![이미지](/TIL/assets/img/2024-07-09-7ThingsIShouldveLearntMuchEarlierForPythonFunctions_0.png)

파이썬에 대한 내 이해력이 더 좋았을 텐데, 이런 것들을 내 여정에서 이른 시일 내에 어떻게든 배웠더라면 훨씬 더 좋았을 텐데요. 하지만 인생은 인생대로이고, 늦게 배우는 것은 결코 늦기보다는 낫습니다.

# 1) 타입 힌팅

```python
def magic(a, b):
  return a + b
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

파이썬은 동적으로 타입이 지정되기 때문에 변수 데이터 유형이 실행 중에 결정되어서 저렇게 함수를 작성할 수 있습니다.

```js
def magic(a:int, b:int) -> int:
  return a + b
```

^ 위와 똑같은 함수를 작성하지만, 타입 힌트를 추가했습니다.

- a는 정수여야 합니다.
- b는 정수여야 합니다.
- 함수의 반환 값도 정수여야 합니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

코드베이스가 커질수록 타입 힌팅은 우리 코드를 가능한 한 사람이 읽기 쉽게 만드는 데 매우 중요해집니다. 1만 개의 함수가 있다고 상상해보세요. 이때 이 함수들이 어떤 데이터 유형을 취하는지와 반환하는 유형을 추론해야 한다면 정말 즐겁지 않을 것입니다.

```js
def test1(ls: list[int], x:float) -> list[float]:
  # 작업들
```

^ ls는 float의 리스트여야 하고, x는 float이어야 하며, 이 함수는 float의 리스트를 반환해야 합니다

파이썬 함수 사용법을 일찍 배웠어야 했던 7가지 팁

![image](/TIL/assets/img/2024-07-09-5WaystoConvertPDFtoWordinPythonAComparisonGuide_0.png)

PDF 문서를 편집 가능한 Microsoft Word 파일로 변환하면 변경 사항을 가할 수 있고 주석을 추가하며 PDF 콘텐츠에 대해 더 효율적으로 협업할 수 있습니다.

이 블로그 포스트에서는 무료 오픈 소스 라이브러리 또는 상용 라이브러리를 사용하여 Python에서 PDF를 Word로 변환하는 5가지 솔루션을 모아서 각 솔루션의 장단점을 강조했습니다.

- PyPDF2 및 python-docx를 사용하여 PDF를 Word로 변환
- pdfplumber 및 python-docx를 사용하여 PDF를 Word로 변환
- pdf2docx를 사용하여 PDF를 Word로 변환
- Spire.PDF for Python을 사용하여 PDF를 Word로 변환
- .NET을 통해 Aspose.Words for Python을 사용하여 PDF를 Word로 변환



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

## PyPDF2와 python-docx를 사용하여 PDF를 Word로 변환하기

PyPDF2는 Python에서 PDF 파일을 다루는 데 사용하는 무료 오픈 소스 라이브러리로, PDF 문서를 읽고 조작하며 처리하는 다양한 기능을 제공합니다.

python-docx는 Microsoft Word (.docx) 파일을 생성하고 업데이트하는 데 사용하는 무료 오픈 소스 라이브러리입니다.

PyPI를 통해 이들을 설치하려면 다음과 같은 pip 명령을 사용하십시오.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

```js
pip install PyPDF2
pip install python-docx
```

코드 예시:

```js
from PyPDF2 import PdfReader
from PyPDF2 import PdfWriter
from docx import Document
from docx.shared import Inches

# 새 Word 문서 생성
document = Document()

# PDF 파일 열기
with open("C:\\Users\\Administrator\\Desktop\\Input.pdf", "rb") as file:

    # PdfReader 객체 생성
    pdf_reader = PdfReader(file)

    # 쓰기용으로 Word 문서 열기
    with open("output.docx", "wb") as output_file:

        # 각 페이지를 순환하며
        for page_num in range(len(pdf_reader.pages)):

            # 현재 페이지 가져오기
            page = pdf_reader.pages[page_num]

            # 페이지에서 텍스트 추출
            text = page.extract_text()

            # 텍스트를 담는 단락을 Word에 추가
            document.add_paragraph(text)

# Word 문서 저장
document.save("output.docx")
```

장점:



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

- 무료입니다.

단점:

- 텍스트만 추출되어 워드 문서에 삽입됩니다.
- 원본 PDF 파일의 모든 서식과 레이아웃이 손실됩니다.

## pdfplumber와 python-docx를 이용해 PDF를 워드로 변환하기



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

python-docx은 Microsoft Word (.docx) 파일을 만들고 업데이트하기 위한 무료 오픈소스 라이브러리입니다.

pdfplumber는 PDF 파일로부터 텍스트와 테이블을 추출하기 위한 무료 오픈소스 Python 라이브러리입니다.

아래 명령어를 통해 PyPI를 통해 이를 설치할 수 있습니다.

