일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- 텐서플로우
- pyinstaller
- DB
- leetcode
- pandas
- 리스트
- sklearn
- 나임
- 파이썬
- 데이터분석솔루션
- 판다스
- KNIME 데이터 분석
- 해커랭크
- colab
- MYSQL
- 데이터프레임
- python
- KNIME
- Tableau
- 태블로
- HackerRank
- power-bi
- Revising the Select Query II
- SQL
- 물 만날 물고기
- 코랩
- 물만날물고기
- 프로그래머스
- sorted()
- 코딩테스트
- Today
- Total
목록python (14)
물 만날 물고기
🔍 예상 검색어 더보기 # 물만날물고기 # LeetCode # SQL # MYSQL # Duplicate Emails 해당 포스팅은 LeetCode/MYSQL "Duplicate Emails" 문제에 대한 풀이를 정리하였습니다. ▶ 문제 Duplicate Emails - LeetCode Duplicate Emails - LeetCode Can you solve this real interview question? Duplicate Emails - Table: Person +-------------+---------+ | Column Name | Type | +-------------+---------+ | id | int | | email | varchar | +-------------+---------..
https://www.modular.com/mojo Mojo 🔥: Programming language for all of AI Mojo combines the usability of Python with the performance of C, unlocking unparalleled programmability of AI hardware and extensibility of AI models. www.modular.com https://www.youtube.com/watch?v=fYb2DkFo01U
🔍 예상 검색어 더보기 # pandas 컬럼 추가하기 # 데이터프레임 신규컬럼 만들기 # 데이터프레임 컬럼 추가하기 # loc 함수를 이용해서 컬럼 추가하기 해당 포스팅은 pandas 데이터프레임에서 컬럼을 추가하는 방법 중 loc 함수를 이용하는 방법에 대해서 정리하였습니다. import pandas as pd # 예시 데이터 생성 df = pd.DataFrame({ 'col1': [1, 2, 3, 4, 5], 'col2': ['a', 'b', 'c', 'd', 'e'] }) # 'new_col'이라는 새로운 컬럼 추가 df.loc[:, 'new_col'] = [10, 20, 30, 40, 50] print(df)
🔍 예상 검색어 더보기 # 문자열 앞에 0채우는 방법 # 문자열 자리수 맞추는 방법 해당 포스팅은 문자열의 자리수를 맞추고 싶을 때, 문자열 앞에 0으로 채워서 자리 수를 맞추는 방법에 대한 예제코드를 정리하였습니다. 1. zfill() import pandas as pd # 데이터프레임 생성 df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=[1, 10, 100]) # 새로운 컬럼 생성 df['new_column'] = df.index.map(lambda x: str(x).zfill(4)) df 2. rjust() import pandas as pd # 데이터프레임 생성 df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, ..
🔍 예상 검색어 더보기 # 데이터 프레임 합치는 방법 # 데이터 프레임 가로로 합치는 방법 # 데이터 프레임 옆으로 합치는 방법 # 데이터 프레임 밑으로 합치는 방법 # 데이터 프레임 세로로 합치는 방법 # 데이터 프레임 가로로 붙이는 방법 # 데이터 프레임 옆으로 붙이는 방법 # 데이터 프레임 밑으로 붙이는 방법 # 데이터 프레임 세로로 붙이는 방법 # 판다스 pandas DataFrame 합치기 # 판다스 pandas DataFrame 붙이기 해당 포스팅은 데이터 프레임을 합치고 싶을 때 사용하는 pd.concat 함수에 대해서 정리하였습니다. pd.concat() pd.concat() 함수는 데이터프레임을 물리적으로 이어 붙여주는 함수입니다. axis=0, axis=1 을 통해서 데이터프레임을 행방..
