jinseon's log

02 도전! 파이썬 동화 10제 [1번째 이야기] 약수 구하기 n = int(input()) answer = [] for i in range(1, n+1): if n % i == 0: answer.append(i) print(sorted(list(set(answer)))) [2번째 이야기] 약수 구하기 import numpy as np a = int(input()) b = int(input()) c = int(input()) print(int(np.median([a, b, c]))) [3번째 이야기] 소수 판별하기 n = int(input()) div = [] for i in range(1, n+1): if n % i == 0: div.append(i) if len(list(set(div))) == 2:..

01 도전! 파이썬 동화 10제 [9번째 이야기] 엘리스와 이상한 상자 class maxMachine : def __init__(self) : self.numbers = [] def addNumber(self, n) : self.numbers.append(n) def removeNumber(self, n) : self.numbers.remove(n) def getMax(self) : return max(self.numbers) def main(): myMachine = maxMachine() ''' 테스트를 하고싶으면, 아래 부분을 수정합니다. ''' myMachine.addNumber(1) myMachine.addNumber(2) myMachine.addNumber(3) myMachine.addNumb..

01 도전! 파이썬 동화 10제 [6번째 이야기] 개구리 왕자 이름 찾기 def isPrince(frogList): answer = "" for i in frogList: if i[0] == "F": answer += i return answer print(isPrince(['Alice', 'Bob', 'Frog'])) [7번째 이야기] 토끼와 거북이의 달리기 경주 # N, M = map(int, input().split(" ")) # answer = 0 # if N

01 도전! 파이썬 동화 10제 [1번째 이야기] 안녕 토끼! print('Hello Rabbit!') [2번째 이야기] 카드병정의 장미 세기 # ?를 채워주세요 x = 6 y = 3 # 빈 곳도 채워주세요! # 더하기 연산 my_sum = x + y print('my_sum :', my_sum) # 빼기 연산 my_sub = x - y print('my_sub :', my_sub) # 곱하기 연산 my_mul = x * y print('my_mul :', my_mul) # 나누기 연산 my_div = x / y print('my_div :', my_div) [3번째 이야기] 거꾸로 숫자 세기 count = 10 for i in range(10, 0, -1): print (i) [4번째 이야기] 개굴개굴..

집계함수 - 집계 : 데이터에 대한 요약 통계 x = np.arange(8).reshape((2, 4)) >> [[0, 1, 2, 3], [4, 5, 6, 7]] np.sum(x) >> 28 np.min(x) >> 0 np.max(x) >> 7 np.mena(x) >> 3.5 # axis np.sum(x, axis=0) >> [4, 6, 8, 10] np.sum(x, axis=1) >> [6, 22] 마스킹 연산 - True, False 배열을 통해서 특정 값들을 뽑아내는 방법 x = np.arange(5) >> [0, 1, 2, 3, 4] x > [True, True, True, False, False] x > 5 >> [False, False, False, False, False] x[x <..

브로드캐스팅 (Broadcasting) - shape이 다른 배열 연산 # matrix + 5 [[2, 4, 2], [[7, 9, 7], [6, 5, 9], >> [11, 10, 14], [9, 4, 7]] [14, 9, 12]] # matrix + np.array([1, 2, 3]) [[2, 4, 2], [[3, 6, 5], [6, 5, 9], >> [7, 7, 12], [9, 4, 7]] [10, 6, 10]] np.arange(3).reshape((3,1)) + np.arange(3) [[0], [[0, 1, 2], [1], >> [1, 2, 3], [2]] [2, 3, 4]]

Numpy 연산 - 배열은 기본 연산 지원 (+, -, *, /) - 다차원 행렬도 지원 - 배열의 원소에 각각 계산하는 함수를 만들어 사용할 때 매우 느리고, 원소의 값이 커질 수록 더욱 느림 => 배열은 연산 속도가 빠름 x = np.arange(4) >> [0, 1, 2, 3] x + 5 >> [5, 6, 7, 8] x - 5 >> [-5, -4, -3, -2] x * 5 >> [ 0, 5, 10, 15] x / 5 >> [0. , 0.2, 0.4, 0.6] # 다차원 행렬 x = np.arange(4).reshape((2, 2)) >> [[0, 1], [2, 3]] y = np.random.randint(10, size=(2, 2)) >> [[1, 6], [4, 2]] x + y >> [[1, 7..

모양 바꾸기 - 배열.reshape x = np.arange(8) x.shape >> (8,) x2 = x.reshape((2, 4)) >> [[0, 1, 2, 3],[4, 5, 6, 7]] x2.shape >> (2, 4) 이어 붙이기 - np.concatenate - axis=0 : 행|밑으로 - axis=1 : 열|옆으로 x = np.array([0, 1, 2]) y = np.array([3, 4, 5]) np.concatenate([x, y]) >> [0, 1, 2, 3, 4, 5] # axis 축을 기준으로 붙이기 ## axis=0 => 행|밑으로 matrix = np.arange(4).reshape(2, 2) >> [[0, 1], [2, 3]] np.concatenate([matrix, mat..

배열의 기초 - ndim : 배열의 차원 수 - shape : 배열 차원의 크기 (행렬) - size : 배열의 개수 - dtype : 배열 데이터 타입 인덱싱과 슬라이싱의 차이 - Indexing : 인덱스로 값을 찾아내고, 해당 위치의 값을 변경할 수 있음 - Slicing : 인덱스로 배열의 부분(범위)을 가져옴 x = np.arange(7) >> [0, 1, 2, 3, 4, 5, 6] # Indexing x[3] >> 3 x[7] >> IndexError x[0] = 10 >> [10, 1, 2, 3, 4, 5, 6] # Slicing x[1:4] >> [1, 2, 3] x[1:] >> [1, 2, 3, 4, 5, 6] x[:4] >> [0, 1, 2, 3] x[::2] >> [0, 2, 4, 6]

Numpy (Numerical Python) - Python에서 대규모 다차원 배열을 다룰 수 있게 도와주는 라이브러리 - 리스트에 비해 빠른 연산 & 메모리 효율 ↑ - 리스트와 다르게 단일 데이터 타입으로 구성 기본 사용법 import numpy as np np.array([1, 2, 3, 4, 5]) >> array([1, 2, 3, 4, 5]) np.array([1, 2, 3, 4, 5], dtype='float') >> array([1., 2., 3., 4., 5.]) 자주 사용되는 함수 - np.array : 배열생성 - np.zeros : 0이 들어있는 배열 생성 - np.ones : 1이 들어있는 배열 생성 - np.empty : 초기화되어 있지 않은 값이 들어있는 배열 반환 - np.ar..