
← MyDataScience서로의 코드를
.MPY 공유 · MyDataScience
서로의 코드를
올리고, 써보고, 평가합니다
데이터를 모으고, 분석하고, 측정하고, 반복 작업을 자동화하는 코드 — MyDataScience 의 My Python 에서 만든 것을 .mpy 파일 하나로 올립니다. 다른 사람이 자기 데이터·장비에 써보고 👍💡🤩 로 알려 줍니다. SDSL도 이 .mpy 공유의 참여자 중 하나입니다.
- 올라온 코드
- 9
- 올린 사람
- 3
- 써본 횟수
- 0
여기 올라오는 것
- 01모으기파일·센서·장비에서 데이터를 읽어 오는 코드
- 02분석하기통계·머신러닝·신호처리로 답을 찾는 코드
- 03측정하기값을 재고, 보정하고, 판정 기준을 검증하는 코드
- 04자동화하기반복 작업을 한 번에 돌리고 리포트까지 만드는 코드
MyDataScience는 이 네 단계를 직접 만들어 보며 배우는 도구입니다. 한 단계만 담은 코드도, 네 단계를 모두 잇는 코드도 환영합니다.
SDSL도 함께 올렸습니다
처음이라면 이걸로 시작해 보세요 — 받아서 실행해 보고, 고쳐서 내 분석으로 다시 올리면 됩니다
def pixel_columns(df: pd.DataFrame, prefix: str) -> list[str]:
cols = [c for c in df.columns if str(c).startswith(prefix) and str(c)[len(prefix):].isdigit()]
return sorted(cols, key=lambda c: int(str(c)[len(prefix):]))
def sum_pixels_by_row(df: pd.DataFrame, prefix: str) -> pd.DataFrame:
dff = df.copy()
cols = pixel_columns(dff, prefix)SDSL 공식
스펙트럼 픽셀 행 합산
Pixel0~PixelN 형태의 분광 데이터를 행(측정)마다 합산해 신호 세기 추이를 그린다
#학교·과학#시각화#시계열
matplotlib · pandas · 52줄
⬇ 받아서 써보기def preprocess(y: pd.Series, detrend: str, window: str) -> tuple[np.ndarray, float]:
arr = pd.to_numeric(y, errors='coerce').dropna().to_numpy(dtype=float)
if arr.size < 2:
return arr, 1.0
if detrend == '선형추세 제거':
x = np.arange(arr.size, dtype=float)SDSL 공식
FFT 스펙트럼과 주요 피크
신호 컬럼의 진폭 스펙트럼을 창 함수와 추세 제거를 골라 계산하고 상위 피크를 찾는다
#학교·과학#시계열#시각화
matplotlib · numpy · pandas · 97줄
⬇ 받아서 써보기def dominant_period(series: pd.Series) -> float | None:
s = pd.to_numeric(series, errors='coerce').dropna()
if len(s) < 4:
return None
normalized = (s - s.mean()) / (s.std() + 1e-10)
power = np.abs(np.fft.rfft(normalized.to_numpy())) ** 2SDSL 공식
🔥 만들어 주세요
준비 중· 요청 기능 미정아직 아무도 올리지 않은 주제 — 계측·자동화부터 생활·학습까지, 하나를 골라 만들어 올리면 그 주제의 첫 번째가 됩니다 · ★ 특히 기다리는 주제
계측·자동화
- ★센서 값 기록하고 이상치 잡아내기
- ★측정 반복 자동화 + 결과 리포트 자동 생성
- 보정(캘리브레이션) 곡선 만들기와 검증
- 신호 필터링 — 잡음 제거 전후 비교
- 장비 로그 파일 한 번에 정리하기
미디어·파일 데이터화
- ★음악 파형 & 스펙트럼 분석
- 사진 색감 분석
- 텍스트·책 단어 분석
- GPS 이동 경로 분석
개인 생활 기록
- ★가계부 지출 패턴
- 운동·건강 기록
- 유튜브·넷플릭스 시청 분석
공공·사회 데이터
- ★기상 이상기후 분석
- 미세먼지 패턴 분석
- 인구 변화 시각화
학교·과학 실험
- ★물리 실험 법칙 검증
- 식물 성장 기록 분석
- 성적 분포 & 상관관계
- 스포츠 경기 통계
비즈니스·직장
- ★매출 트렌드 & 예측
- ★설문 결과 자동 리포트
- A/B 테스트 유의성 검증
창의·예술
- ★명화 색상 DNA 추출
- 소설 작가 문체 분석
- 장르별 음악 특성 비교
게임 만들기
- ★데이터 퀴즈 게임
- ★반응속도 측정 & 분석
- 주가 투자 시뮬레이션
- 통계 추측 게임
- 데이터 기반 텍스트 어드벤처
시뮬레이션
- ★감염병 확산 시뮬레이션
- ★몬테카를로 확률 시뮬레이션
- 포식자-피식자 생태계
- 물리 운동 시뮬레이션
- 랜덤 워크 & 주가 시뮬레이션
쓸 수 있는 데이터:✅ 파일(CSV · Excel · JSON · 이미지 · 음악 · 텍스트 · PDF · GPS)⏳ 실시간 센서(마이크 · 카메라 · Arduino · BLE · MQTT IoT · USB 계측기)준비 중· 마이크 먼저⛔ GPU · 딥러닝(PyTorch · TensorFlow — 별도 검토 예정)
