• Pandas Cheat Sheet 에서 누락값(결측치 값) 다루는 방법 학습하기
• 학습 부분
  • Handling Missing Data
    • 결측치 제거 : dropna
    • 결측치 채우기 : fillna

📍실습에 사용할 데이터

import pandas as pd
import numpy as np

df = pd.DataFrame([[np.nan, 2, np.nan, 0],
                   [3, 4, np.nan, 1],
                   [np.nan, np.nan, np.nan, np.nan],
                   [np.nan, 3, np.nan, 4]],
                 columns=list("ABCD"))

df

결측값 제거

df.dropna()

📍파라미터 정리

• axis : 축 (기본값 : axis=0 행 / axis=1은 열)
  • 누락값이 포함된 행 또는 열 삭제
    
• how : 제거방법
  • any : NA 값이 있으면 해당 행이나 열 삭제 (기본값)
  • all : 모든 값이 NA 이면 해당 행이나 열 삭제
    
• thresh : 정수 입력 (선택사항)
  • thresh=3 이면, NA가 아닌 값이 3개 이상인 경우만 제거하지 않음
    
• subset : 컬럼명 (선택사항)
  • subset=[컬럼명1, 컬럼명2] 이면, 두 컬럼에 대해서만 누락값을 찾도록 지정할 수 있음
    
• inplace : 수정여부 (기본값 False)
  • inplace=True 하면, 데이터프레임을 수정

👩🏻‍💻실습으로 배우는 dropna

• 열에 포함된 값 전체가 결측치일 때만 제거

  df.dropna(axis=1, how="all")

  	A	B	D
  0	NaN	2.0	0.0
  1	3.0	4.0	1.0
  2	NaN	NaN	NaN
  3	NaN	3.0	4.0

• 위 결과물을 저장하고자 할 때 inplace=True 넣어주면 된다.

  
  

결측값 채우기

df.fillna()

• 채워줄 값만 넣게 되면, 모든 결측치 값에 채워지게 된다.
• 특정 값으로 채우려면 values

👩🏻‍💻실습으로 배우는 fillna

• 누락값 부분을 특정 값으로 채우기

  df.fillna("결측값")

  	A	B	C	D
  0	결측값	2.0	결측값	0.0
  1	3.1	4.0	결측값	1.0
  2	결측값	결측값	결측값	결측값
  3	결측값	3.0	결측값	4.0

• 딕셔너리 값으로 열을 기준으로 다른 값 채워주기

  values = {"A": "A", "B": "B", "C": "C", "D": "D"}
  

df.fillna(value=values)

||A|B|C|D|
|:---------|:---------|:---------|:---------|:---------|
|0    |A|2.0|C|0.0|
|1    |3.1|4.0|C|1.0|
|2    |A|B|C|D|
|3    |A|3.0|C|4.0|


## 적용을 하게 된다면?
- 결측값이 많은 데이터프레임에서 각 열별로, 다른 평균값을 넣어줄 일이 있다면 value 파라미터를 사용하면 좋을 것 같다!



-------
# 참고문헌
- [[PDF] Pandas Cheat Sheet](https://pandas.pydata.org/Pandas_Cheat_Sheet.pdf)
- [[판다스 공식 문서] pandas.DataFrame.dropna](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.dropna.html?highlight=dropna#pandas.DataFrame.dropna)
- [[판다스 공식 문서] pandas.DataFrame.fillna](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.fillna.html?highlight=fillna#pandas.DataFrame.fillna)

• Pandas Cheat Sheet 에서 데이터 재구조화 부분 학습하기
• 학습 부분
  • Reshaping Data - Change layout, sorting, reindexing, renaming
    • sort_values
    • rename
    • sort_index
    • reset_index
    • drop

데이터 정렬

df.sort_values(by=컬럼명, ascending=False)

• 컬럼에 대한 값을 정렬 (행을 기준)
• ascending=False 를 넣어주지 않으면, 기본값인 작은 값 -> 큰 값 (오름차순) 정렬
• ascending=True 를 넣어주면, 큰 값 -> 작은 값 (내림차순) 정렬
• 해당 값을 이후에도 사용하려면, 변수에 할당해 주어야 한다.
• 만약 컬럼에 대한 값이 A, b, C, d 처럼 약간의 차이가 있다면?
  • key 값을 사용하면 됨!
  • 예 : df.sort_value(by="컬럼명", key=lambda x: x.str.lower())

인덱스 및 컬럼명 변경

df.rename(index={이전인덱스명: 바꿀인덱스명, ...}, columns={이전컬럼명: 바꿀컬럼명, ...})

• index 이름 바꿀 땐, index 만 사용!
• columns 이름 바꿀 땐, columns 만 사용!
• 변경 후 다시 변수에 할당해 주어야 저장된다.
  • 예 : df = df.rename(columns={"연도정보": "연도"})
  • 연도정보 라는 컬럼명을 연도로 바꿀 때, 다시 df에 저장해 주어야 함
    
    

    인덱스 정렬

    df.sort_index()
• 위 코드와 같이 사용하면, 오름차순 정렬 (인덱스값 기준)
• ascending=False 추가 시, 내림차순 정렬
• 해당 값을 이후에도 사용하려면, 변수에 할당해 주어야 한다.
• 만약 인덱스 값이 A, b, C, d 처럼 약간의 차이가 있다면?
  • key 값을 사용하면 됨!
  • 예 : df.sort_index(key=lambda x: x.str.lower())
    
    

    인덱스 정렬 초기화

    df.reset_index()
• 위 코드와 같이 사용하면, 기존에 인덱스로 저장되어있던 값들이 index라는 이름을 가진 컬럼으로 생성되고, 인덱스값은 0 ~ 정수로 변한다.
• 기존 인덱스 값을 0 ~ 정수로 초기화 시키려면, drop=True 를 넣어주면 된다.
• 해당 값을 이후에도 사용하려면, 변수에 할당해 주어야 한다.
  
  

  특정 인덱스 및 컬럼 제거

  df.drop(index=[인덱스명1, 인덱스명2, ...], columns=[컬럼명1, 컬럼명2, ...])
• 지정한 특정 인덱스 및 컬럼을 제거할 수 있음
• 해당 값을 이후에도 사용하려면, 변수에 할당해 주어야 한다.

