6,6))
plt.scatter(dim2digit[:,0], dim2digit[:, 1], c=digits.target, linewidth=1)
plt.show()

Word2Vec 시각화

Word2Vec은 간단을 간단히 말하면 “문장안에 있는 여러 단어들을 벡터 형태로 표현하는 것” 말 그대로 Word to Vector라고 할 수 있습니다. 워드라는 말은 쉽게 이해할 수 있지만 벡터(Vector)는 어떤 뜻일까요?

물리학이나 수학에서 약간씩 차이가 있지만 공통적으로 어떤 공간에서 위치와 방향성을 가지는 값을 표현하는 것이라고 할 수 있습니다. 그러니까 문장에 많은 Word를 어떤 공간에 위치값을 표시할 뿐만아니라 이 값들이 어떤 방향성이 있는지를 표시하는 기법이 Word2Vec이라고 하겠습니다.

위의 이미지는 word2vec의 가장 유명한 그림 중에 하나입니다. 각 단어들을 보면 어떤 방향성이 있고 숫자 값을 가지고 있습니다. 그렇기 때문에 유사도를 계산 할 수도 있고 각 단어의 관계에 대한 연산이 가능합니다.
예를 들어서 “KING-MAN+WOMAN=QUEEN”이라는 관계가 나온다는 것이죠.
또 “한국-서울+도쿄=일본”라는 관계를 추출할 수 있습니다. 아래 링크를 방문해보시고 다양한 케이스를 테스트해보시기 바랍니다.
https://word2vec.kr/search/

이것은 전통적인 방법인 One-Hot-Encoding을 통해서 단어를 표현하는 것의 문제점을 극복할 수 있는 아주 유용한 방법입니다. 이렇게 단어들을 벡터로 바꾸는 것을 워드 임베딩(Word-Embedding)이라고 하고 그중에서 가장 대표적인 모델이 Word2Vec 모델로 해당 단어와 함께 자주 등장하는 단어는 비슷한 단어일것이라는 가정으로 출발합니다.

본 예제는 Word2Vec의 원리와 이론을 소개하는 것은 아니고 실제로 단어를 2차원 공간에 표시하는 방법에 대한 예제코드이기 때문에 해당 이론이 궁금하신 분들은 인터넷에 공개된 많은 예제들이 있으니 참고해보시기 바랍니다.

예제를 실해하기 위해서 먼저 필요한 라이브러리를 import합니다.
분석할 데이터는 인터넷 쇼핑몰의 마우스를 구매한 후에 남긴 후기들을 모은 것입니다. 예를 들어 제품의 이름을 선택했을 경우에 해당 단어와 가장 거리가 가까운 단어들이 긍정의 단어들이라면 제품의 평가가 좋을 것일테고 반대로 제품이 부정적인 단어들과 거리가 가깝다면 반대의 경우라고 생각할 수 있겠습니다.

import pandas as pd
import numpy as np

df_r = pd.read_excel("./mouse_review.xlsx")
df_r.head()

파일을 읽어온 뒤에 pandas의 head() 함수로 상위 5개의 데이터를 추출해봅니다.
데이터는 사용자, 작성일, 리뷰 내용, 별점, 제품명 정보가 있습니다.

이번에 사용할 text 정보는 리뷰 내용입니다. 리뷰에 보면 여러가지 특수기호, 영문자 등이 있기 때문에 정규식을 통해서 한글 외에 나머지 데이터를 걸러냅니다. 걸러낸 데이터는 review_train 컬럼을 만들어서 원본 데이터와 별도로 저장해둡니다.

df_r['review_train'] = df_r['review'].str.replace("[^ㄱ-ㅎㅏ-ㅣ가-힣 ]","")
df_r.head()

1차로 정규화를 끝낸 텍스트 데이터를 통해서 문장을 형태소별로 분리해줍니다. 또 사용하지 않는 단어들의 사전을 모아서 불용단어를 걸러냅니다. 분석하고자 하는 상황에 맞춰서 불용어를 등록해줍니다.

