๋ถ๋ฆฌ์ธ ์ธ๋ฑ์ฑ๐ก ๋ถ๋ฆฌ์ธ((Boolean) ์๋ฃํ : ์ฃผ์ด์ง ์กฐ๊ฑด์ด ์ฐธ(True) ๋๋ ๊ฑฐ์ง(False)์ ๋ํ๋ด๋ ๋ฐ ์ฌ์ฉ1. ๋ถ๋ฆฌ์ธ ๋ฐฐ์ด์ ํ์ฉํ ์ธ๋ฑ์ฑarr = np.array([1, 2, 3, 4, 5])condition = np.array([True, False, True, False, True])# ๋ถ๋ฆฌ์ธ ์ธ๋ฑ์ฑ์ ์ฌ์ฉํ์ฌ ์กฐ๊ฑด์ ๋ง๋ ์์ ์ ํresult = arr[condition]print("Result using boolean indexing:", result) ## ์ถ๋ ฅ: [1 3 5]๋ฐฐ์ด arr๊ณผ ์กฐ๊ฑด์ ๋ด์ ๋ถ๋ฆฌ์ธ ๋ฐฐ์ด condition์ ์์ฑ๋ถ๋ฆฌ์ธ ์ธ๋ฑ์ฑ : arr[๋ถ๋ฆฌ์ธ ๋ฐฐ์ด]2. ๋ถ๋ฆฌ์ธ ์ธ๋ฑ์ฑevens = arr[arr % 2 == 0]print("Even numbers u..
glob๐ glob : ํ์ฌ/ ์ํ๋ ๋๋ ํ ๋ฆฌ์ ์๋ ํ์ผ ์ ๋ณด ์ฐพ๊ธฐimport globโํ์ฌ ๊ฒฝ๋ก์ ๋ชจ๋ ํ์ผ ์ฐพ๊ธฐfile_list1 = glob.glob('*')→ ํน์ ๋๋ ํ ๋ฆฌ ์์ ํ์ผ์ ์ฐพ๊ณ ์ถ๋ค๋ฉด `glob.glob('sample_data/*')`์ ๊ฐ์ด 'ํ์ผ ๊ฒฝ๋ก/ *'์ ํํ๋ก ์์ฑํ๋ฉด๋๋ค. ๐๏ธ ํ์ผ ๊ฒฝ๋ก ์ฐพ๊ธฐ์ ์ ์ฉํ ์์ผ๋ ์นด๋ ๋ฌธ์๋๋ณด๊ธฐํ์ผ ๊ฒฝ๋ก ์ฐพ๊ธฐ์ ์ ์ฉํ ์์ผ๋ ์นด๋ ๋ฌธ์* : ๋ชจ๋ ํ์ผ ๋ถ๋ฌ์ค๊ธฐ→ * .txt : ํด๋น ๋๋ ํ ๋ฆฌ์์ ๋ชจ๋ ํ
์คํธ ํ์ผ ์ฐพ๊ธฐ[] : ๊ดํธ ์์ ํฌํจ๋ ๋ฌธ์ ์ค ํ๋์ ์ผ์นํ๋ ํ์ผ ์ฐพ๊ธฐ{} : ๊ดํธ ์์ ํฌํจ๋ ๋ฌธ์์ด ์ค ํ๋์ ์ผ์นํ๋ ํ์ผ ์ฐพ๊ธฐํน์ ํ์ฅ์๋ฅผ ๊ฐ์ง ํ์ผ๋ง ์ฐพ๊ธฐfile_list4 = glob.glob('*.csv')→ ํ์ฌ ๋๋ ..
๋ฆฌ์คํธ ์ปดํ๋ฆฌํจ์
๐ก ๋ฆฌ์คํธ ์ปดํ๋ฆฌํจ์
: ํ์ด์ฌ์์ ๋ฆฌ์คํธ๋ฅผ ๊ฐ๊ฒฐํ๊ฒ ์์ฑํ๋ ๋ฐฉ๋ฒ # ๊ธฐ๋ณธ์ ์ธ ๊ตฌ์กฐ[ํํ์ for ํญ๋ชฉ in iterable if ์กฐ๊ฑด๋ฌธ]ํํ์ : ๊ฐ ํญ๋ชฉ์ ๋ํ ๊ณ์ฐ์ด๋ ๋ณํํญ๋ชฉ : ๋ฐ๋ณต๋๋ ๊ฐiterable : ๋ฐ๋ณต ๊ฐ๋ฅํ ๊ฐ์ฒด์์ 1) 1๋ถํฐ 10๊น์ง์ ์ซ์๋ฅผ ์ ๊ณฑํ ๋ฆฌ์คํธ ์์ฑsquares = [x**2 for x in range(1, 11)]print(squares) ## ์ถ๋ ฅ: [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]`range(1,11)`: 1๋ถํฐ 10๊น์ง ์์ฐ์๋ฅผ`for x `: x ๋ก ๋ฐ์์`x**2`: ์ ๊ณฑ์์ 2) ๋ฆฌ์คํธ ์ปดํ๋ฆฌํจ์
์ ์ค์ฒฉํ์ฌ 2์ฐจ์ ๋ฆฌ์คํธ ์์ฑmatrix = [[i for i in range(1, 4)] for..