• Pandas Cheat Sheet 에서 데이터 재구조화 학습하기
• 학습 부분
  • Reshaping Data - Change layout, sorting, reindexing, renaming
    • Pivot
    • Pivot_table

Reshaping

• 재구조화(Reshaping data) 종류

• pd.melt(df) : 열을 모아 행으로 녹이기
• pd.concat([df1, df2]) : 여러 데이터프레임 하나로 병합
• df.pivot(columns='var', values='val') : 행을 열로 올리기
• pd.pivot_table(df, values='val', index=[], columns=[], aggfunc=func) : 연산이 가능한 피벗 테이블
  - **pivot 과 pivot_table 차이**
• pivot은 집계함수를 사용할 수 없는 반면, pivot_table 은 aggfunc 을 사용할 수 있음

실습에 사용할 데이터

• Dataset : KOSIS 의료기관종별 환자 수 (2014 ~ 2017)
• Dataset 미리보기 ( 아래 코드의 결과물 )

  # 데이터 로드
  df = pd.read_excel(file_name)
  # 컬럼을 구성하고 있는 연월 정보를 행으로 녹이기
  df_1 = df[df["의료기관종별(1)"]!="의료기관종별(1)"].copy()
  df_1 = df_1.melt(id_vars="의료기관종별(1)", var_name="연도", value_name="환자수")
  df_1.head()

  	의료기관종별(1)	연도	환자수
  0	전체	2014	9105050.0
  1	상급종합병원	2014	1615801.0
  2	종합병원	2014	2929371.0
  3	병원	2014	2751873.0
  4	요양병원	2014	267349.0

Pivot

• index : 피봇테이블에서 index 로 설정할 컬럼명
• columns : 피봇테이블에서 colum 으로 설정할 컬럼명
• values : 데이터를 구성하는 값

Pivot_table

• values : 데이터를 구성하는 값
• index : 피봇테이블에서 index 로 설정할 컬럼명
• columns : 피봇테이블에서 colum 으로 설정할 컬럼명
• aggfunc : 연산 기능
• fill_value : 결측치를 채우는 기능

실습으로 배우는 Pivot

• 목표 : 행으로 구성하고있는 의료기관종별 데이터를 열로 올리고, 연도를 인덱스로 넣기

df_2.pivot(index="연도", columns="의료기관종별(1)")["환자수"].head()
# 위 코드와 같은 기능을 하는 코드
df_2.pivot(index="연도", columns="연도기관종별(1)", values="환자수").head()

• 결과 : pivot 을 사용하면 원하는 컬럼을 index, columns, values 값으로 지정할 수 있다.
• 위 테이블을 보면 연도가 마치 하나의 행으로 자리잡고 있는 것 처럼 보이지만, 출력된 값을 보면 아래와 같다.
• 아래 그림과 같이 pivot 테이블의 구조를 형성한다.

참고문헌

• [PDF] Pandas Cheat Sheet
• [판다스 공식 문서] pandas.DataFrame.pivot
• [판다스 공식 문서] pandas.DataFrame.pivot_table

• Pandas Cheat Sheet 에서 데이터 재구조화 중 melt, concat 학습하기
• 학습 부분
  • Reshaping Data - Change layout, sorting, reindexing, renaming
    • Melt
    • Concat

Reshaping

• 재구조화(Reshaping data) 종류

• pd.melt(df) : 열을 모아 행으로 녹이기
• pd.concat([df1, df2]) : 여러 데이터프레임 하나로 병합
• df.pivot(columns='var', values='val') : 행을 열로 올리기
• pd.pivot_table(df, values='val', index=[], columns=[], aggfunc=func) : 연산이 가능한 피벗 테이블

실습에 사용할 데이터

• Dataset : KOSIS 의료기관종별 환자 수 (2014 ~ 2017)
• Dataset 미리보기 ( df.head() 결과물 )

Melt

• id_vars : 그대로 나둘 Column 명
• value_vars : 녹일 Column 명
• var_name : 열에 사용할 이름 (행으로 녹일 때, 열로 지정할 이름)
• value_name : 열의 값에 사용할 이름 (행으로 녹일 때, 열의 값에 지정할 이름)

실습으로 배우는 Melt

• 목표 : Columns 을 구성하고있는 연월 데이터를 행으로 녹이기

df_melt = df.melt(id_vars='의료기관종별(1)', var_name="연도", value_name="환자수")
df_melt.head()

Concat

• axis : 행을 기준으로 붙이기 (0 : 기본값), 열을 기준으로 붙이기 (axis=1)
• ignore_index=True : 인덱스값 reset 하는 방법

실습으로 배우는 Concat

• 목표 : 나누어져있는 두 데이터프레임을 합치기

# 2014년, 2015년 데이터 일부 가져와서 변수에 할당하기
df1 = df_melt[df_melt["연도"] == '2014'][:2]
df2 = df_melt[df_melt["연도"] == '2015'][:2]

# 2014년, 2015년 병합 (병합기준 : default=행)
df_concat = pd.concat([df1, df2])
df_concat

참고문헌

• [PDF] Pandas Cheat Sheet
• [판다스 공식 문서] pandas.DataFrame.melt
• [판다스 공식 문서] pandas.concat

• Pandas Cheat Sheet 에서 데이터 요약, 기술통계 학습하기
• 학습 부분
  • Summarize Data

기술 통계

• 기술통계란? 측정이나 실험에서 수집한 자료(data)의 정리, 요약, 해석, 표현 등을 통해 자료의 특성을 규명하는 통계적 방법

• 데이터프레임을 이루고 있는 정보 요약 df.info() : 메모리 사용량, 각 컬럼별 데이터타입 등을 알 수 있음
  

• 데이터프레임의 행, 열의 수 df.shape : (행의수, 열의수) 형식 확인 가능
  
• 데이터프레임의 행의 수 len(df)
  
• 특정 컬럼의 unique 값에 대한 빈도수 df[컬럼명].value_counts()
  
• 특정 컬럼의 unique 값 df[컬럼명].unique()
  
• 특정 컬럼의 unique 개수 df[컬럼명].nunique()
  
• 수치형 변수에 대한 기술통계 df.describe() : 수치형 데이터에 대한 count, mean, std, min, 25%, 50%, 75%, max 값 확인
  
• 범주형 변수에 대한 기술통계 df.describe(include="object") 또는 df.describe(include="O") : 범주형 변수에 대한 count, unique, top, freq 값 확인
  
• 집계 함수
  • df.sum(axis, skipna)
    • 행을 기준으로 더하기(defaulf), 열을 기준으로 더하기(axis=1)
    • skipna(기본값:True) : 결과 계산 시, NA/Null 제외
      
  • df.count(axis)
    • 행을 기준으로 Null값 제외 셀의 개수(defaulf)
    • 열을 기준으로 Null값 제외 셀의 개수(axis=1)
      
  • df.median() : 중앙값 반환
    
  • df.quantile(q, axis) : 요청된 축에 대해 지정된 분위수의 값을 반환
    • q : 계산할 분위 수 (기본값 : .5) : 0 <= q <= 1
    • 행을 기준 (기본값 : axis=0), 열을 기준 (axis=1)
    • 예) df.quantile([.25, .75]) : 1사분위와 3사분위에 해당하는 값 반환
      
