๋ณธ๋ฌธ ๋ฐ”๋กœ๊ฐ€๊ธฐ

728x90

๋จธ์‹ ๋Ÿฌ๋‹

3/21 ์›” ์›”์š”์ผ! ์˜ค๋Š˜์€ Pandas์˜ DataFrame(DataFrame ์—ฐ๊ฒฐ · ๊ฒฐํ•ฉ, Mapping, Grouping)์„ ๋งˆ๋ฌด๋ฆฌ ์ง“๊ณ , ๋‚ด์ผ๋ถ€ํ„ฐ ๋ฐ์ดํ„ฐ์˜ ์‹œ๊ฐํ™”์— ๋Œ€ํ•ด ๋ฐฐ์šด๋‹ค. 1. DataFrame ์—ฐ๊ฒฐ : pd.concat(). default๋Š” ํ–‰ ๋ฐฉํ–ฅ์œผ๋กœ ์—ฐ๊ฒฐ. ์ปฌ๋Ÿผ ๋ช…์ด ๊ฐ™์€ ๊ฒƒ๋“ค์ด ์„œ๋กœ ๊ฒฐํ•ฉ๋จ import numpy as np import pandas as pd df1 = pd.DataFrame({'a':['a0', 'a1', 'a2', 'a3'], 'b':[1, 2, 3, 4], 'c':['c0', 'c1', 'c2', 'c3']}, index=[0, 1, 2, 3]) display(df1) df2 = pd.DataFrame({'b':[5, 6, 7, 8], 'c':['c0', 'c1', 'c2'.. ๋”๋ณด๊ธฐ
2ํšŒ ์ฐจ | 3/18 ๊ธˆ ์ง€๋‚œ์ฃผ ํ™”์š”์ผ์— ๊ฐ€์ด๋“œํ•œ Kaggle์˜ ํƒ€์ดํƒ€๋‹‰ ์˜ˆ์ œ๋ฅผ ๊ฐ์ž ์ง„ํ–‰ํ•˜๊ณ , GitHub์— ๋ฌธ์„œํ™”ํ•ด์„œ ์˜ค๋Š˜ ๋ฆฌ๋ทฐํ–ˆ๋‹ค. ๊ฐ์ž ์–ด๋–ค ์‹์œผ๋กœ ๋ฐ์ดํ„ฐ๋ฅผ ๋ถ„์„, ๊ฐ€๊ณต, ๋ชจ๋ธ๋งํ–ˆ๋Š”์ง€ ์ ˆ์ฐจ์™€ ๋Š๋‚€ ์ , ๊ถ๊ธˆ์ฆ์„ ์ˆœ์ฐจ์ ์œผ๋กœ ๋ฐœํ‘œ ๋‹ค๋ฅธ ๋ถ„๋“ค์ด ํ•œ ๊ฑฐ ๋ณด๋ฉด์„œ ์‹ค์Šต/์‘์šฉ ๋งŽ์ด ํ•ด์•ผํ•œ๋‹ค ์ƒ๊ฐ.. ์ „์ฒด์ ์ธ ๊ตฌ์กฐ์— ๋Œ€ํ•œ ์ดํ•ด๊ฐ€ ๋ถ€์กฑํ•ด์„œ, ์™œ ์ด๋ ‡๊ฒŒ ์ถ”์ถœํ•˜๊ณ  ๊ฐ€๊ณตํ•˜๋Š”์ง€ ํŒŒ์•…ํ•˜๊ธฐ๊ฐ€ ์กฐ๊ธˆ ๊นŒ๋‹ค๋กœ์› ๋‹ค. ๊ทธ๋ž˜์„œ ์ƒ๊ฐํ•˜๊ณ  ๊ตฌ์กฐ๋ฅผ ์ •ํ™•ํžˆ ํŒŒ์•…ํ•˜๋ฉด ์•Œ ์ˆ˜ ์žˆ๋Š” ์—๋Ÿฌ๋‚˜ ๋‚ด์šฉ๋“ค์„ ์งˆ๋ฌธํ–ˆ..