백엔드 개발자 꿈나무의 코딩 기록

IF 조건문 중첩 if 조건문 사용하기ELSE를 사용해 두 방향으로 분기하기 조건문에 숫자 지정하기 조건문에 문자열 지정하기 조건식을 여러 개 지정하기 중첩 if 조건문은 and 논리 연산자를 사용해서 if 조건문 하나로 줄일 수 있음. ELIF를 사용해 여러 방향으로 분기하기- 참, 거짓으로 분기하기에는 한계가 있음.- 두 가지 이상의 다양한 상황이 발생.- 여러 가지 상황을 처리할 때.

딕셔너리(Dictionary)는 키(Key)와 값(Value)의 쌍으로 이루어진 자료구조.데이터를 효율적으로 저장하고 검색할 수 있는 해시 테이블 기반의 자료형.딕셔너리 생성하기딕셔너리는 키를 먼저 지정하고 :(콜론)을 붙여서 값을 표현.키에는 값을 하나만 지정할 수 있음.(키-값은 한쌍으로 1:1 대응) 처음 lux 생성 시 health는 490이 있고, 뒤에 health = 800을 넣을 때 키 health가 중복됨.>> lux 출력 시 health = 800이 나옴.>>> 키와 값을 저장할 때 키가 중복되면 가장 뒤에 있는 값만 사용.>>> 중복되는 키는 저장되지 않음.  딕셔너리 키의 자료형 빈 딕셔너리 만들기 dict() 사용하기딕셔너리 a를 만들 때 dict에서 키=값 형식으로 딕셔너리를 만들..

슬라이싱리스트나 튜플에서 범위를 지정해 여러 개의 요소를 가져올 때 사용[start : end : step] 형식 (end는 포함 x)start : 시작 인덱스end : 끝 인덱스step : 인덱스 증가폭기능인덱스슬라이싱목적하나의 요소 가져오기여러 개의 요소 가져오기형식시퀀스객체[n]시퀀스객체[start : end : step]슬라이스 사용하기- 시퀀스 슬라이스 : 시퀀스 객체의 일부를 잘라냄. 슬라이스로 리스트의 중간 부분 가져오기 인덱스 증가폭 사용하기 len 응용하기 시퀀스 자료형에 슬라이스 사용하기 슬라이스에 요소 할당하기>> 범위를 지정해서 요소를 할당했을 때는 원래 있던 리스트가 변경되며,새 리스트는 생성되지 않음.  인덱스 증가폭을 사용해 인덱스 할당하기 시퀀스 자료형에 요소 할당하기 del..

Python에서 리스트와 튜플은 여러 개의 값을 저장할 수 있는 자료구조. 비교리스트 (List)튜플 (Tuple)가변성변경 가능 (mutable)변경 불가능 (imutable)사용 기호[ ] 대괄호( ) 소괄호요소 추가, 삭제가능 (append, remove등)불가능속도상대적으로 느림상대적으로 빠름사용 목적자주 변경되는 데이터변경이 필요없는 데이터리스트리스트는 문자열, 정수, 실수, 불 등 모든 자료형을 저장할 수 있다.자료형을 섞어서 저장도 가능 >> 리스트에 여러가지 자료형을 사용하면 관련 정보를 하나로 묶기 편함.빈 리스트는 보통 미리 만들어 놓은 뒤에 새 값을 추가하는 방식으로 사용. - 증가폭을 음수로 지정하면 해당 값만큼 숫자를 감소하며 생성. 튜플튜플도 리스트처럼 여러 자료형을 섞어서 저장..

참, 거짓을 나타내는 boolean 학습두 값의 관계를 판단하는 비교 연산자와 두 값의 논리값을 판단하는 논리 연산자 학습 불(boolean)과 비교 연산자(Comparsion Operators)- 불(Boolean)은 True(참), False(거짓)으로 표현.- 비교 연산자의 판단 결과 : True, False를 사용.(비교 결과가 맞으면 True, 아니면 False)비교 연산자설명==같다!=같지 않다>크다작다>=크거나 같다작거나 같다숫자 비교하기 문자열 비교하기  부등호 사용하기부등호를 사용해 비교할 때의 비교 기준은 첫 번째 값 >> 첫 번째 값보다 큰지, 작은지 처럼 읽음.> 은 초과>= 은 이상>, >=, 이상, 이하는 비교할 값도 포함. 객체가 같은지 다른지 비교하기 정수 객체와 실수 객체의..

