I about me

자바스크립트 문법에서는 ${}는 벡틱(``)안에 들어가야 인식할 수 있으며, 따옴표('') 안에서는 인식할 수 없습니다. console.log('${}') # incorrect example console.log(`${}`) # correct example 즉, 위에서 보듯 첫번째처럼 따옴표('')는 옳지 않은 예시이다. 그러나 두 번째 예시에서 벡틱(``)는 올바르다.

HTML: 이미지, 글자, 버튼 등이 어디에 들어갈지 정해준다.(ex) 뼈대) CSS: 이미지, 글자, 버튼 등의 요소에 크기나 색깔 같은 스타일을 입혀준다. (ex) 스타일링) JavaScript: 유저 동작에 따른 사이트의 반응을 정해준다. (ex) 뇌)

import pandas as pd iphone_df = pd.read_csv("data/iphone.csv", encoding='cp949', index_col = 0) iphone_df.loc['iPhone 8', '메모리'] iphone_df.loc[" ", " "] 1. 불러온 파일을 변수처리(iphone_df)를 한다. 2. 변수에 '.loc'을 붙인 뒤, [행, 열] 기억하자! iphone_df.loc[:, '출시일'] 만약 여러개의 열을 보고 싶다면? iphone_df[['출시일', '메모리']]

pandas로 데이터를 분석하다보면 csv파일을 만져야할 때가 많습니다. 이번 시간은 python으로 csv를 여는 방법을 알아보도록 하겠습니다. 이때 구글 코랩의 경우, 다음 네 번째 파일 모양의 아이콘을 클릭해준 후 , data라는 파일 안에 csv파일을 집어넣습니다. 그후 pd.read_csv 로 파일 불러온 뒤, 다음과 같이 경로를 설정하면 import pandas as pd iphone_df = pd.read_csv("data/iphone.csv", encoding='cp949') iphone_df 아래의 표가 나오게 됩니다. 이때! 'Unnamed: 0'이라는 게 보이는가? 이거 없이 깔끔하게 csv를 불러오려면 어떻게 해야할까? 바로 'index_col = 0'을 선언해주면 된다. impor..

옛날에는 통계 분석하면 R을 많이 썼었다. 그러나 지금은 왜 R보다 파이썬을 많이 쓰는 이유가 무엇일까? 개발자들이 파이썬의 문법이 사용하기 쉬우니까 R에 있는 DataFrame을 pandas로 옯겼기 때문이다. 그러면서 지금의 파이썬의 인기를 누리게 되었다. 그렇게 지금의 파이썬의 인기를 누리게 해주었던 pandas를 알아보자! 2차원의 데이터는 pandas로 많이 쓴다. Numpy Array _ 2차원 배열 Pandas DaraFrame _ 2차원 배열 숫자 위주 ex) [1, 2, 3, 4] 데이터 형태가 다양 ex) ['00대학교'. '김00', 20] np.array하듯 pd.DataFrame 하면 된다. import pandas as pd list = [['김영일', 20], ['김이삼', 2..

HTML의 모든 것을 정리해보자! 기본 틀 (쓰고 싶은 내용) 첫 번째, 는 HTML에서 주석을 나타내는 부분이라고 한다. 두 번째, DOCTYPE html 이 부분은 이 파일을 html의 언어로 작성하겠다고 쓰는 것이라고 한다. 세 번째. (쓰고 싶은 내용) 을 쓰면 짜잔!! 이렇게 만든 파일 클릭하면 다음과 같이 나온다. 또한, 아래 netlify 사이트에 들어가면 내가 만든 사이트를 공유할 수 있다...! https://www.netlify.com/ Develop and deploy websites and apps in record time | Netlify Accelerate the time to deploy your websites and apps. Bring your integrations a..

numpy 기본 연산 array1 = np.arange(10) # [0 1 2 3 4 5 6 7 8 9] array2 = np.arange(10, 20) # [10 11 12 13 14 15 16 17 18 19] print(array1 + 2) # [ 2 3 4 5 6 7 8 9 10 11] print(array1 * 2) # [ 0 2 4 6 8 10 12 14 16 18] print(array1 + array2) # [ 0 2 4 6 8 10 12 14 16 18] print(array1 * array2) # [ 0 11 24 39 56 75 96 119 144 171] Numpy Array Python list 1. 문법적 같은 크기의 넘파이 배열을 더하면, [1, 2, 3] + [3, 4, 5]..

인덱싱 arr1 = np.array([1, 2, 3, -4, -5, -6, 7, 8, 9, 10]) # 1. 끝부터가 -1이므로, 10을 의미함. arr1[-1] # 2. 1번째(2), 3번째(-4), 4번째(-5)를 의미함. arr1[[1, 3, 4]] # 3. 2번 방법 응용 arr2 = np.array([1, 3, 4]) arr1[arr2] 슬라이싱 arr1 = np.array([1, 2, 3, -4, -5, -6, 7, 8, 9, 10]) arr1[0:10] # array([ 1, 2, 3, -4, -5, -6, 7, 8, 9, 10]) arr1[:10] # array([ 1, 2, 3, -4, -5, -6, 7, 8, 9, 10]) arr1[2:] # array([ 3, -4, -5, -6, 7..

# 1. 균일한 값으로 생성 array1 = np.full(6, 7) print(array1) # [7 7 7 7 7 7] # 2. 모든 값이 0인 numpy array 생성 array1 = np.full(6, 0) array2 = np.zeros(6, dtype=int) # 추천 print(array1) # [0 0 0 0 0 0] print(array2) # [0 0 0 0 0 0] 모든 값이 1인 numpy array 생성 array1 = np.full(6, 1) array2 = np.ones(6, dtype=int) # 추천 print(array1) # [1 1 1 1 1 1] print(array2) # [1 1 1 1 1 1] # 3. 랜덤한 값들로 생성 # np(numpy) 모듈 안에 ran..

numpy: numerical python의 줄임말로, 다양한 수치 연산을 위한 여러 가지 기능을 가지고 있는 라이브러리 import numpy as np # numpy라는 라이브러리에서 가져다쓰겠다는 의미 # 매번 쓸 때마다 numpy를 쓰면 힘들기 때문에 as라는 별칭을 써서 np로 불러 사용하겠다는 의미 np.array() # 배열화하는 방법 import numpy as np data = [1, 2, 3, 4, 5] array= np.array(data) print(array) # [1, 2, 3, 4, 5] shape # 행, 열을 확인하는 방법 import numpy as np data_1 = np.array([1, 2, 3, 4, 5]) data_2 = np.array([[1, 2, 3, 4]..