  • df.min() : 최솟값
    
  • df.max() : 최댓값
    
  • df.mean() : 평균
    
  • df.var() : 분산
    
  • df.std() : 표준편차

참고문헌

• [PDF] Pandas Cheat Sheet
• [판다스 공식 문서] Indexing and selecting data

• Pandas Cheat Sheet 에서 Sebset 부분 학습하기
• 학습 부분
  • Subset Observations - rows
  • Subset Variables - columns
  • Subsets - rows and columns

Indexing

• 데이터프레임(DataFrame) 에서 특정한 데이터만 골라내는 것을 인덱싱(indexing) 이라고 한다.
• 실습에 사용할 Dataset : df = sns.load_dataset("mpg")

행(row)

📍특정 조건에 맞는 행 가져오기

• 기본 구조

df[df.컬럼명 + 조건]

• 적용해 보기

  df[df.mpg > 16]

  	mpg	cylinders	displacement	horsepower	weight	acceleration	model_year	origin
  0	18.0	8	307.0	130.0	3504	12.0	70	usa
  2	18.0	8	318.0	150.0	3436	11.0	70	usa
  4	17.0	8	302.0	140.0	3449	10.5	70	usa

• 알아두기
  • 조건식을 여러개 사용할 수 있음

    # mpg 값이 15보다 크고 horsepower가 150보다 큰 경우의 데이터 가져오기
    df[(df["mpg"]>15)&(df["horsepower"]>150)]

  • & : 교집합 (and), | : 합집합 (or)

📍중복 제거(drop_duplicates)

• 기본 구조

df.drop_duplicates(subset=[컬럼명], keep={'last' , 'first' 또는 False})

• 적용해 보기

  df.drop_duplicates(subset=['mpg', 'cylinders'])

  	mpg	cylinders	displacement	horsepower	weight	acceleration	model_year	origin
  0	18.0	8	307.0	130.0	3504	12.0	70	usa
  1	15.0	8	350.0	165.0	3693	11.5	70	usa
  3	16.0	8	304.0	150.0	3433	12.0	70	usa
  4	17.0	8	302.0	140.0	3449	10.5	70	usa

• 알아두기
  • 중복제거한 것은, 변수에 할당해주지않으면 저장이 안됨
  • subset 에 넣어준 컬럼을 기준으로 중복 제거
  • keep을 작성하지 않으면 중복제거 시, default 값인 'first' 첫 번째 요소를 남기고 나머지 제거
    • 'first': 중복 시, 첫 번째 요소만 남기기
    • 'last' : 중복 시, 마지막 요소만 남기기
    • False : 중복 시, 남김없이 제거

📍특정 데이터 불러오기

상위 n개 데이터 불러오기

df.head(n) : n 작성안할 시, default 값인 5로 실행

하위 n개 데이터 불러오기

df.tail(n) : n 작성안할 시, default 값인 5로 실행

n개 데이터 랜덤으로 불러오기

df.sample(n) : n 작성안할 시, default 값인 1로 무작위로 데이터 반환

전체 데이터의 특정비율로 랜덤 데이터 불러오기

df.sample(frac=n) : 0<=n<=1 로 작성 (0 입력 시, 데이터 반환X, 1 입력 시, 전체 데이터 반환)

특정 컬럼의 값이 가장 큰 데이터 n개 불러오기

df.nlargest(n, columns, keep='first') : keep의 default가 'first'이고, 'first', 'last', 'all'을 사용할 수 있음

특정 컬럼의 값이 가장 작은 데이터 n개 불러오기

df.nsmallest(n, columns, keep='first') : keep의 default가 'first'이고, 'first', 'last', 'all'을 사용할 수 있음

열(column)

컬럼 선택하는 방법 : df[컬럼명] or df.컬럼명

📍특정 컬럼들만 뽑아오기

방법 1. df[[컬럼명1, 컬럼명2 ,...]]

방법 2. df.filter(regex='regex')

• 기본 구조 df.filter(items, like, regex, axis)
• 적용해 보기

  # 컬럼명으로 가져오기
  df.filter(items=['mpg', 'horsepower', 'origin'])

  	mpg	horsepower	origin
  0	18.0	130.0	usa
  1	15.0	165.0	usa
  3	16.0	150.0	usa
  4	17.0	140.0	usa
  ```python
  # 정규표현식으로 가져오기 => ^mp : mp로 시작하는!
  # axis = 1 (열) axis = 0 (행)
  df.filter(regex='^mp', axis=1)
  ```
  	mpg
  :---------	:---------
  0	18.0
  1	15.0
  3	16.0
  4	17.0
  ```python
  # 특정 문자열을 포함하고 있는 컬럼 또는 행으로 가져오기 => del 이 들어간 컬럼
  # axis = 1 (열) axis = 0 (행)
  df.filter(like='del', axis=1)
  ````
  	model_year
  :---------	:---------
  0	70
  1	70
  3	70
  4	70

행과 열(row and column)

📍위치로 데이터 뽑아오기

• 기본 구조

df.iloc[] : 행, 열 또는 행-열 불러올 수 있음

• 적용해 보기

  # 특정 행만 가져오기 (행을 0~2까지 가져오기)
  df.iloc[:3] 

  	mpg	cylinders	displacement	horsepower	weight	acceleration	model_year	origin
  0	18.0	8	307.0	130.0	3504	12.0	70	usa
  1	15.0	8	350.0	165.0	3693	11.5	70	usa
  2	18.0	8	318.0	150.0	3436	11.0	70	usa
  ```python
  # 특정 열만 가져오기 (열을 1~4까지 가져오기)
  df.iloc[:, 1:5]
  ```
  	cylinders	displacement	horsepower	weight
  :---------	:---------	:---------	:---------	:---------
  0	8	307.0	130.0	3504
  1	8	350.0	165.0	3693
  2	8	318.0	150.0	3436
  3	8	304.0	150.0	3433
  4	8	302.0	140.0	3449
  ```python
  # 특정 행, 열에 대한 데이터만 가져오기
  df.iloc[:2, 1:5]
  ```
  	cylinders	displacement	horsepower	weight
  :---------	:---------	:---------	:---------	:---------
  0	8	307.0	130.0	3504
  1	8	350.0	165.0	3693

• 알아두기
  • df.head() => df.iloc[:5] 기능
  • df.tail() => df.iloc[-5:] 기능

📍label로 데이터 뽑아오기

• 레이블 : 단일 레이블(0 또는 'age'), list/array(['mpg', 'weight']), 슬라이스객체('mpg':'weight')