```js
pip install pdfplumber
pip install python-docx
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

아래는 코드 예시입니다:

```js
import pdfplumber
from docx import Document
from docx.shared import Inches

# PDF 파일 열기
with pdfplumber.open("C:\\Users\\Administrator\\Desktop\\Input.pdf") as pdf:

    # PDF에서 텍스트 추출
    text = ""
    for page in pdf.pages:
        text += page.extract_text()

# 새 Word 문서 생성
document = Document()

# 문서에 텍스트가 들어갈 단락 추가
document.add_paragraph(text)

# Word 문서 저장
document.save("output.docx")
```

장점:

- 무료입니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

**단점:**

- 텍스트만 추출되어 워드 문서에 들어가게 됩니다.
- 원본 PDF 파일의 모든 서식과 레이아웃이 사라집니다.

## pdf2docx를 사용하여 PDF를 워드로 변환하기

pdf2docx는 PDF 파일을 Microsoft Word (.docx) 문서로 간단하고 효율적으로 변환하는 방법을 제공하는 Python 라이브러리입니다. 이는 문서 변환, 데이터 추출 및 텍스트 처리와 같은 여러 목적으로 사용할 수 있는 무료 오픈 소스 라이브러리입니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

다음 pip 명령을 사용하여 PyPI에서 설치할 수 있습니다.

```js
pip install pdf2docx
```

코드 예시:

```js
from pdf2docx import Converter

def convert_pdf_to_docx(pdf_file, docx_file):

    # Converter 객체 생성
    cv = Converter(pdf_file)

    # 지정된 PDF 페이지를 docx로 변환
    cv.convert(docx_file, start=0, end=None)
    cv.close()

# PDF를 Docx 파일로 변환
convert_pdf_to_docx("C:\\Users\\Administrator\\Desktop\\Input.pdf", "Output.docx")
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

장점:

- 무료입니다.
- 텍스트 및 그래픽 요소가 모두 변환됩니다.
- 형식 및 레이아웃이 유지됩니다.

단점:

- 상업용 라이브러리를 사용하는 것보다 복잡한 PDF 문서를 변환하는 데 시간이 조금 더 소요됩니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

## Spire.PDF를 사용하여 PDF를 Word로 변환하기

Spire.PDF for Python은 Python에서 PDF 문서를 처리하는 기능이 풍부한 라이브러리입니다. PDF 파일을 프로그래밍적으로 만들거나 수정하거나 조작하기 위한 다양한 도구를 제공합니다.

PyPI에서 다음 pip 명령어를 사용하여 설치할 수 있습니다.

```js
pip install Spire.PDF
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

코드 예시:

```python
from spire.pdf.common import *
from spire.pdf import *

# PdfDocument 객체 생성
doc = PdfDocument()

# PDF 문서 불러오기
doc.LoadFromFile("C:\\Users\\Administrator\\Desktop\\Input.pdf")

# 스트리밍 레이아웃으로 PDF를 Word로 변환
# doc.ConvertOptions.SetPdfToDocOptions(True, True)

# docx 파일로 변환
doc.SaveToFile("Output.docx", FileFormat.DOCX)

# 리소스 해제
doc.Close()
```

장점:

- 텍스트와 그래픽 요소가 모두 변환됩니다.
- 서식과 레이아웃이 보존됩니다(고정 페이지 레이아웃 모드에서).
- 변환 속도가 빠릅니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

단점:

- 최저 수준의 라이선스 비용은 $999입니다.

## Aspose.Words for Python을 사용하여 PDF를 Word로 변환하기

Aspose.Words for Python via .NET은 Python을 통해 Microsoft Word 문서(.docx, .doc)를 조작하고 변환하는 상용 라이브러리입니다. 또한 PDF 및 HTML과 같은 다른 형식을 Word 형식으로 변환하는 기능도 지원합니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

테이블 태그를 Markdown 형식으로 변경해보세요.

| Header One | Header Two |
| ---------- | ---------- |
| Data 1     | Data 2     |
| Data 3     | Data 4     |



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

장점:

- 텍스트 및 그래픽 요소가 모두 변환됩니다.
- 형식과 레이아웃이 보존됩니다.
- 변환 속도가 빠릅니다.

단점:

- 가장 낮은 수준의 라이선스 비용은 $1199입니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

## 결론

무료이자 오픈 소스인 라이브러리를 사용하면 Python을 활용해 PDF 및 Word 문서를 처리할 수 있어 편리하며, 라이선스나 비용에 대한 걱정 없이 사용할 수 있습니다. 상업용 솔루션은 일반적으로 무료이자 오픈 소스인 라이브러리보다 더 고급 기능을 제공하며 더 나은 성능을 보장합니다. 이러한 옵션 중 어떤 것을 선택할지는 당신의 특정 요구 사항, 예산 및 필요한 기능 수준에 따라 다를 것입니다.