ใ…Žใ…Ž ํ˜ผ์ž ์‹ค์Šตํ•˜๋ฉด์„œ ์ „์ฒด์ ์ธ ์ ˆ์ฐจ๋ฅผ ํ›‘์œผ๋ฉด์„œ ๋ดค๋˜ ๋‚ด์šฉ๋“ค์ด ์ฃผ๊ฐ„ ์ˆ˜์—… ๋•Œ ๋‚˜์™€์„œ ์ดํ•ดํ•˜๊ธฐ ์ข‹์•˜๋‹ค. ์ฐธ์„ ์ธ์›์ด ์ด 10๋ช…์œผ๋กœ ์บ๊ธ€ ๋ฆฌ๋ทฐ์—๋งŒ 2์‹œ๊ฐ„์ด ๊ฑธ๋ฆผ.. ์ฝ”ํ…Œ ๋ฆฌ๋ทฐ์™€ ์กฐ ํŽธ์„ฑ์„ ๋‹ค์Œ์ฃผ ํ™”์š”์ผ๋กœ ๋ฏธ๋ฃจ๊ณ , ์ด๋ฒˆ ์ฃผ์ฒ˜๋Ÿผ ๊ฐ์ž ์ง„ํ–‰ํ•˜๊ธฐ๋กœ ํ–ˆ๋˜ ์บ๊ธ€ ์˜ˆ์ œ(๋ณด์Šคํ„ด ์ง‘๊ฐ’ ์˜ˆ.. ๋”๋ณด๊ธฐ
3/16 ์ˆ˜ ์ˆ˜์š”์ผ! ์–ด์ œ~์˜ค๋Š˜๊นŒ์ง€ Numpy! ์˜ค๋Š˜ ์˜คํ›„~์ด๋ฒˆ ์ฃผ๊นŒ์ง€ Pandas ์ง„๋„! Anaconda Prompt์—์„œ Jupyter notebook ์‹คํ–‰ conda activate machine jupyter notebook 1. ํ–‰๋ ฌ๊ณฑ ์—ฐ์‚ฐ์€ ์•ž์ชฝ์˜ 2์ฐจ์› matrix ์—ด๊ณผ ๋’ค์ชฝ์˜ 2์ฐจ์› matrix ํ–‰ ๊ฐœ์ˆ˜๊ฐ€ ๊ฐ™์•„์•ผ ํ•จ. (3, 2) * (2, 2) import numpy as np arr1 = np.array([[1,2,3], [4,5,6]]) # (2,3) arr2 = np.array([[4,5],[6,7],[8,9]]) # (3,2) print(np.matmul(arr1, arr2)) # matmul() ํ•จ์ˆ˜ ์‚ฌ์šฉํ•ด์„œ ๊ณ„์‚ฐ. ๊ฒฐ๊ณผ๋Š” (2,2) # [[ 40 46] # [ 94 109]] 2. ์ „์น˜ํ–‰๋ ฌ(.. ๋”๋ณด๊ธฐ
3/15 ํ™” ํ™”์š”์ผ! ์šฐ์˜ค์˜ค์˜ค ๋“œ๋””์–ด ์ „๊ณต์ธ ๋จธ์‹ ๋Ÿฌ๋‹ ํ•™์Šต ์‹œ์ž‘! ์ˆ˜์—… ํ›„์—” ํ˜„์—… ๊ฐœ๋ฐœ์ž(๋ฌด๋ ค ์—”์”จ์†Œํ”„ํŠธ, ๋„ฅ์Šจ์ฝ”๋ฆฌ์•„๋ฅผ ๊ฑฐ์ณ ์ง๋ฐฉ)์˜ ์ทจ์—…ํŠน๊ฐ•์ด ์žˆ๋‹ค~ '์ปค๋ฆฌ์–ดํŒจ์Šค ๊ฐ€์ด๋“œ' : ์ปค๋ฆฌ์–ด ๋งต, ๊ธฐ์—…๋ณ„ ์žฅ๋‹จ์ , ํ˜„์—… ๊ฐœ๋ฐœ์ž์˜ ์กฐ์–ธ ๋ฐ์ดํ„ฐ์˜ ์ˆ˜์ง‘ · ๊ฐ€๊ณต(Data Handling)์ด Machine Learning์˜ 60~80%๋ฅผ ์ฐจ์ง€ํ•จ ์ •์ œ๋œ ๋ฐ์ดํ„ฐ → ์ •ํ™•ํ•œ ๊ฒฐ๊ณผ 1. Anaconda Prompt์—์„œ Jupyter notebook ์‹คํ–‰ 2022.01.18 - [๋ฉ€ํ‹ฐ์บ ํผ์Šค ํ”„๋กœ์ ํŠธํ˜• AI ์„œ๋น„์Šค ๊ฐœ๋ฐœ 5ํšŒ์ฐจ/Python] - 1/18 ํ™” 2. Python module ์ค‘ Pandas๊ฐ€ data handling์— ์‚ฌ์šฉ๋จ ← data๋ฅผ ์‚ฌ์šฉํ•˜๊ธฐ์— ์š”๊ธดํ•˜๊ฒŒ ๋งŒ๋“ค์–ด์คŒ Pandas์˜ data-type์„ ๊ตฌ์„ฑํ•˜๊ณ  ์žˆ๋Š” Numpy mo.. ๋”๋ณด๊ธฐ
1ํšŒ ์ฐจ | 3/14 ์›” ์ธํ„ฐํŽ˜์ด์Šค ๊ฐœ๋ฐœ ํ”„๋กœ์ ํŠธ๋ฅผ ๋งˆ๋ฌด๋ฆฌ ์ง“๊ณ , ์ง€๋‚œ์ฃผ ๋ชฉ์š”์ผ๋ถ€ํ„ฐ ์šฐ๋ฆฌ ํŒ€ ์ฐฝํ˜„๋‹˜๊ณผ ๊ธฐํšํ•œ ์Šคํ„ฐ๋””์˜ ์ฒซ ๋ชจ์ž„์„ ์–ด์ œ ์˜คํ›„ 8์‹œ์— ์ง„ํ–‰ํ–ˆ๋‹ค. ๋“ ๋“ ํ•œ ์šฐ๋ฆฌ 2๋ถ„์˜ ๊ณ ๋ฌธ๋‹˜๋“ค๊ป˜์„œ ์ง€๋‚œ์ฃผ๋ถ€ํ„ฐ ํ† ๋ก ์˜ ํ† ๋ก ์˜ ๊ฑฐ์ณ ์ปค๋ฆฌํ˜๋Ÿผ์„ ์งœ์ฃผ์…จ๋‹ค. ์ฃผ์ œ๋Š” ๋จธ์‹ /๋”ฅ๋Ÿฌ๋‹๊ณผ ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ๋Š” ๋งค์ผ ํ•œ ๋ฌธ์ œ์”ฉ ํ’€๊ณ  ๊ตฌ๊ธ€ ์บ˜๋ฆฐ๋”์— ์ธ์ฆ ๋‚จ๊ธฐ๊ณ , ์บ๊ธ€ ๋จธ์‹ ๋Ÿฌ๋‹ ์˜ˆ์ œ๋ฅผ ๋งค์ฃผ ํ•˜๋‚˜์”ฉ ํ’€๊ธฐ! ๋งค์ฃผ ํ™”/๊ธˆ ์˜คํ›„ 8์‹œ ๋””์Šค์ฝ”๋“œ์—์„œ ๋ชจ์ด๋ฉฐ, ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ ๋ฆฌ๋ทฐ ํ•œ ์‹œ๊ฐ„ + ๋จธ์‹ ๋Ÿฌ๋‹ ๋ฆฌ๋ทฐ ํ•œ ์‹œ๊ฐ„์œผ๋กœ ์ง„ํ–‰๋œ๋‹ค. ๋ชฉํ‘œ๋Š” ๋ฉ€ํ‹ฐ์บ ํผ์Šค ์ฃผ๊ฐ„ ์ˆ˜์—… ์ปค๋ฆฌํ˜๋Ÿผ์„ ๋„˜์–ด, ์‹ค์Šต ์œ„์ฃผ๋กœ ํ•™์Šตํ•˜๊ณ  AI ํ”„๋กœ์ ํŠธ ๋งŒ๋“ค๊ณ  ๋‚˜์ค‘์—” ๊ฒฝ์ง„๋Œ€ํšŒ(์บ๊ธ€, ๋ฐ์ด์ฝ˜)์— ์ถœ์ „! ์ด์ธ์›์€ 12๋ช…์œผ๋กœ, ์ผ์ •(ํšŸ์ˆ˜, ์š”์ผ, ์‹œ๊ฐ„)์„ ์ •ํ•˜๋Š” ๊ฒƒ๋ถ€ํ„ฐ ๋…น๋ก์ง€ ์•Š์•˜๋‹ค. ๋‹คํ–‰ํžˆ ์—ด์˜ ์žˆ๊ณ , ๋จธ์‹ ๋Ÿฌ๋‹์„ ํ˜ผ.. ๋”๋ณด๊ธฐ