서울시 구별 cctv 현황 분석을 활용해서 Pandas의 기본 기능과 사용법 학습하기.   csv 파일로 변경하고 저장하기 인코딩 csv 다시 저장 후 데이터 확인   # cctv 설치 연도 데이터df_years = df[df['구분'] != '계'].set_index('구분').drop(columns=['총 계'])# 각 지역구별 최댓값 찾기max_year = df_years.idxmax(axis=1) #최댓값 연도max_count = df_years.max(axis=1) # 최댓값 설치 개수df_max = pd.DataFrame({ '최다 설치 연도': max_year, '최다 설치 개수': max_count})print(df_max)>>

배열값 삭제delete() : NumPy 배열에서 특정 인덱스의 요소를 삭제하는 데 사용한다.delete(array, obj, axis = None)array : 삭제 대상이 되는 배열obj : 삭제할 인덱스axis : None = 기본값(배열을 1차원으로 펼친 후 지정된 인덱스 삭제,          0 = 행(row) 기준 삭제, 1 = 열(column) 기준 삭주의사항원본 배열은 변경되지 않는다.np.delete()는 새로운 배열을 반환하기 때문에 원본 배열을 수정하려면 반환값을 다시 저장해야 한다.np.delete()는 배열의 복사본을 생성하기 때문에 큰 배열에서 잦은 삭제 작업은 성능에 영향을 줄 수 있다.>> 리스트(list) 사용 등으로 잦은 삭제 작업을 대체??배열 복사리스트(list) 자..

NumPy ?? : 파이썬에서 과학 계산을 위한 라이브러리로. 다차원(N차원) 배열 객체와 다양한 수학 함수를 제공한.Numpy 특징고성능 과학 계산용 패키지로 강력한 N차원 배열 객체.범용적 데이터 처리에 사용 가능한 다차원 컨테이너.정교한 브로드캐스팅(broadcasting) 기능.파이썬의 자료형 List와 비슷하지만 더 빠르고 메모리를 효율적으로 관리.반복문 없이 데이터 배열에 대한 처리를 지원하여 빠르고 편리하다.데이터 과학 도구에 대한 생태계의 핵심을 이루고 있다.NumPy 설치 배열 생성 배열 생성 및 초기화 특징 arange() linspace() 값의 개수 지정범위를 증가값 간격으로 나눔생성할 값의 개수를 명시 종료값 포함 여부 종료값을 항상 제외기본적으로 포함 소수점 간격 지원  가능..

1. JOIN과 서브쿼리 활용 : employees 테이블과 orders 테이블을 사용해 각 직원이 담당한 주문의 수를 직원의 이름과 함께 출력하기.(주문이 없는 직원도 포함)SELECT e.first_name || ' ' || e.last_name AS employee_name, COUNT(o.order_id) AS order_count FROM employees eLEFT JOIN orders o ON e.employee_id = o.order_idGROUP BY e.first_name, e.last_nameORDER BY order_count DESC;LEFT JOIN : 주문이 없는 직원도 결과에 포함.COUNT(o.order_id)는 주문 수 계산, GROUP BY로 직원별 집계.2. 집계 함..

데이터베이스 : 컴퓨터 또는 장치에 저장된 구조화된 데이터의 집합.(데이터베이스 관리 시스템 = Database Management System을 줄여 데이터 베이스라고도 한다.) DBMS컴퓨터에 저장된 서로 관계된 데이터의 집합데이터를 접근하는 프로그램의 집합DBMS는 특정 기업에 관한 정보를 포함한다DBMS는 사용이 편리하고 효율적인 환경을 제공한다.데이터베이스 시스템의 목적초기 데이터베이스 애플리케이션은 파일 시스템을 이용하여 생성.파일 시스템 사용의 문제점데이터 중복 및 불일치 : 여러 가지 파일 형식, 여러 개의 파일에 중복된 정보의 저장데이터 접근이 어려움 : 새로운 임무를 수행하기 위해 새로운 프로그램의 작성이 필요데이터의 고립성 : 여러 개의 파일과 형식.무결성 : 정확한 데이터가 유지되고..