ํ์ผ ๋ถ๋ฌ์ค๊ธฐ ๋ฐ ์ ์ฅํ๊ธฐํ์ฅ์์ ๋ฐ๋ฅธ ํ์ผ ๋ถ๋ฌ์ค๊ธฐcsv ํ์ผimport pandas as pddf = pd.read_csv('file.csv')excel ํ์ผpythonimport pandas as pddf = pd.read_excel('file.xlsx')txt ํ์ผimport pandas as pddf = pd.read_csv('file.txt', delimiter='\t')→ ๋ง์ฝ ํญ์ผ๋ก ๊ตฌ๋ถ๋์ด ์๋ค๋ฉด `delimiter='\t'`๋ฅผ ์ฌ์ฉํฉ๋๋ค.ํ์ผ ์ ์ฅํ๊ธฐcsv ํ์ผ ์ ์ฅํ๊ธฐimport pandas as pddf = pd.DataFrame(data)df.to_csv(ํ์ผ ๊ฒฝ๋ก, index = False)txt ํ์ผ ์ ์ฅํ๊ธฐwith open(ํ
์คํธํ์ผ ์ ์ฅํ ๊ฒฝ๋ก, 'w') as ํ์ผ๋ช
: ..
๋ฒ ์ด์ง ๋ฌธํญ1. ๋ฐ์ดํฐ ๋ถ๋ฌ์ค๊ธฐํ์ดํ๋ ๋ฐ์ดํฐ๋ฅผ ๋ถ๋ฌ์จ ๋ค์ df๋ผ๋ ๋ณ์์ ๋ด๊ณ ๋ฐ์ดํฐ์ ๋ด์ฉ์ ํ์ธํ์ธ์.import pandas as pddf = pd.read_csv('train.csv')print(df)ํ์ฅ์์ ๋ฐ๋ฅธ ํ์ผ ๋ฐ์ดํฐ ํ๋ ์์ผ๋ก ๋ถ๋ฌ์ค๊ธฐ → Pandas library ํ์ฉํ๊ธฐread_csv : csv ํ์ผ ๋ถ๋ฌ์ค๊ธฐread_excel : excel ํ์ผ ๋ถ๋ฌ์ค๊ธฐ2. ์์กด์ ์ ๊ณ์ฐํ์ดํ๋ ์ ์ฒด ์์กด์ ์์ ์ฌ๋ง์ ์๋ฅผ ๊ณ์ฐํ๊ณ ์ถ๋ ฅํ์ธ์.survival = df['Survived']dead =0survived =0for i in survival: if i ==0: dead+=1 else: survived +=1print(f"์ฌ๋ง์๋ {dead}๋ช
, ์..
240501 Today I Learn๋งค๊ฐ๋ณ์ vs. ์ธ์๐ก ๋งค๊ฐ๋ณ์ vs. ์ธ์* ๋งค๊ฐ๋ณ์ : ํจ์๋ฅผ ์ ์ํ ๋ ํจ์๊ฐ ๋ฐ์๋ค์ด๋ ๊ฐ* ์ธ์ : ํจ์ ํธ์ถ ์ ํจ์์ ์ ๋ฌ๋๋ ๊ฐ โถ๏ธ ์์ 1#1def greet(name): print("Hello, " + name + "!")#2greet("Alice")#1์ name์ ํจ์๋ฅผ ์ ์ํ ๋ ์ฌ์ฉ๋๋ ๊ฐ์ผ๋ก ๋งค๊ฐ๋ณ์์ด๋ค.#2์์ "hello ์ด๋ฆ !"์ ๋ฐํํ๋ greetํจ์ ์์ ์๋ Alice๋ ํจ์์ ์ ๋ฌ๋๋ ๊ฐ์ผ๋ก ์ธ์์ด๋ค.โถ๏ธ ์์ 2) ๊ฐ์กฑ์ ๊ฐ์ง ์น๊ฐ๋ค ์ค์์ ๊ฐ์ฅ ๋ง์ ๊ฐ์กฑ์ ๊ฐ์ง ์น๊ฐ์ ์ฐพ๋ ํจ์๋ฅผ ๋ง๋ค์ด๋ผ.def largest_family(df): family = df['SibSp']+df['Parch'] answer..