인생은 양탄자의 무늬짜기

배열의 속성 ndarray의 차원 관련 속성 ndim(n + dimension) & shape ✔ 1차원 배열 # 1차원 배열 list = [0, 1, 2, 3] arr = np.array(list) print(arr.ndim) # 1 print(arr.shape) # (4,) 👉 4개의 값이 하나의 행으로 존재함 ✔ 2차원 배열 # 2차원 배열 list = [[0, 1, 2] [3, 4, 5]] arr = np.array(list) print(arr.ndim) # 2 print(arr.shape) # (2, 3) 👉 2개의 행이 3개 열로 존재함 크기 속성 ✔ ndarray의 크기 속성과 shape 조절 arr = np.array([0, 1, 2, 3, 4, 5]) print("arr.shape : {..

배열의 데이터 타입 dtype 파이썬 리스트와 달리 같은 데이터 타입만 저장가능(단일 데이터) arr = np.array([0, 1, 2, 3, 4], dtype=float) print(arr) # [0. 1. 2. 3. 4.] print(arr.dtype) # 'float64' print(arr.astype(int)) # [0 1 2 3 4] 데이터 타입 dtype 설명 다양한 표현 int 정수형 타입 i, int_, int32, int64, i8 float 실수형 타입 f, float_, float32, float64, f8 str 문자열 타입 str, U, U32 bool 부울 타입 ?, bool_

Numpy란? Numerical Python(수치적 파이썬) Python에서 대규모 다차원 배열(2차원 이상의 배열)을 다룰 수 있게 도와주는 라이브러리 데이터를 처리하는 파이썬 라이브러리 종류 1️⃣ Pandas 2️⃣ Numpy 3️⃣ Matplotlib Numpy를 사용하는 이유? 1️⃣ 데이터를 숫자의 배열로 보고 처리하기 위해 2️⃣ 반복문 없이 배열 처리 가능 파이썬 리스트에 비해 빠른 연산을 지원하고 메모리를 효율적으로 사용 가능 ✔ list 배열 생성 및 출력 형태 확인 list_arr = list(range(5)) print(list_arr) # [0, 1, 2, 3, 4] -> 콤마(,)로 구분 print(type(list_arr)) # -> 1차원 배열 ✔ import 키워드 이용해 ..

import 키워드를 이용해 모듈 사용 # random 모듈 불러오기 import random 모듈 사용법 .을 사용하여 모듈 속 함수/변수 사용 import random # 0이상 5미만 수 중 임의로 출력 print(random.randrange(0, 5)) 모듈 생성 원하는 모듈을 제작하여 사용할 수 있음(확장자는 .py) 1️⃣ py파일 생성 후 함수와 변수 생성 # cal.py def plus(a, b): c = a + b return c 2️⃣ 다른 파일에서 만들어 둔 py 파일 불러옴 # main.py import cal 3️⃣ 불러온 모듈 속 함수, 변수 활용하기 # main.py import cal print(cal.plus(3, 4)) # 7 💡 딕셔너리, 모듈, 튜플 딕셔너리 : 짝꿍..

💡 네임스페이스 객체를 인스턴스화 할 때 저장된 공간 💡 클래스 변수 직접 사용 가능, 객체보다 먼저 생성 💡 인스턴스 변수 객체마다 별도로 존재, 인스턴스 생성 후 사용

람다식 메모리 절약, 가독성 향상, 코드 간결 함수는 객체 생성 -> 리소스(메모리) 할당 람다는 즉시 실행 함수(Heap 초기화) -> 메모리 초기화 📌 일반적 함수(변수 할당) def mul_10(num): return num * 10 mul_func = mul_10 print(mul_func(5)) # 50 print(mul_func(6)) # 60 📌 람다 함수(할당) lambda_mul_func = lambda x: x * 10 print(lambda_mul_func(20)) # 200 def func_final(x, y, func): print(x * y * func(10)) func_final(10, 10, lambda_mul_func) # 10000 func_final(10, 10, lam..

가변인자는 *, ** 사용 가능 📌 *args 가변인자로 매개변수를 어떻게 넣든 튜플로 넘어옴 def args_func(*args): # 매개변수명 자유롭게 변경 가능 for i, v in enumerate(args): # enumerate() 인덱스 생성 print('{}'.format(i), v, end=' ') args_func('Kim') args_func('Kim', 'Park') args_func('Kim', 'Park', 'Lee') print() 📌 **kwargs 가변인자로 매개변수를 어떻게 넣든 딕셔너리로 넘어옴 def kwargs_func(**kwargs): # 매개변수명 자유롭게 변경 가능 for v in kwargs.keys(): print('{}'.format(v), kwargs..

📌 다중 리턴 예제 # 다중리턴 def func_mul1(x): y1 = x * 2 y2 = x * 4 y3 = x * 6 return y1, y2, y3 val1, val2, val3 = func_mul1(3) print(val1, val2, val3) 📌 다중 튜플 리턴 예제 # 튜플 리턴 def func_mul2(x): y1 = x * 2 y2 = x * 4 y3 = x * 6 return (y1, y2, y3) tup = func_mul2(4) print(type(tup), tup, list(tup)) 📌 다중 리스트 리턴 예제 # 리스트 리턴 def func_mul2(x): y1 = x * 2 y2 = x * 4 y3 = x * 6 return [y1, y2, y3] lis = func_mul2..

가상환경 실행 / 해제 가상환경이 설치된 폴더에서 cmd창을 열고(cmd창에서 해당 경로로 이동해도 됨) 아래의 명령어 실행 windows의 경우 Scripts / Mac의 경우 Bin 📌 가상환경 실행 > cd Scripts > activate.bat 📌 가상환경 해제 > deactivate.bat 패키지 설치 / 삭제 📌 simplejson 패키지 설치 > pip install simplejson 📌 패키지 삭제 > pip uninstall simplejson Proceed (y/n)? 이 뜨는 경우 y를 입력 패키지 리스트 출력 📌 가상환경에 설치된 목록 출력 > pip list 패키지 정보 출력 📌 simplejson 패키지의 상세 정보 출력 > pip show simplejson 패키지 검색 🚫..

가상환경(virtual environment) 독립된 공간을 만들어주는 기능 가상 환경에서 pip로 패키지를 설치하면 가상 환경 폴더(디렉터리)의 Lib/site-packages 안에 패키지를 저장 👉 npm의 package.json과 같은 기능 프로젝트 A와 B 각각 가상 환경을 만들어 프로젝트 A에는 패키지 버전 A를 설치하고, 프로젝트 B에는 패키지 버전 B을 설치할 수 있음 👉프로젝트 내에 설치한 패키지가 무엇인지 쉽게 확인하고 테스트 할 수 있음 즉 가상환경은 프로젝트와 그 프로젝트에 사용된 패키지들을 한 묶음으로 움직일 수 있게 해주는 역할 cmd에서 가상환경 생성하기 가상환경 만들 폴더를 지정하고 아래의 명령어를 입력 > python -m venv 가상환경명 > cd 가상환경명 > cd Sc..