## 관련 자료

Python에서 PDF에 주석 달기의 8가지 방법



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

파이썬에서 PDF 파일을 나누고 병합하기

파이썬에서 PDF의 텍스트 추출하기

파이썬에서 PDF에서 이미지 추출하기

Python을 사용한 PDF를 Word로 변환하는 5가지 방법 비교 가이드

Plotly Dash로 아름답고 상호작용하는 대시보드 레이아웃 만드는 방법 Python

PDF (Portable Document Format) 파일은 다양한 형식과 일관된 포맷팅을 가지고 있어 문서 공유와 보존에 널리 사용됩니다. 텍스트 콘텐츠 외에도 PDF 파일에는 종종 가치 있는 이미지가 포함되어 있습니다. 이러한 이미지를 추출하고 위치 (x와 y 좌표), 너비, 높이와 같은 관련 정보를 검색함으로써 이미지 분석, 조작, 그리고 다양한 프로젝트에 통합하는 많은 가능성을 발견할 수 있습니다. 이 블로그 포스트에서는 Python을 사용하여 PDF 파일에서 이미지와 이미지 정보를 추출하는 방법을 알아보겠습니다.

- Python으로 PDF에서 이미지 추출하기
- Python으로 PDF에서 이미지 정보 추출하기

# Python을 사용하여 PDF로부터 이미지 및 이미지 정보 추출하는 라이브러리

Python에서 PDF 파일로부터 이미지와 이미지 정보를 추출하기 위해 Spire.PDF for Python을 사용할 것입니다. 이 라이브러리는 Python 애플리케이션 내에서 PDF 파일을 생성, 읽기, 편집, 변환할 수 있도록 설계된 기능이 풍부하고 사용자 친화적인 라이브러리입니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

다음 pip 명령어를 사용하여 PyPI에서 Spire.PDF for Python을 설치할 수 있어요:

```js
pip install Spire.Pdf
```

이미 Spire.PDF for Python을 설치 했고 최신 버전으로 업그레이드 하고 싶다면, 다음 pip 명령어를 사용해 주세요:

```js
pip install --upgrade Spire.Pdf
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

더 자세한 정보를 원하시면, 이 공식 설명서를 확인하실 수 있어요: VS Code에서 Python용 Spire.PDF 설치 방법.

# Python에서 PDF 이미지 추출하기

Spire.PDF for Python의 PdfImageHelper 클래스를 사용하면 PDF 파일 내 이미지를 쉽게 다룰 수 있어요.

PDF 파일에서 이미지를 가져오려면 PdfImageHelper.GetImagesInfo(page: PdfPageBase) 함수를 사용할 수 있어요. 이 함수는 PDF 페이지의 이미지를 나타내는 PdfImageInfo 객체 목록을 반환할 거예요. PdfImageInfo 객체를 얻으면 PdfImageInfo.Image.Save() 함수를 사용하여 각 이미지를 파일로 저장할 수 있어요.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

아래 코드는 Python 및 Spire.PDF for Python을 사용하여 PDF 파일에서 이미지를 추출하는 방법을 보여줍니다:

```python
from spire.pdf.common import *
from spire.pdf import *

def extract_images_from_pdf(pdf_path, output_dir):
    """
    PDF 파일에서 모든 이미지를 추출하여 지정된 출력 디렉토리에 저장합니다.

    Args:
        pdf_path (str): PDF 파일 경로
        output_dir (str): 추출된 이미지가 저장될 디렉토리
    """
    # PdfDocument 객체 생성 및 PDF 파일 로드
    doc = PdfDocument()
    doc.LoadFromFile(pdf_path)

    # PdfImageHelper 객체 생성
    image_helper = PdfImageHelper()

    image_count = 1
    # PDF의 모든 페이지에 대해 반복
    for page_index in range(doc.Pages.Count):
        # 현재 페이지의 이미지 정보 가져오기
        image_infos = image_helper.GetImagesInfo(doc.Pages[page_index])

        # 이미지 추출 및 저장
        for image_index in range(len(image_infos)):
            # 이미지 가져오기
            image = image_infos[image_index].Image
            # 출력 파일 이름 지정
            output_file = os.path.join(output_dir, f"Image-{image_count}.png")
            # 이미지 저장
            image.Save(output_file)
            image_count += 1

    # PdfDocument 객체 닫기
    doc.Close()

# 사용 예시
extract_images_from_pdf("Sample.pdf", "C:/Users/Administrator/Desktop/Images")
```

<img src="/TIL/assets/img/2024-07-09-ExtractImagesandImageInformationfromPDFwithPython_0.png" />

# Python을 사용하여 PDF에서 이미지 정보 추출하기



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

PDF에서 이미지의 정보를 추출하기 위해서는 PdfImageInfo.Bounds.X, PdfImageInfo.Bounds.Y, PdfImageInfo.Bounds.Width 및 PdfImageInfo.Bounds.Height 속성을 사용할 수 있습니다.

아래 코드는 Python과 Spire.PDF for Python을 사용하여 PDF 파일에서 이미지의 위치 (x 및 y 좌표), 너비 및 높이와 같은 이미지 정보를 추출하는 방법을 보여줍니다:

```python
from spire.pdf.common import *
from spire.pdf import *

def print_pdf_image_info(pdf_path):
    """
    PDF 파일에서 이미지에 대한 정보를 출력합니다.