1/18 ํ™” ๋“œ๋””์–ด! ๋ฉ€ํ‹ฐ์บ ํผ์Šค ๊ต์œก ๋‘˜์งธ ๋‚ ์ด๋‹ค ์œ ํ›„~~~ ๐Ÿ˜™ ์–ด์ œ๋Š” ์ทจ์—… ํŠน๊ฐ•์œผ๋กœ ์ทจ๋ฝ€๋ฅผ ์œ„ํ•ด ์–ด๋–ค ์—ญ๋Ÿ‰์„ ์Œ“์•„์•ผ ํ•˜๋Š”์ง€, ๊ฐ์ž์˜ ๋ชฉํ‘œ๊ฐ€ ๋ฌด์—‡์ธ์ง€ ์ƒ๊ธฐํ•˜๋Š” ์˜ค๋ฆฌ์—”ํ…Œ์ด์…˜ ์ง„ํ–‰ํ–ˆ๋‹ค. ์˜ค๋Š˜์€ ๋“œ๋””์–ด ๋ณธ ์ˆ˜์—… ์‹œ์ž‘! ์•ž์œผ๋กœ์˜ ๋Œ€์žฅ์ •์„ ๋Œ์–ด์ฃผ์‹ค ๋ฌธ์„ฑํ›ˆ ๊ฐ•์‚ฌ๋‹˜์˜ ์ „์ฒด ๊ต์œก ๊ณผ์ •์— ๋Œ€ํ•œ ์„ค๋ช…์œผ๋กœ ์‹œ์ž‘๋๋‹ค~ ์ˆ˜์—… 50%, ์‹ค์Šต ๋ฐ ํ”„๋กœ์ ํŠธ 50%๋กœ ๊ตฌ์„ฑ๋œ๋‹ค. · ๊ธฐ๋ณธ ๊ณผ์ • : ํŒŒ์ด์ฌ, ๋ฐ์ดํ„ฐ๋ฒ ์ด์Šค(DB; MySQL), ์›น ํ”„๋กœ๊ทธ๋ž˜๋ฐ(Django) → 2์›” ๋ง ํ”„๋กœ์ ํŠธ 1 · ์ „๊ณต ๊ณผ์ • : ๋จธ์‹ /๋”ฅ๋Ÿฌ๋‹ → 4์›” ๋ง ํ”„๋กœ์ ํŠธ 2(๊ฐ€๋Šฅํ•˜๋ฉด ๊ณต๋ชจ์ „) · ์œต๋ณตํ•ฉ ๊ณผ์ • : ๋น…๋ฐ์ดํ„ฐ, AI, IoT, ํด๋ผ์šฐ๋“œ → 5์›” ๋ง ํ”„๋กœ์ ํŠธ 3 ํŒŒ์ด์ฐธ, ์•„๋‚˜์ฝ˜๋‹ค, ์ฃผํ”ผํ„ฐ ๋…ธํŠธ๋ถ ๋‹ค ์“ด๋‹ค. โ™งํ™˜๊ฒฝ ์„ค์ •♣ Python 3.8.10 PyCharm Prof.. ๋”๋ณด๊ธฐ
1/3 ์›” ์„ฑ๊ณผ • Baekjoon Online Judge : ์˜ค๋Š˜์˜ ํ’€์ด๋Š” ๋‹จ๊ณ„๋ณ„๋กœ ํ’€์–ด๋ณด๊ธฐ - for๋ฌธ ๋ฌธ์ œ 7๊ฐœ. 11/11 ์ง„ํ–‰~, while๋ฌธ ๋ฌธ์ œ 3๊ฐœ. 3/3 ์ง„ํ–‰~ ์˜ค๋Š˜์˜ ๋ฌธ์ œ๋Š” ๋ฐฑ์ค€ 1110๋ฒˆ ๋”ํ•˜๊ธฐ ์‚ฌ์ดํด 0๋ณด๋‹ค ํฌ๊ฑฐ๋‚˜ ๊ฐ™๊ณ , 99๋ณด๋‹ค ์ž‘๊ฑฐ๋‚˜ ๊ฐ™์€ ์ •์ˆ˜๊ฐ€ ์ฃผ์–ด์งˆ ๋•Œ ๋‹ค์Œ๊ณผ ๊ฐ™์€ ์—ฐ์‚ฐ์„ ํ•  ์ˆ˜ ์žˆ๋‹ค. ๋จผ์ € ์ฃผ์–ด์ง„ ์ˆ˜๊ฐ€ 10๋ณด๋‹ค ์ž‘๋‹ค๋ฉด ์•ž์— 0์„ ๋ถ™์—ฌ ๋‘ ์ž๋ฆฌ ์ˆ˜๋กœ ๋งŒ๋“ค๊ณ , ๊ฐ ์ž๋ฆฌ์˜ ์ˆซ์ž๋ฅผ ๋”ํ•œ๋‹ค. ๊ทธ๋‹ค์Œ, ์ฃผ์–ด์ง„ ์ˆ˜์˜ ๊ฐ€์žฅ ์˜ค๋ฅธ์ชฝ ์ž๋ฆฌ ์ˆ˜์™€ ์•ž์—์„œ ๊ตฌํ•œ ํ•ฉ์˜ ๊ฐ€์žฅ ์˜ค๋ฅธ์ชฝ ์ž๋ฆฌ ์ˆ˜๋ฅผ ์ด์–ด๋ถ™์ด๋ฉด ์ƒˆ๋กœ์šด ์ˆ˜๋ฅผ ๋งŒ๋“ค ์ˆ˜ ์žˆ๋‹ค. ๋‹ค์Œ ์˜ˆ๋ฅผ ๋ณด์ž. 26๋ถ€ํ„ฐ ์‹œ์ž‘ํ•œ๋‹ค. 2+6 = 8์ด๋‹ค. ์ƒˆ๋กœ์šด ์ˆ˜๋Š” 68์ด๋‹ค. 6+8 = 14์ด๋‹ค. ์ƒˆ๋กœ์šด ์ˆ˜๋Š” 84์ด๋‹ค. 8+4 = 12์ด๋‹ค. ์ƒˆ๋กœ์šด ์ˆ˜๋Š” 42์ด๋‹ค. 4+2 = 6์ด.. ๋”๋ณด๊ธฐ
1/2 ์ผ ์„ฑ๊ณผ • Baekjoon Online Judge : ์˜ค๋Š˜์˜ ํ’€์ด๋Š” ๋‹จ๊ณ„๋ณ„๋กœ ํ’€์–ด๋ณด๊ธฐ - for๋ฌธ ๋ฌธ์ œ 3๊ฐœ. 4/11 ์ง„ํ–‰~ ์˜ค๋Š˜ ์ตํžŒ ๊ตฌ์กฐ์™€ ๊ฐœ๋…๋“ค์„ ๋‚˜์—ดํ•˜์ž๋ฉด ๋ฐ˜๋ณต๋ฌธ์œผ๋กœ ์—ฌ๋Ÿฌ ์ค„์„ ์ž…๋ ฅ๋ฐ›๊ฑฐ๋‚˜ ์ถœ๋ ฅํ•  ๋•Œ๋Š” ์‹œ๊ฐ„ ์ดˆ๊ณผ๋กœ ์˜ค๋ฅ˜๊ฐ€ ๋ฐœ์ƒํ•˜๊ธฐ ๋•Œ๋ฌธ์—, input() ํ•จ์ˆ˜ ๋Œ€์‹ ์— sys ๋ชจ๋“ˆ์˜ sys.stdin.readline() ํ•จ์ˆ˜๋ฅผ ์จ์•ผ ํ•œ๋‹ค. ๋‹จ, ๋ฌธ์ž์—ด์„ ์ €์žฅํ•˜๊ณ  ์‹ถ์„ ๊ฒฝ์šฐ .rstrip()์„ ์ถ”๊ฐ€ํ•˜๋Š” ๊ฒƒ์ด ์ข‹๋‹ค. import sys T = int(input()) for i in range(T): a,b = map(int, sys.stdin.readline().split()) print(a+b) * ์ž์ฃผ ์“ฐ์ด๋Š” ๋ชจ๋“ˆ์„ ์•Œ์•„๋ณด๊ณ  ์ตํžˆ์ž! https://docs.python.org/ko/3/library/inde.. ๋”๋ณด๊ธฐ

728x90