개발!

8 각도기def solution(angle):     if 0 angle 90:         return 1     elif angle == 90:         return 2     elif 90 angle 180:         return 3     elif angle == 180:         return 4 9 짝수의 합def solution(n):     answer = []     for i in range(1, n+1):         if i % 2 == 0:             answer.append(i)     return sum(answer) 10 배열의 평균값import numpy as np def solution(numbers):     arr = np.mean(numb..

강의 외부에서 추가로 알게된 내용1. 리스트 자체를 수정하는 메서드들 (in-place 수정)이 메서드들은 리스트 자체를 변경하고, 새로운 리스트를 반환하지 x.sort(): 리스트를 정렬하고, 반환 값은 None.append(): 리스트에 요소를 추가하고, 반환 값은 None.remove(): 리스트에서 특정 값을 제거하고, 반환 값은 None.reverse(): 리스트를 뒤집고, 반환 값은 None.2. 새로운 리스트를 반환하는 메서드들이 메서드들은 원본 리스트를 변경하지 않고, 새로운 리스트를 반환 o.sorted(): 원본 리스트는 그대로 두고, 정렬된 새로운 리스트를 반환합니다.copy(): 원본 리스트의 복사본을 반환합니다.map(): 각 요소에 함수를 적용한 새로운 리스트(또는 이터러블)를 ..

merge()를 사용해서 두 데이터프레임을 공통 열을 기준으로 병합할 수 있으며, concat()으로 행 또는 열 단위로 데이터프레임을 연결할 수 있고, join()으로는 인덱스를 기준으로 데이터프레임을 병합할 수 있다. groupby()함수를 통해 데이터를 특정 열을 기준으로 그룹화할 수 있는데, 그룹화한 데이터에 대해 다양한 집계함수를 사용할 수 있으며, 여러 열을 기준으로 그룹화할  수도 있다. pivot_table() 함수로 피벗테이블을 생성하여 데이터를 요약하고 특정 기준에 따라 재구조화할 수 있다. aggfunc에 여러 집계함수를 지정해 다양한 요약 통계를 얻을 수 있다. margins 옵션을 사용해 전체 합계를 추가할 수도 있다.# 점수의 합계와 평균을 계산하는 피벗테이블 생성pivot_mu..

1 두 수의 차def solution(num1, num2):     answer = num1 - num2     return answer 2 두 수의 곱def solution(num1, num2):     answer = num1*num2     return answer 3 몫 구하기def solution(num1, num2):     answer = int(num1/num2)     return answer 4 나이 출력def solution(age):    answer = 2022 - age + 1     return answer 5 숫자 비교하기def solution(num1, num2):     if num1==num2:         return 1     elif num1!=num2:     ..

50 5월 식품들의 총매출 조회하기SELECT P.PRODUCT_ID, P.PRODUCT_NAME, SUM(P.PRICE * O.AMOUNT) TOTAL_SALES FROM FOOD_PRODUCT P JOIN FOOD_ORDER O ON P.PRODUCT_ID = O.PRODUCT_ID WHERE O.PRODUCE_DATE LIKE '2022-05%' GROUP BY PRODUCT_ID ORDER BY 3 DESC, 1

데이터프레임은 판다스의 핵심 자료 구조로 행과 열로 구성된 2차원 데이터 구조이고, 다양한 데이터 타입을 허용한다. 시리즈는 데이터프레임의 구성요소 중 하나로 하나의 열을 나타내는 1차원 구조다. 인덱스와 데이터 값이 쌍으로 구성되며 하나의 데이터 타입을 허용한다. 여러 개의 시리즈가 모여서 데이터프레임이 되는 것이다. 이 둘은 모두 인덱스를 가진다. Numpy는 ndarray와 배열을 효율적으로 처리할 수 있는 다양한 함수들을 제공하며, 데이터분석·머신러닝 ·딥러닝에서 기초가 되는 라이브러리로, 판다스와 함께 자주 사용된다. Numpy 배열에서는 반복문 없이 벡터화 연산으로 연산이 용이하다. 배열 간의 기본 연산은 모두 요소별로 수행된다. 인덱싱을 통해 배열의 특정 위치에 접근할 수 있고, 슬라이싱을 ..

클래스는 객체를 만들기 위한 설계도이고, 이를 바탕으로 객체라는 실체를 만든다. 클래스 내부에는 이 클래스가 어떤 속성과 어떤 행동을 할 수 있다는 게 정의돼있는데, 세부적인 값들은 객체마다 다를 수 있다. 클래스의 속성은 객체의 상태나 특성을 나타내고, 클래스의 메서드는 객체가 수행하는 동작을 정의한다.class Dog: def __init__(self, name, breed): self.name = name self.breed = breed def bark(self): return f"{self.name}가 짖습니다." def introduce(self): return f"이름: {self.name}, 품종: {self.breed}" ..