    Args:
        pdf_path (str): PDF 파일의 경로.
    """
    # PdfDocument 객체를 만들고 PDF 파일을 로드합니다
    doc = PdfDocument()
    doc.LoadFromFile(pdf_path)

    # PdfImageHelper 객체를 만듭니다
    image_helper = PdfImageHelper()

    # PDF의 모든 페이지를 반복합니다
    for page_index in range(doc.Pages.Count):
        page = doc.Pages[page_index]

        # 현재 페이지에 대한 이미지 정보를 가져옵니다
        image_infos = image_helper.GetImagesInfo(page)

        # 이미지 정보를 출력합니다
        for image_index, image_info in enumerate(image_infos):
            print(f"페이지 {page_index + 1}, 이미지 {image_index + 1}:")
            print(f"  이미지 위치: ({image_info.Bounds.X}, {image_info.Bounds.Y})")
            print(f"  이미지 크기: {image_info.Bounds.Width} x {image_info.Bounds.Height}")

    # PdfDocument 객체를 닫습니다
    doc.Close()

# 사용 예
print_pdf_image_info("Sample.pdf")
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

# 결론

이 블로그 포스트에서는 Python을 사용하여 PDF 파일에서 이미지를 추출하는 방법을 보여주었습니다. 또한 Python을 사용하여 PDF 파일에서 이미지의 위치 (x 및 y 좌표), 너비 및 높이와 같은 이미지와 관련된 세부 정보를 추출하는 방법도 설명되었습니다.

# 관련 주제

- Python을 사용하여 PDF에서 텍스트 읽거나 추출하기 — 포괄적인 안내서
- Python을 사용하여 PDF 테이블을 텍스트, Excel 및 CSV로 추출하기
- Python을 사용하여 PDF 양식 데이터 추출하기
- Python을 사용하여 PDF를 압축하거나 파일 크기 줄이는 5가지 방법
- Python을 사용하여 PDF 파일 자르기 방법

Python을 사용해 PDF에서 이미지 및 이미지 정보 추출하는 방법

디지털 이미지 처리 및 비디오 편집에서 특정 색상(일반적으로 녹색 또는 파랑)을 다른 이미지 또는 비디오 시퀀스로 대체하는 기술은 염색 키 또는 그린 스크린이라고 일반적으로 알려져 있습니다. 이 기술은 영화 제작, 텔레비전 제작 및 소셜 미디어 플랫폼에 매력적인 콘텐츠를 만드는 데 널리 사용됩니다. 이 기술은 파이썬을 사용하여 구현할 수 있습니다.

이제 파이썬 코드의 각 단계를 분해하여 녹색 배경을 이미지에서 제거하고 다른 이미지로 대체하는 방법을 이해해 보겠습니다:

```python
# 필요한 라이브러리 가져오기

코드는 필요한 라이브러리를 가져오는 것으로 시작합니다. OpenCV 함수를 위해 cv2를, 숫자 연산을 위해 numpy를 가져옵니다.
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

```js
import cv2
import numpy as np
```

# 이미지 읽기 및 크기 조정

두 개의 이미지, greenscreen01.jpg(녹색 배경을 가진 주 이미지)와 scenic04.jpg(대체 이미지)를 읽습니다. 두 이미지 모두 균일한 크기로 조정됩니다(이 경우 500x500 픽셀) 이후의 처리를 위해 호환성을 보장합니다.

```js
# 주 이미지(녹색 배경)와 대체 이미지를 읽기
main_image = cv2.imread('greenscreen01.jpg')
replacement_image = cv2.imread('scenic04.jpg')

main_image = cv2.resize(main_image, (500, 500))
replacement_image = cv2.resize(replacement_image, (500, 500))
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

![Image](/TIL/assets/img/2024-07-09-UsingPythontoconvertGreenbackgroundwithanotherImageComputerVision_0.png)

## HSV로 변환

주 이미지 (main_image)는 BGR (기본 OpenCV 색상 형식)에서 HSV (색조, 채도, 값) 색 공간으로 변환됩니다. HSV는 색상 기반 세분화에 유용합니다.

```js
# 주 이미지를 HSV 색 공간으로 변환
hsv_main = cv2.cvtColor(main_image, cv2.COLOR_BGR2HSV)
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

# 색상 범위 정의

HSV 공간에서 녹색 색상의 범위는 하한 및 상한 임계값 (lower_green 및 upper_green)을 사용하여 정의됩니다. 이러한 값은 주 이미지에 나타난 녹색 음영의 범위를 커버하도록 경험적으로 조정됩니다.