• 기본 구조

df.loc[] : 행, 열 또는 행-열 불러올 수 있음

• 적용해 보기

  # 특정 행만 가져오기 (레이블이 2인 행부터 4인 행까지 가져오기)
  df.loc[2:4] 

  	mpg	cylinders	displacement	horsepower	weight	acceleration	model_year	origin
  2	18.0	8	318.0	150.0	3436	11.0	70	usa
  3	16.0	8	304.0	150.0	3433	12.0	70	usa
  4	17.0	8	302.0	140.0	3449	10.5	70	usa
  ```python
  # 특정 열만 가져오기 (레이블이 0~2인 행, "mpg" 열)
  df.loc[0:2, "mpg"]
  ```
  ```
  0 18.0
  1 15.0
  2 18.0
  Name: mpg, dtype: float64
  ```
  ```python
  # 특정 행-열 가져오기 (dataframe)
  df.loc[0:2, ["mpg","cylinders"]]
  ```
  	mpg	cylinders
  :---------	:---------	:---------
  0	18.0	8
  1	15.0	8
  2	18.0	8

• 알아두기
  • df.loc 는 조건식을 추가하여 특정 조건에 대한 데이터를 선택해올 수 있음

    df.loc[df.mpg < 18, ["horsepower", "weight", "acceleration"]]

    	horsepower	weight	acceleration
    1	165.0	3693	11.5
    3	150.0	3433	12.0
    4	140.0	3449	10.5

참고문헌

• [PDF] Pandas Cheat Sheet
• [판다스 공식 문서] Indexing and selecting data

• 행(row) 과 열(column) 로 이루어진 2차원 자료 구조
• 이미지 : 데이터프레임 구조

컬럼(Column) 선택

• 기본 구조

df["불러올 컬럼명"]

• 적용해 보기

  df = pd.DataFrame({"주문수": [3, 1, 4, 2], "판매가": [500, 1000, 2000, 5500]})
  df["주문수"]

  0    3
  1    1
  2    4
  3    2
  Name: 주문수, dtype: int64

• 알아두기
  • dataframe 에서 특정 컬럼을 가져오면, Name, dtype 정보도 출력됨
    • Name 은 컬럼명, dtype 은 데이터를 구성하고 있는 데이터의 타입
  • 데이터 타입은 pandas.core.series.Series 으로 불러와짐

컬럼(Column) 추가

📍맨 마지막에 컬럼 추가

• 기본 구조

df["새로추가할 컬럼명"] = value 값 넣기

• 적용해 보기

df["픽업여부"] = "Y"
df["총매출"] = df["주문수"] * df["판매가"]
df

  주문수 판매가 픽업여부 총매출
0    3    500        Y    1500
1    1    1000    Y    1000
2    4    2000    Y    8000
3    2    5500    Y    11000

📍원하는 위치에 컬럼 추가(insert)

• 기본 구조

df.insert(위치, 컬럼명, 컬럼값)

• 적용해 보기

df.insert(1, "단골여부", ["N", "Y", "Y", "N"])
df

  주문수 단골여부 판매가    픽업여부    총매출
0    3    N       500      Y        1500
1    1    Y       1000      Y        1000
2    4    Y       2000      Y        8000
3    2    N       5500      Y        11000

• 알아두기
  • insert 에서, 위치값은 int로 넣기
  • insert 는 변수에 다시 할당하지 않아도 됨
  • 컬럼 위치는 앞에서 부터 0으로 시작 함

컬럼(Column) 삭제

📍del

• 기본 구조

del df["컬럼명"]

• 적용해 보기

del df["주문수"]
df

 단골여부    판매가 픽업여부    총매출
0    N    500        Y    1500
1    Y    1000    Y    1000
2    Y    2000    Y    8000
3    N    5500    Y    11000

• 알아두기
  • del 는 변수에 다시 할당하지 않아도 됨

📍pop

• 기본 구조

df.pop("컬럼명")

• 적용해 보기

df.pop("픽업여부")
df

 단골여부    판매가    총매출
0    N    500        1500
1    Y    1000    1000
2    Y    2000    8000
3    N    5500    11000

• 알아두기
  • pop 는 del 과 동일하게 변수에 다시 할당하지 않아도 됨

📍drop

• 기본 구조

df = df.drop(labels="컬럼명", axis=0또는1)

• 적용해 보기

# 열을 기준으로 단골여부 컬럼 삭제
df = df.drop(labels="단골여부", axis=1)
df

    판매가    총매출
0    500        1500
1    1000    1000
2    2000    8000
3    5500    11000

# 행을 기준으로 0번 인덱스 행 삭제
df = df.drop(labels=0, axis=0)
df

    판매가    총매출
1    1000    1000
2    2000    8000
3    5500    11000

• 알아두기
  • drop 는 del, pop 과 다르게 변수에 다시 할당해주어야 저장이 됨
  • axis = 0 : 행을 기준, axis = 1 : 열을 기준

참고문헌

• 판다스 공식 문서 : Intro to data structures

• 어떤 것이 더 나은지 특정 코드의 성능을 조사함
• 속도가 어느정도 차이나는지 비교해볼 수 있음

%time

• 한 번 실행으로 실행되는데 소요된 time 측정

%time 코드

%timeit

• 여러 번 실행하여 소요된 평균 time 측정 (100000 loops)

%timeit 코드

적용

# 1번 방법 
%timeit list(map(int, '1 2 3 4 5 6'.split()))

# 2번 방법 
%timeit list(int(x) for x in '123456')

1번 결과 : 612 ns ± 12.2 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
2번 결과 : 1.63 µs ± 29.6 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

• 결론 : 1번 방법이 실행되는데 더 적은 시간이 소요된다. (효율적임)

pandas is a fast, powerful, flexible and easy to use open source data analysis and manipulation tool, built on top of the Python programming language.

• 엑셀과 같이 행, 열로 된 구조를 다루는 데이터 분석 도구
• DataFrame 과 Series 이해 필요

How to load Pandas

import pandas as pd

Series

1차원 자료구조
1차원 리스트와 유사하지만 Series는 index에 이름을 부여할 수 있음

DataFrame

2차원 자료구조
행 (row) 과 열(column) 으로 이루어 짐

시리즈 (Series)

Series is a one-dimensional labeled array capable of holding any data type (integers, strings, floating point numbers, Python objects, etc.). The axis labels are collectively referred to as the index

• list 와 다른 점 : 시리즈는 index를 사용할 수 있음

• How to create a Series

s = pd.Series(data, index=index, name="name")

• data ```
• python dictionary
• an ndarray
• a scalar Value ```
• index ```
• 인덱스를 지정하지 않으면, 0을 시작으로 정수로 자동으로 생성 됨
• 반면에, data에 딕셔너리를 넣으면 key 값이 index로 들어감 => 따로 지정해주지 않아도 됨 ```
• Name

  name = "" 로 시리즈에 이름을 부여할 수 있음
  => DataFrame 에선, column 하나를 셀렉하여 이름을 부여할 수 있음 

데이터프레임 (DataFrame)

DataFrame is a 2-dimensional labeled data structure with columns of potentially different types.

