http://sjh4773.github.io/categories/python-%EA%B3%B5%EB%B6%80/ Recent content in Python 공부 on My New Hugo Site Hugo -- gohugo.io kr-ko Thu, 22 Apr 2021 22:36:12 +0000 http://sjh4773.github.io/post/python-5/ Thu, 22 Apr 2021 22:36:12 +0000 http://sjh4773.github.io/post/python-5/ 정규 표현식 문자 클래스 [] [] 사이의 문자들과 매치 만약 정규 표현식이 [abc]라면 이 표현식의 의미는 문자열들 중에 a,b,c가 한 개라도 있으면 매치 된다는 것을 의미 [] 안의 두 문자 사이에 하이픈(-)을 사용할 시 두 문자 사이의 범위(From - To)를 의미 하이픈(-)을 사용한 문자 클래스의 사용 예 [a-zA-Z] : 알파벳 전부 [0-9] : 숫자 ^ 문자 클래스 안에 ^ 메타 문자를 사용할 경우에는 반대(not)이라는 의미를 갖는다. http://sjh4773.github.io/post/matplotlib_study/ Wed, 07 Apr 2021 21:03:56 +0000 http://sjh4773.github.io/post/matplotlib_study/ import matplotlib.pyplot as plt from matplotlib.ticker import (MultipleLocator, AutoMinorLocator, FuncFormatter) import seaborn as sns import numpy as np # 그냥 그림을 그릴 때 zorder의 값을 지정해주면 그 값이 레이어의 위치라고 보면 된다. # 가장 바깥 쪽에 그려지는 그림일수록 zorder의 값이 커야 한다. # zorder는 레이어의 위치 def plot_example(ax, zorder=0): ax.bar(tips_day["day"], tips_day["tip"], color="lightgray", zorder=zorder) ax.set_title("tip (mean)", fontsize=16, pad=12) # Values h_pad = 0.1 for i in range(4): fontweight = "normal" color = "k" if i == 3: fontweight = "bold" color = "darkred" ax. http://sjh4773.github.io/post/python-4/ Tue, 06 Apr 2021 22:42:39 +0000 http://sjh4773.github.io/post/python-4/ 리스트(list)와 튜플(tuple)의 차이는 무엇인가? 공통점 1.리스트와 튜플은 둘 다 컨테이너로 일련의 객체를 저장하는데 사용한다. 둘 다 타입과 상관 없이 일련의 요소(element)를 갖을 수 있다. 두 타입 모두 요소의 순서를 관리한다. (세트(set)나 딕셔너리(dict)와 다르게 말이다.) 2.list와 tuple 모두 인덱스를 통해 특정 요소에 접근할 수 있다. 3.list와 tuple 모두 iterable하다. 즉, for문을 넣고 돌릴 수 있다. 차이점 리스트와 튜플의 기술적 차이점은 불변성에 있다. 리스트는 가변적(mutable, 변경 가능)이며 튜플은 불변적(immutable, 변경 불가)이다. 이 특징이 파이썬 언어에서 둘을 구분하는 유일한 차이점이다. http://sjh4773.github.io/post/python-3/ Thu, 01 Apr 2021 07:54:06 +0000 http://sjh4773.github.io/post/python-3/ ndarray는 shape는 행,열,높이 단위로 부여되는 것이 아니라 axis0,axis1,axis2와 같이 axis 단위로 부여됩니다. http://sjh4773.github.io/post/python/ Sun, 28 Mar 2021 00:02:27 +0000 http://sjh4773.github.io/post/python/ Cosine similarity(유사도 측정) -> 유사인 경우 1, 상극인 경우 -1 (cosine 함수) 구하는 방식 -> 벡터내적 𝑐𝑜𝑠𝜃 = 𝐴 ∙ 𝐵 / |𝐴||𝐵| (−1 ≤ 𝑐𝑜𝑠𝜃 ≤ 1) import numpy as np def cosine_similarity(a,b): num = np.dot(a,b) den = np.sqrt(np.sum(a**2))*np.sqrt(np.sum(b**2)) return num/(den+1e-15) # 카페 평가 기준 : 분위기, 예술성, 친절함, 가성비, 위생, 맛 # 각 항목별 점수 범위 : 0 ~ 10 # 위의 평가 기준 순서대로 평가 backkeumdang = np.