```js
# HSV 색 공간에서 녹색 색상 범위 정의
lower_green = np.array([35, 50, 50])
upper_green = np.array([85, 255, 255])
```

# 마스크 생성 및 녹색 픽셀 대체



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

이진 마스크(mask)는 cv2.inRange()을 사용하여 생성됩니다. 이는 메인 이미지 내에서 지정된 녹색 색상 범위 내에 속하는 픽셀을 식별합니다. 마스크(mask) 내에서 0이 아닌 값에 해당하는 메인 이미지의 픽셀(즉, 녹색 픽셀)은 대체 이미지의 픽셀로 대체됩니다.

```python
# 정의된 범위 내의 녹색 픽셀에 대한 마스크 생성
mask = cv2.inRange(hsv_main, lower_green, upper_green)

# 대체 이미지에서 해당 픽셀로 녹색 픽셀 교체
modified_main_image = main_image.copy()
modified_main_image[mask > 0] = replacement_image[mask > 0]
```

# 결과 표시

수정된 이미지(modified_main_image)는 cv2.imshow()를 사용하여 표시되며, 초록 배경 제거 효과를 시각적으로 확인할 수 있습니다. cv2.waitKey(0)는 이미지 창을 닫기 위해 키 입력을 기다리며, cv2.destroyAllWindows()는 모든 OpenCV 창을 정상적으로 닫습니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

```js
# 수정된 메인 이미지 표시
cv2.imshow('수정된 메인 이미지', modified_main_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
```

![2024-07-09-UsingPythontoconvertGreenbackgroundwithanotherImageComputerVision_1](/TIL/assets/img/2024-07-09-UsingPythontoconvertGreenbackgroundwithanotherImageComputerVision_1.png)

# 결론

이러한 몇 가지 단계를 사용하면 Python과 OpenCV를 활용하여 이미지에서 녹색 배경을 효과적으로 제거할 수 있습니다. 이미지를 HSV 색 공간으로 변환하고, 녹색 색상 범위를 정의하고, 마스크를 생성하고, 픽셀을 대체함으로써, 이 코드는 녹색 배경을 다른 이미지로 대체하는 원하는 효과를 제공합니다. 이 기술은 비디오 시퀀스를 처리하고 비디오 편집 및 특수 효과 제작에서 만날 수 있는 더 복잡한 시나리오를 처리하기 위해 더 확장될 수 있습니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

# 참고 자료

https://opencv.org/

컴퓨터 비전으로 파이썬을 사용해 녹색 배경을 다른 이미지로 교체하는 방법

Python으로 머신러닝에서 불균형 데이터 다루는 방법

취미로 만든 파이썬 버전 관리 시스템 I Coded Pit 소개 

TensorFlow Transform 프로덕션에서 매끄러운 데이터 준비를 위한 필수 가이드

<img src="/TIL/assets/img/2024-07-09-VisualizingModelPerformanceAGuidetoPlottingConfusionMatricesinPythonCode_0.png" />

안녕하세요! 이 기사에서는 머신러닝 모델을 평가하는데 있어서 혼동 행렬의 중요성에 대해 살펴보겠습니다. 혼동 행렬이 무엇이며, 어떻게 작동하는지, 그리고 분류 모델의 성능을 평가하는 데 왜 중요한지에 대한 자세한 설명을 제공할 것입니다. 게다가, 우리는 혼동 행렬을 그리는 Python 함수를 살펴보고, 결과를 효과적으로 해석하는 방법에 대한 통찰을 제공할 것입니다.

## 혼동 행렬 소개

혼동 행렬은 분류 알고리즘의 성능을 평가하는 데 사용되는 표입니다. 예측된 레이블을 실제 레이블과 비교하여 모델이 얼마나 잘 수행되고 있는지 명확하게 보여줍니다. 이 행렬은 모델이 어떤 종류의 오류를 범하고 있는지 이해하는 데 특히 유용하며, 개선할 부분을 식별하는 데 도움이 됩니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

## 혼동 행렬의 구조

이진 분류 문제의 혼동 행렬은 일반적으로 다음과 같은 모습을 갖습니다:

![Confusion Matrix](/TIL/assets/img/2024-07-09-VisualizingModelPerformanceAGuidetoPlottingConfusionMatricesinPythonCode_1.png)

다중 클래스 분류 문제의 경우, 행렬은 더 많은 클래스를 수용하도록 확장됩니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

- 정확도: 정확도 점수 이상의 자세한 정확도 정보를 제공합니다.
- 오류 분석: 오류 유형(거짓 양성 및 거짓 음성)을 식별하는 데 도움이 됩니다.
- 모델 개선: 오분류를 이해함으로써 모델을 개선하는 데 유용한 통찰을 제공합니다.

## Python으로 혼동 행렬 플로팅

```js
import itertools
import matplotlib.pyplot as plt
import numpy as np

def plot_confusion_matrix(cm, class_labels=None, normalize=False, figsize=(10, 10)):
    """
    레이블 및 백분율로 혼동 행렬을 플로팅합니다.