• How to create a DataFrame

d = pd.DataFrame(data, index=index, columns=columns, dtype=dtype)

• data ```
• Dict of 1D ndarrays, lists, dicts, or Sereis
• 2D numpy.ndarray
• Structured or record ndarray
• A Series
• Another DataFrame ```
• index ```
• 인덱스 지정하지 않으면, 0을 시작으로 정수로 자동으로 생성 됨
• 인덱스를 지정하려면, index = [] 로 설정하면 됨 ```
• columns ```
• data에 딕셔너리 형태를 넣으면, key 값이 컬럼명이 됨
• columns = [] 에 넣어줘도 됨 ```
• dtype ```
• 데이터 타입을 지정할 수 있음
• dtype = float (정수를 넣어도 실수형태로 데이터 만들어 짐)

참고문헌

• 판다스 공식 문서 : Intro to data structures

• 멋쟁이사자 AI 스쿨 2일차(220920) 학습 내용 정리하기
• 파이썬 프로그램의 구조를 만드는 제어문(조건문, 반복문)과 함수 이해하기

조건문

if문은 조건을 판단하여 해당 조건에 맞는 상황을 수행하는데 쓰는 것으로, 기본 구조는 if와 else로 구성됨

• 들여쓰기 : 4개의 공백 or Tab
• if 조건문 뒤에 콜론(:) 사용하기
• elif : 여러번 사용할 수 있다. / 조건문을 넣어야 한다.
• else : 한번만 사용할 수 있다. / 조건문을 넣지 않는다.

  number = int(input("숫자를 입력하세요 : "))
  if number % 2 == 0:
    print("입력하신 숫자는 짝수입니다.")
  else:
    print("입력하신 숫자는 홀수입니다.")

조건 2개 이상일 때

• 해결 방법 : if-elif-else 사용 (elif는 1개 이상 사용 가능) / and, or, not 연산자 사용

  # 컴퓨터와 하는 가위바위보 게임
  from random import choice
  

auto = choice(['가위', '바위', '보']) user = input("가위, 바위, 보 : ")

if user in ['가위', '바위', '보']: if user == auto: print(f"user : {user}, computer : {auto} 으로 비겼습니다.") elif (user == '가위' and auto == '보') or (user == '바위' and auto == '가위') or (user == '보' and auto == '바위'): print(f"user : {user}, computer : {auto} 으로 이겼습니다.") else: print(f"user : {user}, computer : {auto} 으로 졌습니다.") else: print("옳지않은 값을 입력하셨습니다.")