from konlpy.tag import Okt

stop_words = ['가','요','변','을','수','에','문','제','를','이','도','은','다','게','요','한','일','할','인데','거','좀','는데','ㅎㅎ','뭐','까','있는','잘','습니다','다면','했','주려','지','있','못','후','중','줄']

okt = Okt()
tokenized_data = []
for sentence in df_r['review_train']:
    temp_X = okt.morphs(sentence, stem=True) # 토큰화
    temp_X = [word for word in temp_X if not word in stop_words] 
    tokenized_data.append(temp_X)

이제 시각화를 위한 준비를 해줍니다. 시각화는 matplolib을 사용합니다.
한글화를 위해서 폰트를 설정해줍니다.
본 예제는 Mac OS환경에서 테스트 되었기 때문에 폰트의 위치는 Window 사용자와 틀릴 수 있으니 테스트 환경에 맞게 폰트 정보를 변경해줍니다.

import matplotlib.pyplot as plt
from matplotlib import font_manager, rc
font_name = font_manager.FontProperties(fname='/System/Library/Fonts/Supplemental/AppleGothic.ttf').get_name()
rc('font', family=font_name)

리뷰 텍스트의 정보들을 간단히 표시해줍니다.
학습에 필요한 단계는 아니니 데이터에 대한 정보를 보고자 하지 않는다면 그냥 넘어가셔도 되겠습니다. 본 예제에 사용된 데이터는 대부분 길이가 0~50글자 사이의 비교적 짧은 문장들이라는 것을 알 수 있습니다.

print('리뷰의 최대 길이 :',max(len(l) for l in tokenized_data))
print('리뷰의 평균 길이 :',sum(map(len, tokenized_data))/len(tokenized_data))
plt.hist([len(s) for s in tokenized_data], bins=50)
plt.xlabel('length of samples')
plt.ylabel('number of samples')
plt.show()

이제 Word2Vec 모델을 생성할 차례입니다.
Word2Vec 모델은 가장 잘 알려진 gensim 라이브러리를 활용해보겠습니다.

사용한 파라메터의 자세한 정보는 아래 링크를 참조해보시기 바랍니다.
본 모델은 좌우 5개의 단어를 참조하는 100차원의 워드 벡터를 만드는 모델로 cobow 알고리즘을 사용하고 최소 5번 이하로 등장하는 단어들은 제외하겠습니다. worker는 thread의 갯수로 테스트하는 하드웨어의 성능에 따라서 조정할 수 있습니다.
https://radimrehurek.com/gensim/models/word2vec.html

from gensim.models import Word2Vec
model = Word2Vec(sentences = tokenized_data, size = 100, window = 5, min_count = 5, workers = 4, sg = 0)

학습 데이터가 많지 않기 대문에 학습 시간은 오래 걸리지 않습니다.
학습이 끝난 후에 단어들을 추출해서 벡터 리스트를 생성합니다. 해당 리스트 하나를 출력해보면 아래와 같은 데이터가 표시됩니다.