    Args:
        cm (numpy.ndarray): 혼동 행렬.
        class_labels (list, optional): 클래스에 대한 사용자 정의 레이블. 기본값은 None입니다.
        normalize (bool, optional): 백분율을 위해 혼동 행렬을 정규화할지 여부. 기본값은 False입니다.
        figsize (tuple, optional): 도표의 크기. 기본값은 (10, 10)입니다.

    Returns:
        None
    """
    n_classes = cm.shape[0]

    # 플로팅을 위한 도표 및 축 생성
    fig, ax = plt.subplots(figsize=figsize)

    # 혼동 행렬 시각화를 위한 컬러맵 생성
    cax = ax.matshow(cm, cmap=plt.cm.Blues)  # 다른 컬러맵을 사용할 수 있습니다

    # 플롯에 컬러바 추가
    fig.colorbar(cax)

    # 축 레이블 (선택사항)
    if class_labels is not None:
        labels = class_labels
    else:
        labels = np.arange(cm.shape[0])

    # 축 레이블 및 제목 설정
    ax.set(
        title="혼동 행렬",
        xlabel="예측된 레이블",
        ylabel="실제 레이블",
        xticks=np.arange(n_classes),
        yticks=np.arange(n_classes),
        xticklabels=labels,
        yticklabels=labels,
    )

    # 가독성을 높이기 위해 x축 레이블 회전
    ax.xaxis.set_label_position("bottom")
    ax.xaxis.tick_bottom()

    # 레이블 크기 조정
    plt.setp(ax.xaxis.get_majorticklabels(), size=20)
    plt.setp(ax.yaxis.get_majorticklabels(), size=20)
    ax.title.set_size(20)

    # 텍스트 색상 임계값 계산
    threshold = (cm.max() + cm.min()) / 2.

    # 필요한 경우 혼동 행렬 정규화
    if normalize:
        cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]

    # 혼동 행렬의 각 요소를 순회하고 텍스트 주석 추가
    for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])):
        # 값 및 백분율 표시 (선택사항)
        text = f"{cm[i, j]:.2f}" if normalize else f"{cm[i, j]}"

        # 임계값에 기반한 텍스트 색상 설정
        color = "white" if cm[i, j] > threshold else "black"

        # 중앙 정렬 및 적절한 크기로 텍스트 주석 추가
        ax.text(
            j,
            i,
            text,
            ha="center",
            va="center",
            color=color,
            fontsize=15,
        )

    # 혼동 행렬 플롯 표시
    plt.show()
```

Plot Confusion Matrix 함수 사용 방법



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

- 혼동 행렬 생성: 플로팅하기 전에 모델의 예측과 실제 레이블을 이용해 혼동 행렬을 생성해야 합니다. 이를 위해 sklearn.metrics.confusion_matrix를 사용할 수 있습니다.

```js
from sklearn.metrics import confusion_matrix

y_pred = model.predict(X_test)
cm = confusion_matrix(y_test, y_pred)
```

2. 혼동 행렬 플로팅: 생성된 행렬로 plot_confusion_matrix 함수를 호출하세요.

```js
plot_confusion_matrix(cm, (class_labels = ["Class 0", "Class 1"]), (normalize = True));
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

혼동 행렬은 분류 모델의 성능을 평가하는 강력한 도구입니다. 이들은 모델이 얼마나 잘 수행되고 있는지에 대한 포괄적인 관점을 제공하며 개선이 필요한 부분을 강조합니다. 혼동 행렬을 시각화함으로써, 모델의 동작에 대한 더 깊은 통찰력을 얻고 미래 개선을 위한 정보를 파악할 수 있습니다.

본 문서에서는 혼동 행렬을 플로팅하는 Python 함수를 제공하고 사용 방법을 설명했습니다. 이 함수를 워크플로에 통합함으로써, 모델의 예측을 효과적으로 분석하고 해석할 수 있어 더 나은 정확도의 머신 러닝 모델에 이르게 될 것입니다.

모델 성능 시각화 Python 코드로 혼동 행렬 그리는 방법 가이드

<img src="/TIL/assets/img/2024-07-09-PortfolioOptimizationwithPyBroker_0.png" />

포트폴리오 최적화는 포트폴리오 내 자산을 특정 목표를 충족시키기 위해 할당하는 방법입니다. 예를 들어, 이는 리스크를 최소화하고 수익을 극대화하는 목표로 자산 포트폴리오를 구성하는 데 사용할 수 있습니다.