## pass 문
- 조건문에서 아무일도 일어나지 않게 설정할 때 사용
```python
# 파티 참석 명단에 이미 등록되어있으면 아무것도 출력되지 않음
party = ["Jane", "Michael", "Rose", "Justin", "Jimmy"]
name = input("파티에 참석하신다면 이름을 입력하세요 : ")

if name in party:
    pass
else:
    print(f"{name}, 파티 참석 명단에 등록되었습니다.")

반복문

반복문은 반복해서 문장을 수행해야 할 경우 사용한다.

• for문 : 반복할 횟수를 알 때 사용
• while문 : 반복할 횟수를 모를 때 사용 ( 조건문이 참인 동안 순회 )
• range(start, end, step), range(len()) 나 index와 요소를 함께 사용해야 되는 경우 enumerate() 사용하기

for 문

all_kr = "가나다라마바사아자차카타파하"
kr_list = []

for kr in all_kr:
    kr_list.append(kr)

kr_list # ['가', '나', '다', '라', '마', '바', '사', '아', '자', '차', '카', '타', '파', '하']

while 문

num = int(input("숫자를 입력해 주세요 : "))

while num != 0:
    print(num)
    num -= 1

함수

똑같은 내용을 반복해서 작성할 때, 하나의 함수로 정의해두면 편리하게 사용할 수 있음 예를 들어, 덧셈, 뺄셈, 곱셈, 나눗셈 등의 연산 기능이 가능한 함수를 만들어 두면 함수 한줄로 계산 가능

함수에는 매개변수와 전달인자(인수)가 있다.
- keywords 인자 : ** 두 개 (딕셔너리 형태로 전달)
- arguments 인자 : * 한 개 (리스트나 튜플 형태로 전달)

** 함수에서 인자 등 정보 찾을 때
? : Docstring
?? : Source
예) range? add? 함수??

# 계산기 기능을 하는 함수
def calculate(num1, num2, sign):
    if sign == '+':
        return num1 + num2
    elif sign == '-':
        return num1 - num2
    elif sign == '*':
        return num1 * num2
    elif sign == '/':
        return num1 / num2
    else:
        return "지원하지 않는 기능입니다."
calculate(3, 10, '*')

출력값 : 30

• 위 코드에서 num1, num2, sign 은 함수에서 매개변수이며 함수를 요청할 때 입력한 3, 10, '*'은 변수에 대한 인수이다.

연산자

• 멋쟁이사자 AI 스쿨 1일차(220919) 학습 내용 정리하기
• 파이썬의 기초인 자료형 (Bool, 숫자, 문자열, 리스트, 딕셔너리, 튜플, 집합) 이해하기

자료형이란 ?

자료형은 데이터의 '종류'를 말하며 영어로는 Type이라고 한다. 정수라면 integer 타입, 실수라면 float 타입, 이름과 같이 문자 형태라면 string 타입 등 데이터 종류에는 여러가지 타입이 있다.

숫자형 (Number)

파이썬에서 수는 정수 (int) 와 실수 (float) 로 구분되며 천 단위 구분기호 없이 오로지 숫자로만 구성된 데이터 이다.

• 정수 (interger) : 소수점 이하의 값을 갖지 않는 수 ( 표현 방식 : 부호 없는 정수 / 부호 있는 정수 )
• 실수 (floating-point) : 소수점이 포함된 수 ( 표현 방식: 부호 없는 실수 / 부호 있는 실수 )

📍 숫자 연산

파이썬의 숫자는 덧셈, 뺄셈, 곱셈, 나눗셈의 사칙연산과 제곱, 나누기 연산 후 몫 또는 나머지를 구할 수 있음 특히, 거듭 제곱(**)은 정수형 상수의 표현 범위는 제한이 없으며, CPU 레지스터로 표현할 수 있는 크기보다 큰 정수를 다룰 때는 연산 속도가 느려짐

- 사칙연산 : 덧셈(+), 뺄셈(-), 곱셈(*), 나눗셈(/)
- 그 외 연산자 : 제곱(**), 나눗셈 후 몫(//), 나눗셈 후 나머지(%)

나눗셈을 할 때, 정수 / 정수 를 해도 결과는 항상 실수 (float) 로 반환 됨 덧셈, 뺄셈, 곱셈, 제곱에서 실수를 하나 이상 사용하면 실수형으로 반환 됨

문자열 자료형 (String)

문자열 (string) 이란 문자, 단어 등으로 구성된 문자들의 집합을 의미한다. 예를 들어 다음과 같은 문자열이다.

"내 이름은 김삼순"
"The Zen of Python"
'12345'

• 위 문자열을 보면 모두 따옴표 ("" 또는 '') 로 둘러싸여 있다.
• 파이썬에서 문자열은 여러 줄의 문장을 처리할 때 백슬래시 문자와 소문자 n을 조합한 \n 이스케이프 코드를 사용한다.

📍 문자열 연산

파이썬에서는 문자열을 더하거나 곱할 수 있다. (파이썬만의 장점!!!) 문자열 더해서 연결하기(Concatenation) : 문자열 끼리 덧셈 기호(+)를 사용하여 문자열을 연결할 수 있음 문자열 곱해서 반복하기 : 문자열과 숫자를 곱셈 기호()를 사용하여 문자열을 반복할 수 있음 *문자열 길이 구하기** : len() 함수를 사용해서 문자열의 총 길이를 구할 수 있음

📍 문자열 인덱싱과 슬라이싱

파이썬에서 문자열을 인덱싱, 슬라이싱으로 원하는 부분을 잘라내어 가져올 수 있음 인덱싱(Indexing) : 문자열의 인덱스 번호를 사용하여 문자열 안의 특정한 값을 뽑아냄 슬라이싱(Slicing) : 문자열의 인덱스 번호를 사용하여 문자열 안의 특정한 부분을 뽑아냄

📍 문자열 포매팅(Formatting)

문자열 포메팅이란 문자열 안에 어떤 값을 삽입하는 방법이다.

format 함수

# 1개의 값 넣기
>>> "오늘 강수확률은 {}% 입니다.".format(0)
'오늘 강수확률은 0% 입니다.'

# 2개 이상의 값 넣기
# .format(21, 11)로 넣어도 됨
>>> "오늘 서울의 최고온도는 {highest}°C 이고, 최저온도는 {lowest}°C입니다.".format(highest=21, lowest=11)
'오늘 서울의 최고온도는 21°C 이고, 최저온도는 11°C입니다.'

f-string

>>> f"오늘 서울지역의 최고온도는 {21}도, 최저온도는 {11}도 입니다."
'오늘 서울지역의 최고온도는 21도, 최저온도는 11도 입니다.'

📍 문자열 함수

• 문자 개수 세기 : .count()
• 문자 위치 알려주기 : .find() / .index()
• 문자열 삽입 : .join()
• 소문자로 변환 : .lower()
• 대문자로 변환 : .upper()
• 양쪽 공백 제거 : .strip()
• 왼쪽 공백 제거 : .lstrip()
• 오른쪽 공백 제거 : .rstrip()
• 문자열 바꾸기 : .replace(바뀌게 될 문자열, 바꿀 문자열)
• 문자열 나누기 : .split()
• 사용가능한 함수 목록 보기 : dir(변수이름)

리스트 자료형 (List)

리스트 는 대괄호로 묶여진 자료형을 말하며 아래 예시와 같은 형태임 대괄호는 리스트, 인덱싱, 슬라이싱에 사용됨

menu = ["짜장면", "짬뽕", "볶음밥", "탕수육", "깐풍기", "유산슬"]
menu_price = [4000, 5000, 5500, 18000, 20000, 30000]
menu_sourses = ["짜장면", ["춘장", "면", "채소", "고기"], "볶음밥", ["쌀", "새우", "채소", "소스"]]

📍 리스트 인덱싱과 슬라이싱

# 인덱싱
menu[0]  →  '짜장면'
menu_price[-1]  →  30000

# 슬라이싱
menu[:5]  →  ['짜장면', '짬뽕', '볶음밥', '탕수육', '깐풍기']
menu[::2]  →  ['짜장면', '볶음밥', '깐풍기']
menu_price[::-1]  →  [30000, 20000, 18000, 5500, 5000, 4000]

# 리스트 요소 불러오기
menu_sourses[1][0] →  '춘장'
menu_sourses[3][1] →  '새우'

📍 리스트 수정과 삭제

# 리스트 값 수정하기
>>> menu[0] = "짜장"
>>> menu
["짜장", "짬뽕", "볶음밥", "탕수육", "깐풍기", "유산슬"]

# 리스트 값 삭제하기 (del 함수)
>>> del menu[3:]
>>> menu
['짜장', '짬뽕', '볶음밥']

# 리스트 값 삭제하기 (remove 함수)
>>> menu.remove("짬뽕")
>>> menu
['짜장', '볶음밥']

📍 리스트 함수

문자열과 마찬가지로 리스트 변수 이름 뒤에 . 를 붙여 여러 가지 함수를 사용할 수 있다.

• 리스트에 요소 추가 (append) : 리스트 맨 뒤에 값 추가 됨
