WjExplor Story

Q. 함수 매개변수를 `func(*args)` 로 받으면 복잡해지나? A. 'func(*args)' 문법 자체가 복잡한 것은 아니지만, **어떤 상황에서 사용하느냐에 따라 코드를 더 명확하게 만들 수도 있고, 오히려 복잡하게 만들 수 있다**`*args`의 역할 * `*args` 는 함수가 개수가 정해지지 않은 여러 개의 위치 인자(positional arguments)를 받을 때 사용한다. 만약 함수가 정확히 두 개의 매개 변수를 받아야 한다면, def name_func(param1, param2): 처럼 매개변수 이름을 명시하는 것이 훨씬 좋다. *args 을 사용하면 가독성 저하 이유로 복잡해지거나 덜 명확해질 수 있다.* 가독성 저하 : def greet(*args): 라고 하면, args[0]..

# 파이썬 리스트 컴프리헨션 (List Comprehension) ## 1. 리스트 컴프리헨션이란? 파이썬에서 리스트를 생성하는 간결하고 효율적인 방법입니다. 기존의 리스트(또는 다른 반복 가능한 객체)를 기반으로 새로운 리스트를 만들 때 사용합니다. 일반적인 for 루프와 append() 메서드를 사용하는 것보다 코드가 짧고 가독성이 좋으며, 때로는 성능도 더 좋습니다. ## 2. 기본 문법 [표현식 for 항목 in 반복가능객체] ## 3. 조건문이 포함된 문법 [표현식 for 항목 in 반복가능객체 if 조건]4. 예제예제 1: 간단한 변환 (각 숫자를 제곱하기)numbers = [1, 2, 3, 4, 5]# 일반적인 for 루프squared_numbers_for = []for num in numb..

DataFrame 데이터 값들을 수정해 보자.Double Stacker King 로우에 sodium 칼럼의 NaN 값을 수정해 보자.burger_df.loc['Double Stacker King','sodium']# nan값을 수정하려면 이 위치에 새로운 값을 저장해 주면 된다.burger_df.loc['Double Stacker King','sodium'] = 1.9burger_df.loc['Double Stacker King','sodium']# 1.9값을 하나만 바꾸어 줄 수 있고 아니면 아예 한 줄 통째로 수정할 수 있다.로우 한 줄을 수정할 수 있고, 칼럼 한 줄을 수정할 수 있다.로우 한 줄을 수정하는 걸 배워보자.Cheese Whopper의 값을 가져오자.burger_df.loc['Chees..

DataFrame에서 특정 조건에 맞는 데이터를 필터링하는 방법을 알아보자. Numpy array에서 불린 인덱싱을 진행하였다. 유사한 개념이다.예를 들어 칼로리가 500 미만의 상품들만 데이터를 확인하고 싶다면 우선 칼로리 컬럼을 먼저 받아보자burger_df['calories']이렇게 Pandas Series 가 나온다. 1차원 Numpy array 랑 꽤나 유사하다.여기에 불린 연산을 해보자.burger_df['calories'] 각 제품이 500 칼로리 미만인지 아닌지에 대한 불린 값들이 쭉 나온다.True 값이면 500 미만 칼로리 제품이라는 것이다. False 이면 500 이상 칼로리 제품이라는 것이다.type(burger_df['calories'] type을 확인해 보니 Pandas Seri..

실제 데이터를 불러와서 사용해 보자.Pandas를 쓰면 외부 데이터를 간편하게 불러올 수 있다.. csv 파일 형태를 사용해 보자.Comma-Separated Values (값들이 쉼표로 나뉘어 있다)값들이 쉼표로 구분되어 있다는 의미이다.쉼표들로 값들이 분리되어 있다.csv 파일의 첫 줄에는 칼럼 이름이 쉼표로 분리되어 있다. 칼럼 이름이 나와있는 첫 줄을 헤더(header)라고 부른다.그리고 그다음 줄부터는 실제 데이터가 들어가 있다.헤더가 없는 Buger2.csv 파일도 준비되었다.파일에 헤더가 있는지 없는지 잘 확인하고 사용해야 한다.주피터에 csv 파일을 읽어보자import pandas as pdbuger_df = pd.read_csv("data/burger.csv")buger_dfcsv 파일에..

NumPy는 복잡한 수학 연산을 할 때 사용되나 표 형태 데이터에서는 불리한 측면이 있다.Numpy 안에 Pandas 라이브러리를 이용하여 사용하게 되면 편리한 기능을 사용할 수 있다.Pandas는 표 형태의 데이터를 간편하게 다루고 싶을 때 사용한다.import pandas as pddf = pd.DataFrame({ 'category': ['skirt', 'sweater', 'coat', 'jeans'], 'quantity': [10, 15, 6, 11], 'price': [30000, 60000, 95000, 35000]})dfpd.DataFrame() 함수에 python dictionary를 파라미터로 넘겨줬다.di..

title 부터 ylabel 까지 한글로 작성하게 되면 오류 메시지가 나타난다.import numpy as npimport matplotlib.pyplot as pltheight_array = np.array([ 165, 164, 155, 151, 157, 162, 155, 157, 165, 162, 165, 167, 167, 183, 180, 184, 177, 178, 175, 181, 172, 173, 169, 172, 177, 178, 185, 186, 190, 187])weight_array = np.array([ 62, 59, 57, 55, 60, 58, 51, 56, 68, 64, 57, 58, 64, 79, 73, 76, 61, 65, 83, 80, 67, 8..

에피소드Jupyter Notebook 소개 | 초보자를 위한 Python 더 보기 - 데이터 도구 [2/31]초보자를 위한 더 많은 Python - 데이터 도구Jupyter Notebook은 지금까지 데이터 과학자가 사용하는 가장 일반적인 도구이며 Python으로 플레이하려는 사람들에게 인기가 있습니다. Notebook을 사용하면 Python을 빠르게 실행하고, 변경하고, 결과에 대한 업데이트를 볼 수 있습니다. Jupyter Notebook 작업에 대한 몇 가지 기본 팁과 요령을 참조하세요. 여기에서 Python for Beginner 시리즈를 시청하세요. https://aka.ms/PythonBeginnerSeriesMicrosoft Learn의 전체 'Python 소개' 과정: https://aka..