포트폴리오 최적화는 정기적으로 주식 포트폴리오를 리밸런싱하는 유용한 기술일 수 있습니다. 이 접근 방식을 통해 우리는 포트폴리오의 원하는 목표를 달성하기 위해 가장 최적의 방법으로 주식을 매수하고 매도할 수 있습니다.

이 글에서는 Python과 PyBroker를 사용하여 매월 초에 포트폴리오를 리밸런싱하는 거래 전략을 시뮬레이션하는 방법을 살펴볼 것입니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

## 설정

거래 전략을 시뮬레이션하기 위해서는 Python에서 백테스팅 프레임워크를 사용할 수 있습니다. 우리는 트레이딩 전략을 개발하기 위한 오픈소스 Python 프레임워크인 PyBroker을 사용할 것입니다. PyBroker을 사용하기 위해 아래의 명령어를 터미널에 입력하여 라이브러리를 설치할 수 있습니다:

```js
pip install -U lib-pybroker
```

그 다음으로, 우리가 PyBroker에서 구현할 전략을 위해 포트폴리오 최적화를 수행할 수 있는 Riskfolio-Lib을 설치해봅시다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

```shell
pip install -U riskfolio-lib
```

위의 패키지를 설치한 후, 필요한 라이브러리를 import하여 새 노트북을 만들어봅시다:

```shell
import pandas as pd
import pybroker as pyb
import riskfolio as rp
from datetime import datetime
from pybroker import ExecContext, Strategy, YFinance
```

또한 PyBroker에서 데이터 캐싱을 활성화할 수도 있습니다. 이렇게 하면 Yahoo Finance로부터 다운로드된 히스토리컬 데이터가 캐싱되어 전략을 테스트할 수 있습니다:



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

```js
pyb.enable_data_source_cache("rebalancing");
```

## Positions Rebalancing

우리는 PyBroker를 사용하여 매달 처음에 길이만 있는 포트폴리오를 동일한 포지션 사이징을 사용하여 리밸런싱(rebalancing)하는 간단한 전략을 작성해 보겠습니다. 말하자면, 매월 초에 우리 전략은 포트폴리오의 각 주식이 대략적으로 동일한 할당을 갖도록 충분한 주식을 매수하거나 매도할 것입니다.

먼저, 주식의 목표 할당에 도달하기 위해 주식의 충분한 주식을 매수하거나 매도할 수 있는 함수를 구현하는 것으로 시작합니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

```python
def set_target_shares(
    ctxs: dict[str, ExecContext],  # 종목 심볼 -> 실행 컨텍스트
    targets: dict[str, float]      # 종목 심볼 -> 목표 가중치
):
    for symbol, target in targets.items():
        ctx = ctxs[symbol]
        # 목표 가중치를 사용하여 목표 주식수 계산
        target_shares = ctx.calc_target_shares(target)
        pos = ctx.long_pos()
        # 현재 해당 종목의 매수 포지션이 없는 경우 매수
        if pos is None:
            ctx.buy_shares = target_shares
        # 아니면, 목표치에 도달할 만큼 주식을 매수
        elif pos.shares < target_shares:
            ctx.buy_shares = target_shares - pos.shares
        # 현재 할당이 목표 수준을 초과하는 경우, 충분한 주식 매도
        elif pos.shares > target_shares:
            ctx.sell_shares = pos.shares - target_shares
```

현재 할당이 목표 수준을 초과하면 해당 자산의 필요 주식을 판매하고, 현재 할당이 목표 수준 미만이면 해당 자산의 필요 주식을 구매하는 함수입니다.

다음으로 매월 초에 각 주식을 동일 비중으로 타겟팅하는 리밸런싱 함수를 작성합니다:

```python
def rebalance(ctxs: dict[str, ExecContext]):
    if start_of_month(ctxs):
        target = 1 / len(ctxs)  # 동일 가중치
        set_target_shares(ctxs, {symbol: target for symbol in ctxs.keys()})
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

그럼 이제 새로운 달의 시작을 감지하는 도우미 함수를 구현해 봅시다:

```js
def start_of_month(ctxs: dict[str, ExecContext]) -> bool:
    dt = tuple(ctxs.values())[0].dt
    if dt.month != pyb.param('current_month'):
        pyb.param('current_month', dt.month)
        return True
    return False
```

이제 이러한 함수들을 사용하여 다섯 가지 주식 포트폴리오를 위한 리밸런싱 전략을 백테스트할 수 있습니다.