• 리스트 정렬 (sort)
• 리스트 뒤집기 (reverse)
• 위치 반환 (index) : 리스트 내의 요소 값을 넣으면 그 요소의 인덱스 값을 반환
• 리스트에 요소 삽입 (insert(a, b)) → a : 위치, b : 삽입할 요소
• 리스트 요소 제거 (remove) : 리스트에서 첫 번째로 나오는 요소 삭제
• 리스트 요소 끄집어내기 (pop) : 리스트의 맨 마지막 요소를 돌려주고, 그 요소 삭제
• 리스트에 포함된 요소 개수 세기 (count) : 리스트 안에 포함된 개수 반환
• 리스트 확장 (extend) : 리스트에 리스트를 더함 → 리스트 += [] 와 동일한 기능

튜플 자료형 (Tuple)

튜플(tuple) 은 몇 가지 점을 제외하곤 리스트와 거의 비슷하며 차이점은 아래와 같다.

• 리스트는 []로 둘러싸여있지만 튜플은 ()으로 둘러싼다.
• 리스트는 그 값의 생성, 삭제, 수정이 가능하지만, 튜플은 그 값을 바꿀 수 없다.
• 튜플은 콤마(,)가 있다면 괄호를 생략해도 tuple로 저장이 된다.
• 튜플의 요솟값은 한번 정하면, 내부의 값을 바꿀 수 없다.

characters = ('고길동', '둘리', '박희동')
new_characters = ('도우너', '또치', '마이콜')

# 인덱싱하기
characters[0]  →  '홍길동'

# 슬라이싱하기
characters[1:]  →  ('둘리', '박희동')

# 튜플 더하기
characters + new_characters  →  ('고길동', '둘리', '박희동', '도우너', '또치', '마이콜')

# 튜플 곱하기
new_characters * 2  →  ('도우너', '또치', '마이콜', '도우너', '또치', '마이콜')

# 튜플 길이 구하기
len(characters)  →  3

딕셔너리 자료형 (Dictionary)

딕셔너리 란? 값에게 이름을 붙여서 매칭시켜주는 것이다.

• 앞에서 배운 리스트, 튜플의 각 요소들은 어떤 값인지 알 수 없다.
• 하지만, 딕셔너리의 key : value 를 이용하면 값이 어떤 의미를 가지는지 알 수 있다.
• 형식 : {키 : 값} 으로, 아래와 같이 사용할 수 있다.
• 딕셔너리에서 key는 고유한 값으로, 중복된 값을 포함하면 안된다. (중복시, 맨 뒤에 적힌 key:value 값만 살아남음)

📍 Key 리스트 만들기 (keys)

>>> menu.keys()
dict_keys(['짜장면', '짬뽕', '유산슬'])​
>>> list(menu.keys())
['짜장면', '짬뽕', '유산슬']

📍 Value 리스트 만들기 (values)

>>> menu.values()
dict_values([4000, 5000, 15000])
>>> list(menu.values())
[4000, 5000, 15000]

📍 Key, Value 쌍 얻기 (items)

>>> menu.items()
dict_items([('짜장면', 4000), ('짬뽕', 5000), ('탕수육', 15000)])
>>> list(menu.items())
[('짜장면', 4000), ('짬뽕', 5000), ('탕수육', 15000)]

📍 Key: Value 쌍 다 지우기 (clear)

>>> menu.clear()
>>> menu
{}

📍 Key로 Value 얻기 (get)

>>> dict_num = {"고길동" : 1, "둘리" : 2, "희동" : 3, "도우너" : 4}
>>> dict_num.get("고길동")
1

📍 Key 유무 확인 (in)

>>> "또치" in dict_num
False
>>> "도우너" in dict_num
True

집합 자료형 (set)

집합 자료형은 순서가 없고, 중복을 허용하지 않는다는 특징이 있다.

• 리스트와 튜플은 순서가 있기 때문에 입력해준 값 대로 정렬되는데, 집합은 뒤죽박죽으로 정렬된다.
• 리스트와 튜플은 중복된 값을 포함할 수 있지만, 집합은 중복된 값은 스스로 필터링한다.
• 알아둘 것 : 순서가 없는 자료형이기 때문에 인덱싱을 사용하려면, 리스트나 튜플 형태로 변환 후 사용해야 함

  >>> order_list = ["짜장면", "탕수육", "짬뽕", "짜장면", "볶음밥"]
  >>> order_set = set(order_list)
  >>> order_set
  {'볶음밥', '짜장면', '짬뽕', '탕수육'}

교집합, 합집합, 차집합

• 교집합 (&) : 두 집합의 교집합 값 반환
• 합집합 (|) : 두 집합의 전체 값 반환 (중복된 값은 하나씩 반환)
• 차집합 (-) : 두 집합의 차집합 값 반환

집합 함수

문자열과 마찬가지로 집합 변수 이름 뒤에 . 를 붙여 여러 가지 함수를 사용할 수 있음

• 값 1개 추가 (add) : 한개의 값 추가 (순서 무작위로 들어감)
• 값 여러 개 추가 (update) : 리스트 또는 튜플 형태로 여러 개의 요소 추가 (순서 무작위로 들어감)
• 특정 값 제거 (remove) : set 자료형에 들어가있는 특정 값 제거

불 자료형 (Bool)

불(bool) 자료형이란 참(True) 과 거짓(False) 를 나타내는 자료형으로, True와 False 값만 가질 수 있다.

• True : 참 ( True == 1 )
• False : 거짓 ( False == 0 )
• 조건문, 반복문에 사용할 때 주의하기

참고문헌

점프 투 파이썬 : 02장 파이썬 프로그래밍의 기초, 자료형 Python 문서 : 3. 파이썬의 간략한 소개 [Python] 파이썬 슬라이싱(slicing) 기본과 예제 Objects and classes in Python : Docs >> type(name, bases, dic)

• Google에서 제공하는 Open API, googletrans 사용하여 번역 기능을 하는 함수 만들기

Googletrans

Googletrans is a free and unlimited python library that implemented Google Translate API.

• 구글에서 제공하는 오픈소스 (무료 API)
• 하루에 사용할 수 있는 횟수가 제한되어 있음

  라이브러리 설치 방법
  pip install googletrans

  # 라이브러리 로드
  from googletrans import Translator
  # 보통 메서드를 translate 변수에 담아서 사용
  translate = Translator()

• 메서드를 변수에 담아서 사용하는 이유는 편의성 때문이다.
• 아래 두 코드를 보면 변수에 할당하여 사용하는 이유를 알 수 있다.

  sentence = "안녕하세요."
  lang = 'en'
  # 언어 감지 - 방법 1 (변수 할당 X)
  Translator().detect(sentence)
  # 언어 번역 - 방법 2 (변수 할당 O)
  translator.translate(sentence, dest=lang)

👩🏻‍💻구글 번역기

코드 입력

from googletrans import Translator

def google_translate():
    translator = Translator()

    sentence = input("번역하고자 하는 문장을 입력해주세요 : ")
    lang = input("번역할 언어를 입력해주세요 : ")

    # 언어 번역 (sentence 를 lang 언어로 번역)
    result = translator.translate(sentence, dest=lang)
    # 언어 감지 (sentence 의 lang 언어를 감지)
    detected = translator.detect(sentence)

    # 문장의 언어와 lang에 입력한 언어가 같다면 오류 문구 출력
    if detected.lang == lang:
        print("변경하실 언어를 잘 못 입력하셨습니다.")
    else:
        print("============출 력 결 과============")
        print(detected.lang, ":", sentence)
        print(result.dest, ":", result.text)

google_translate()

코드 출력

번역하고자 하는 문장을 입력해주세요 : 안녕하세요.
번역할 언어를 입력해주세요 : fr
============출 력 결 과============
ko : 안녕하세요.
fr : bonjour.

참고문헌

GoogleTrans 라이브러리 공식문서

• API 이해하기
• Requests, json 라이브러리를 이용해 실시간 날씨 정보 받아오기

Server

• 웹 페이지를 Response의 Body에 담아서 보내주는 서버 (Web Server)