vocabs = model.wv.vocab.keys()
word_vocab_list = [model.wv[v] for v in vocabs]
array([ 0.45729467, -0.45482287,  0.2776271 , -0.38435346,  0.4311736 ,
       -0.36617622,  0.12129851, -0.309033  , -0.09569103, -0.27311006,
        0.28018764, -0.13276236,  0.13590969,  0.0521839 , -0.01882668,
        0.13234554, -0.02577238,  0.43111804, -0.6007069 ,  0.52846146,
        0.01065135, -0.20410554,  0.08504212, -0.5189065 ,  0.06219423,
       -0.10900757,  0.19578645, -0.01295294, -0.20757432, -0.17270625,
        0.08728364,  0.4751571 , -0.06208701, -0.3829262 ,  0.4810491 ,
       -0.27205822, -0.16547562, -0.2804698 ,  0.1357591 ,  0.16740464,
        0.53618526, -0.17420012,  0.06363445,  0.655636  ,  0.05952126,
       -0.6312642 ,  0.11448789, -0.00824977, -0.26018238, -0.33553734,
        0.18489622,  0.03913857, -0.5856825 , -0.08111028,  0.6696569 ,
        0.4201213 , -0.2061224 , -0.03785964, -0.0813726 ,  0.0297378 ,
       -0.5556496 , -0.0006753 ,  0.25876167,  0.08983239, -0.10351149,
        0.24005203,  0.21328437,  0.0797505 , -0.23059952, -0.32846287,
       -0.0017608 ,  0.51077896,  0.36693272,  0.2767188 , -0.47870687,
       -0.3036568 , -0.06708886, -0.4789917 , -0.08152916,  0.19817959,
        0.07031752, -0.34857494,  0.5963662 ,  0.02050934,  0.29983994,
        0.07854129,  0.40096822,  0.00098353, -0.26964054, -0.12954848,
        0.33181033, -0.07866482,  0.40206903, -0.37808138, -0.10669091,
       -0.15223539, -0.01180514, -0.13499472,  0.31345636,  0.08265099],
      dtype=float32)

Word2Vec에서 제공하는 함수인 most_similar()를 통해서 입력하는 단어와 가장 가까운 단어 정보를 표시해봅니다. “클릭”과 가장 가까운 단어는 “버튼”,”소리” 등의 순서로 각 단어간의 연관성이 매우 높다는 것을 알 수 있습니다.

아마도 마우스라는 제품의 특징상 클릭이라는 단어와 함께 버튼, 소리, 게임, 느낌 등의 단어가 많이 등장했다는 것을 알 수 있습니다.

print(model.wv.most_similar("클릭"))
[('버튼', 0.9999016523361206), ('소리', 0.9998948574066162), ('게임', 0.9998838305473328), ('느낌', 0.9998810291290283), ('아니다', 0.9998774528503418), ('되다', 0.9998745918273926), ('이나', 0.9998740553855896), ('만', 0.9998738765716553), ('재질', 0.9998738169670105), ('누르다', 0.9998728036880493)]

이제 각 단어와의 관계를 그래프로 나타내보겠습니다. 해당 데이터는 100차원의 데이터이고 그려보고자 하는 것은 2차원에 표시되는 그래프이기 때문에 차원을 축소할 필요가 있습니다.

잘알려진 차원축소 알고리즘으로 PCA기법이 있습니다.

PCA(Principal Component Analysis)는 차원축소(dimensionality reduction)와 변수추출(feature extraction) 기법으로 널리 쓰이고 있는 기법으로 데이터의 분산(variance)을 최대한 보존하면서 서로 직교하는 새 기저(축)를 찾아, 고차원 공간의 표본들을 선형 연관성이 없는 저차원 공간으로 변환하는 기법입니다. 
https://ratsgo.github.io/machine%20learning/2017/04/24/PCA/

from sklearn.decomposition import PCA
pca = PCA(n_components=2)
xys = pca.fit_transform(word_vocab_list)
xs = xys[:,0]
ys = xys[:,1]

#plt.figure(figsize=(10 ,10))
plt.scatter(xs, ys, marker = 'o')
plt.xlim(0,1), plt.ylim(0,0.01)
for i, v in enumerate(vocabs):
    plt.annotate(v, xy=(xs[i], ys[i]))

해당 기법을 통해서 아래와 같은 그래프를 그렸습니다. 해당 그래프는 전체 그래프에서 일부 구간(xlim, ylim)을 표시한 것으로 전체 데이터는 아닙니다.

높은 차원의 데이터를 평면으로 축소하면서 데이터의 구간이 많이 겹치는 것을 알 수 있습니다. 이러한 문제는 데이터를 더 높은 차원의 공간(3차원)에 표시한다던가 아니면 의미 없는 데이터들을 추출해서 데이터의 수를 줄여서 표시할 수도 있습니다.