```js
strategy = Strategy(YFinance(), (start_date = "1/1/2018"), (end_date = "1/1/2023"));
strategy.add_execution(None, ["TSLA", "NFLX", "AAPL", "NVDA", "AMZN"]);
strategy.set_after_exec(rebalance);
result = strategy.backtest();
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

백테스트를 실행한 후에는 주문 목록을 확인할 수 있습니다:

```js
result.orders;
```

```js
     type symbol date        shares  limit_price  fill_price  fees
id
1    buy  NFLX   2018-01-03  99      NaN          203.86      0.0
2    buy  AAPL   2018-01-03  464     NaN           43.31      0.0
3    buy  TSLA   2018-01-03  935     NaN           21.36      0.0
4    buy  AMZN   2018-01-03  336     NaN           59.84      0.0
5    buy  NVDA   2018-01-03  376     NaN           52.18      0.0
... ... ... ... ... ... ... ...
292  sell NFLX   2022-12-02   15     NaN         315.99       0.0
293  sell NVDA   2022-12-02   97     NaN         166.89       0.0
294  buy  AAPL   2022-12-02   27     NaN         146.82       0.0
295  buy  TSLA   2022-12-02   70     NaN         193.68       0.0
296  buy  AMZN   2022-12-02   41     NaN          94.57       0.0
```

그리고 우리의 전략을 평가하기 위한 성능 지표를 확인할 수 있습니다:



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

```js
result.metrics_df;
```

```js
trade_count                 207.000000
initial_market_value     100000.000000
end_market_value         320498.810000
total_pnl                305804.840000
total_return_pct            305.804840
max_drawdown            -332039.770000
max_drawdown_pct            -52.068777
```

## 포트폴리오 최적화 사용

포트폴리오에서 각 주식을 동일한 포지션 크기로 할당하는 대신, 포트폴리오 최적화를 사용하여 각 주식의 할당을 결정해 보겠습니다.



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

Riskfolio-Lib을 사용하여 포트폴리오에서 각 주식에 할당해야 하는 금액을 최소화하여 리스크를 계산할 수 있어요. 이것은 각 주식과 연관된 과거 리스크를 측정함으로써 할 수 있어요.

조건부 가치위험(CVaR)은 각 주식의 위험을 평가하는 한 가지 방법이에요. 특정 확률 수준 이상의 최악의 시나리오에서 예상 손실을 제공해요. 예를 들어, CVaR은 95% 신뢰 수준을 고려할 때 시나리오 중 최악의 5%에서의 평균 손실을 추정할 수 있어요.

아래에서는 작년의 수익률을 사용하여 CVaR을 최소화하고 포트폴리오에 할당하기 위해 RiskFolio-Lib을 사용했어요.

```js
pyb.param('lookback', 252)  # 작년의 수익률 사용 -> 252 바.

def calculate_returns(ctxs: dict[str, ExecContext], lookback: int):
    prices = {}
    for ctx in ctxs.values():
        prices[ctx.symbol] = ctx.adj_close[-lookback:]
    df = pd.DataFrame(prices)
    return df.pct_change().dropna()

def optimization(ctxs: dict[str, ExecContext]):
    if start_of_month(ctxs):
        Y = calculate_returns(ctxs, lookback)
        port = rp.Portfolio(returns=Y)
        port.assets_stats(method_mu='hist', method_cov='hist', d=0.94)
        # CVaR을 최소화한 후 목표 가중치 얻기.
        w = port.optimization(
            model='Classic',
            rm='CVaR',
            obj='MinRisk',
            rf=0,      # 무위험 이자율.
            l=0,       # 리스크 회피 계수.
            hist=True  # 과거 시나리오 사용.
        )
        targets = {
            symbol: w.T[symbol].values[0]
            for symbol in ctxs.keys()
        }
        set_target_shares(ctxs, targets)
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

Riskfolio-Lib의 공식 문서에서 더 많은 정보와 예제를 찾을 수 있어요. 이제 전략의 백테스팅으로 넘어가 볼까요?

```js
strategy.set_after_exec(optimization);
result = strategy.backtest((warmup = pyb.param("lookback")));
```

여기서는 새 전략의 성과 지표를 확인해 봅시다:

```js
trade_count                     100.000000
initial_market_value         100000.000000
end_market_value             201318.070000
total_pnl                    139465.420000
total_return_pct                139.465420
max_drawdown                -106042.150000
max_drawdown_pct                -35.190829
```



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

흥미로운 내용이에요! 이 전략을 사용한 수익률이 평균 포지션 사이즈와 비교했을 때 적은 것을 볼 수 있어요 (139% vs 305%), 그런데 최대 손실액은 낮았다는 것도 알 수 있어요 (35% vs 52%). CVaR을 최소화하는 것이 포트폴리오의 전체 수익률을 크게 줄였다는 점을 고려해봤을 때, 이에 따라 포트폴리오의 하락폭도 크게 감소했어요!

그리고 이 글로 마무리 지을게요! 이제 여러분도 포트폴리오 최적화를 자신만의 거래 전략에 사용하는데 충분히 장비가 되었을 거에요. 또한 https://www.pybroker.com에서 PyBroker 사용에 대한 더 많은 튜토리얼을 찾아볼 수 있어요. 모든 코드는 Github 저장소에서 확인할 수 있어요.

읽어 주셔서 감사합니다!

Posts