문과생CS정복기

우리는 배웠다. shape(V, H, D) Vertical=높이 Horizontal=행 Depth=열 이번엔 쪼갠 것을 다시 쌓아보자. 다음 a array (3,4)와 b array (3,4)가 있다. a = np.array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12]]) b = np.array([[13, 14, 15, 16], [17, 18, 19, 20], [21, 22, 23, 24]]) np.vstack((a,b)) np.hstack((a,b)) np.dstack((a,b)) 어떤 것을 써야 아래 1번 2번 3번 array를 만들 수 있을까? # 1번 [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12] [13 14 15 16] [17 18 1..

array3d.shape >>> (높이=2,행=3,열=4) array3d >>> array([[[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12]], [[13, 14, 15, 16], [17, 18, 19, 20], [21, 22, 23, 24]]]) 1. array3d를 1부터 12까지, 13부터 24까지 위 아래로 쪼개고 싶다면? vsplit (vertical split) axis=0을 기준 numpy.split(ary,indices_or_sections,axis=0) axis=1,2은 안된다 numpy.array_split(ary,indices_or_sections,axis=0) axis=1,2은 안된다 numpy.vsplit(ary, indices_or_sectio..

Numpy 2차원을 1차원으로 크기변경하려면? numpy.reshape(a, newshape, order='C') numpy.ravel(a, order='C') numpy.ndarray.flatten(order='C') numpy.ndarray.ravel([order]) import numpy as np a = np.arange(12) #1차원 b = a.reshape(3,4) #2차원으로 변경 print(a) >>> [ 0 1 2 3 4 5 6 7 8 9 10 11] print(b) >>> [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] print(b.ravel()) # 2차원을 1차원으로 변경 >>> [ 0 1 2 3 4 5 6 7 8 9 10 11] print(b.reshape(-..

try : 예외가 발생할 가능성이 있는 코드 except : 예외가 발생했을 때 실행할 코드 else : 예외가 발생하지 않았을 때 실행할 코드 finally : 예외 발생 여부와 상관없이 무조건 실행할 코드 try : Number = int(input("숫자 입력 : ")) except : print("예외가 발생하였습니다.") else : print("입력한 숫자는 ", Number, "입니다.") finally : print("finally 문은 무조건 실행하는 코드") input에 숫자입력시 입력한 숫자는 12 입니다. finally 문은 무조건 실행하는 코드 input에 숫자가 아닌 문자 입력시 예외가 발생하였습니다. finally 문은 무조건 실행하는 코드

다음 numpy arange 문제를 풀어보세요. numpy.arange([start, ]stop, [step, ]dtype=None, *, like=None) np.arange(0, 5, 0.5, dtype=int) 시작 값(0): 배열의 시작 값입니다. 이 예에서는 0부터 시작합니다. 종료 값(5): 배열 생성이 종료되는 값으로, 이 값은 포함되지 않습니다. 즉, 5는 배열에 포함되지 않습니다. 간격(0.5): 배열의 각 요소 간의 간격을 지정합니다. 이 경우 0.5씩 증가합니다. dtype=int: 배열의 데이터 타입을 지정합니다. 여기서는 int (정수) 타입을 지정하여, 결과적으로 생성되는 배열의 요소들이 정수형으로 변환됩니다. 둘 중 정답은? 1번 array([0, 0, 1, 1, 2, 2, 3..

MD 파일은 마크다운(Markdown) 파일을 나타내는 파일 형식으로, 확장자는 .md입니다. 마크다운은 일반 텍스트로 스타일링이 가능한 경량 마크업 언어로, 쉽게 읽고 쓸 수 있도록 설계되었습니다. 웹 콘텐츠 작성에 주로 사용되며, GitHub, Reddit, Discord와 같은 플랫폼에서도 널리 채택되고 있습니다.마크다운의 주요 특징간단하고 읽기 쉬움: 마크다운은 읽기 쉬운 문서를 작성할 수 있게 해줍니다. HTML과 달리 태그를 사용하지 않고, 간단한 구문으로 텍스트를 스타일링할 수 있습니다.포맷의 유연성: 텍스트 파일 형식으로, 다양한 텍스트 편집기에서 편집 가능합니다. 변환 도구를 통해 HTML, PDF, 그리고 다른 문서 형식으로 쉽게 변환할 수 있습니다.마크다운의 기본 구문헤더(Header..

`NaN` (Not a Number)과 `None`을 구분하는 것은 때로는 중요할 수 있습니다. 이 두 값은 서로 다른 유형이며, 특정 상황에서는 이를 명확히 구분해야 할 필요가 있습니다. Pandas와 Python에서 이 두 값의 유형을 확인하고 구분하는 방법에 대해 살펴보겠습니다. ### 1. 데이터 유형 확인 Python의 `type()` 함수와 Pandas의 `dtype` 속성을 사용하여 `NaN`과 `None`의 데이터 유형을 확인할 수 있습니다. `NaN`은 float 유형이고, `None`은 NoneType입니다. ### 2. 값의 특성을 이용한 구분 `NaN`은 수치 연산에 참여할 수 있으며, 결과는 또 다른 `NaN`입니다. 반면, `None`은 수치 연산에 사용할 수 없으며, 이를 시도..

`NaN` (Not a Number)과 `null` (또는 `None` in Python)은 모두 데이터가 누락되었거나 사용할 수 없을 때 사용되는 값이지만, 그 용도와 의미에서 차이가 있습니다. ### NaN (Not a Number) - **용도**: `NaN`은 주로 숫자 데이터를 다루는 상황에서 사용됩니다. 부동 소수점 수치 연산에서 유효하지 않거나 정의되지 않은 값(예: 0으로 나누기)을 나타낼 때 사용됩니다. - **특성**: `NaN`은 IEEE 부동 소수점 표준에 정의된 특수한 부동 소수점 값입니다. `NaN`은 다른 `NaN`과 비교해도 항상 거짓을 반환하는 특이한 특성을 가지고 있습니다. 즉, `NaN == NaN`은 `False`입니다. - **사용**: 데이터 분석과 과학 계산에서 ..