🔍 예상 검색어 더보기 # 한글 URL 인코딩 # 한글을 URL 인코딩하기 # URL 인코딩 문자열 한글로 변환하기 # 한국어 URL 인코딩 변환하는 법 # URL 한국어 디코딩 # 파이썬 한글 URL 인코딩 # 파이썬 한글 URL 디코딩 해당 포스팅은 웹 크롤링 시 한글 문자열을 URL 인코딩 하는 방법과 URL 인코딩된 문자를 한글로 디코딩 하는 방법에 대해서 정리하였습니다. 스크립트는 Chat-gpt3 plus 를 통해 도움받았습니다. 1. 한글 문자열을 URL 인코딩 하기 - quote from urllib.parse import quote # URL 인코딩할 문자열 original_string = '한글 문자열' # 한글을 URL 인코딩합니다. encoded_string = quote(origi..
🔍 예상 검색어 더보기 # 파이썬 리스트 등수로 바꾸기 # 파이썬 리스트 순서값으로 바꾸기 # 파이썬 등수 만들기 # 파이썬 등수 구하기 # 파이썬 순서 구하기 해당 포스팅은 리스트 값을 순서(등수)로 바꾸고 싶을 때 사용하는 방법에 대한 내용을 정리하였습니다. 아래 방법이 반드시 절대적인 것이 아니며, 그저 여러 방법 중 한가지 라는 것으로 참고하시기 바랍니다. ▽ 문제 score = [ 57, 71, 88, 91, 97 ] 인 리스트가 있는데, 이 값을 점수가 높은 순서대로 [5, 2, 4, 3, 1]와 같이 순서(등수)가 있는 리스트로 만들고 싶을 때는 어떻게 해야하나요? # Before score = [57, 91, 71, 88, 97] # After rank = [5, 2, 4, 3, 1] ▼ ..
🔍 예상 검색어 더보기 # 파이썬 sorted()함수 reverse 옵션 # 파이썬 sorted()함수 reverse=True, reverse=False 차이 # 파이썬 리스트 정렬 # 파이썬 정렬 오름차순 내림차순 # 파이썬 ascending descending order 해당 포스팅은 파이썬 sorted() 함수에서 사용되는 reverse 인자의 True, False 의 차이에 대해서 정리하였습니다. 1. reverse=True reverse=True를 사용하면 값이 내림차순 정렬됩니다. (값이 큰 순서부터 ex : 5 > 4 > 3 > 2 > 1 순서로 정렬) score = [57, 91, 71, 88, 97] sorted_score = sorted(score, reverse=True) print(..
🔍 예상 검색어 더보기 # 파이썬 버전 확인하기 # python 버전 확인하기 # 파이썬 버전 Check # python 버전 Check # 파이썬 설치 버전 확인하기 # 설치된 파이썬 버전이 얼마인지 확인 해당 포스팅은 설치되어 있는 파이썬의 버전을 확인하는 방법에 대해서 정리하였습니다. CLI 커맨드 명령어를 통한 방법과 소스코드를 통한 방법이 있으므로 참고하시기 바랍니다. 1. 주피터 노트북 환경에서 CLI 명령어로 python 버전 확인하기 * CLI는 명령 줄 인터페이스 (영어: command-line interface, CLI, 커맨드 라인 인터페이스) 주피터 노트북 환경에서 아래 CLI 명령어를 이용하면 python 버젼을 확인할 수 있습니다. 1.1 ! python --version ! p..
🔍 예상 검색어 더보기 # 파이썬 iris 데이터셋 다운로드 # 사이킷런 iris 데이터 불러오기 # sklearn 붓꽃 데이터셋 불러오기 # iris 붓꽃데이터 불러오기 # iris 붓꽃 품종분류 데이터 가져오기 # load_iris() # sklearn.datasets 본 포스팅은 머신러닝 및 딥러닝을 연습할 때 자주 사용되고 있는 붓꽃(iris) 품종 분류 데이터셋을 불러오는 방법에 대하여 작성한 포스팅 입니다. 데이터 분석관련 포스팅을 작성하거나, 간단한실습이 필요할 때 해당 데이터셋을 자주 사용하게 될 것 같아서 게시해 놓았습니다. Iris 데이터를 불러오는 코드는 다음과 같습니다. 해당 코드를 복사하시어 사용하시면 됩니다. import pandas as pd import sklearn from..