• 요청을 처리하고 처리한 결과를 Response의 Body에 담아서 보내주는 서버 (API Server ~ Json 형식으로 Resoponse의 Body에 담아서 보냄)
• 컴퓨터가 Web Server, API Server 역할을 모두 할 수 있으나, 실무에서는 확실한 역할분담, 트래픽 분산 등을 위해 서버를 따로 둔다.

API

API (Application Programming Interface) 는 두 소프트웨어 구성 요소가 서로 통신할 수 있게 하는 매커니즘 요청을 보내는 애플리케이션을 클라이언트, 응답을 보내는 애플리케이션을 서버라고 함
예를 들어, 기상청의 날씨 데이터베이스는 서버이고 모바일앱은 클라이언트 이다.

Requests

Python 용 HTTP 라이브러리, requests 를 사용하면 HTTP 요청을 쉽게 보낼 수 있다.

• 웹사이트를 읽어오기 위해 사용 함
• HTTP 요청 method : 대표적으로 GET / POST

HTTP 요청 메서드

Method 확인하는 방법

HTTP 요청할 사이트에서 오른쪽 마우스 클릭 > 검사(Inspection) > Network > Request Headers > method 확인

📍 GET 방식

• 네이버 사전에서 확인해 보면, Request Method : GET 이다.
• Status Code : 200 확인하기
  

📍 POST 방식

• 교보문고 베스트셀러를 보면, Request Method : POST 이다.
• 요청할 때, HTTP 메시지의 Body에 Form data 를 입력해야 한다.
• Form data 는 아래와 같이 Payload > Query String Parameters 에서 볼 수 있다.

Json

응용 프로그램 프로그래밍 인터페이스 json은 javascript object notation의 줄임말로, 데이터를 주고 받을 때 사용하는 포맷이다.

• json.loads(str) → json type으로 변경하여 데이터 통 안에 넣어준다.
• 아래 사진과 같이 dictionary 형태로 데이터를 받아온다.

👩🏻‍💻실시간 날씨 정보

코드 입력

import requests
import json

city = "Seoul"
apikey = ############################
lang = "kr"

# 요청하기 위한 서버 주소, units=metric (섭씨온도로 변경)
api = f"https://api.openweathermap.org/data/2.5/weather?q={city}&appid={apikey}&lang={lang}&units=metric" # 요청하기 위한 서버 주소

# 받아온 데이터는 문자열 형태
result = requests.get(api)
type(result.text) 

# Json 형태로 받아오기
data = json.loads(result.text)
type(data)

print(data["name"],"의 날씨입니다.")
print("날씨는 ", data["weather"][0]["description"],"입니다.")
print("현재 온도는 ", data["main"]["temp"],"입니다.")
print("하지만 체감 온도는 ", data["main"]["feels_like"],"입니다.")
print("최저 기온은 ",data["main"]["temp_min"],"입니다.") 
print("최고 기온은 ",data["main"]["temp_max"],"입니다.") 
print("습도는 ",data["main"]["humidity"],"입니다.")
print("기압은 ",data["main"]["pressure"],"입니다.")
print("풍향은 ",data["wind"]["deg"],"입니다.")
print("풍속은 ",data["wind"]["speed"],"입니다.")

코드 출력

Seoul 의 날씨입니다.
날씨는  맑음 입니다.
현재 온도는  7.08 입니다.
하지만 체감 온도는  5.74 °C 입니다.
최저 기온은  5.66 °C 입니다.
최고 기온은  9.69 °C 입니다.
습도는  61 % 입니다.
기압은  1023 hPa 입니다.
풍향은  320 N 입니다.
풍속은  2.06 m/s입니다.

참고문헌

aws 공식 문서 : API란 무엇입니까? Requests 공식 문서 OpenWeather : 날씨 API 요청 사이트

• 프로그램의 입출력과 관련된 함수 이해하기
• 프로그램의 결괏값을 파일에 write, read, add 해 보기
• datetime, BeautifulSoup, requests 라이브러리 이용하여 실시간 IT 뉴스를 확인하기

함수

똑같은 내용을 반복해서 작성할 때, 하나의 함수로 정의해두면 편리하게 사용할 수 있음
함수에는 매개변수와 전달인자(인수)가 있다.

• keywords 인자 : ** 두 개 (딕셔너리 형태로 전달)
• arguments 인자 : * 한 개 (리스트나 튜플 형태로 전달) ```markdown
• • 함수에서 인자 등 정보 찾을 때 ? : Docstring ?? : Source 예) range? add? 함수??

파일

프로그램이 만든 결과물은 파일을 생성하여 넣고, 넣은 내용을 읽고, 새로운 내용을 추가할 수 있다.

# 첫 번째 방법
f = open("파일명 이름", "파일 열기 모드")
f.close() # 생략해도 되지만, 열려있는 파일 객체를 닫아주는 역할을 함

# 두 번째 방법 -- with문을 사용하면 close가 자동으로 불러와짐
with open("파일명 이름", "파일 열기 모드") as 파일명_별명:
    파일을 열어 실행시킬 문장 작성

👩🏻‍💻실시간 IT 뉴스 확인하기

코드 입력

from datetime import datetime
from bs4 import BeautifulSoup
import requests

# 네이버 it 일반 뉴스를 가져오는 함수
def scraping_it_news():
    url = "https://news.naver.com/main/list.naver?mode=LS2D&mid=shm&sid2=230&sid1=105"
    response = requests.get(url, headers={"user-agent": "Mozilla/5.0"})
    soup = BeautifulSoup(response.text, 'html.parser')

    # html 을 텍스트로 가져오고, 파일에 넣어주기
    file = open("it_news.html","w")
    file.write(response.text)   
    file.close()

    # 뉴스 헤드라인만 가져오기
    results = soup.select("dl > dt > a > img")
    headlines = []
    for result in results:
        headlines.append(result["alt"])

    # 오늘의 날짜 정보 가져오기
    print(datetime.today().strftime("%Y년 %m월 %d일의 네이버 IT 일반 뉴스 정보입니다.\n"))

    # 순서에 맞게 뉴스 출력하기
    rank = 1
    for headline in headlines:
        print(f"{rank}: {headline}\n")
        rank += 1

# 함수 호출하기
scraping_it_news()

코드 출력

2022년 10월 18일의 네이버 IT 일반 뉴스 정보입니다.

1: 카카오 "다음 메일 오늘 복구 완료 예상"

2: 원익그룹, 배터리 장비 통합법인 '원익피앤이' 11월 출범

3: 원자력硏 연구소기업 ‘서울프로폴리스’…연매출 500억 도전장

4: 인스웨이브 "PC·모바일·키오스크 연결 `유니버설 앱 플랫폼` 완성하겠다"

5: 인공지능 석학 한 자리에 모인다…삼성 AI 포럼 개최

6: "40억 주인공은 누구?"…스타트업 50여곳 경쟁 벌인다

7: SK텔레콤, ZEM 업그레이드…'습관 리포트' 추가

8: 쿠카게임즈, ‘삼국지 전략판’ 게임 예능 ‘G식의 밤’ 시즌 3서 선

9: 카카오-SK C&C, '전력차단' 시점 놓고 대립…1만대 여전히 장애

10: '먹통 사태' 그날, 네이버 라인·티맵은 웃었다…카카오톡 '침울'

11: 라이엇 게임즈, 호주 워게이밍 시드니 스튜디오 인수

12: '카카오 사태' 나흘째, 완전 복구 언제쯤?…"주요 서비스 14개 중 11개 복구"

13: 알서포트, 라이브 스트리밍 서비스 '모비즌 스튜디오' 출시

14: 네이버 "판교 화재 관련 장애 모두 정상 복구"…일부 블로그 문제만 남아

15: '러쉬코리아' 20주년 쇼케이스…5800명 감탄시킨 IT와 자연주의 철학

16: LG전자, 하프코 2022서 멀티브이 아이 등 공조솔루션 선보여

17: 카카오 데이터센터 규제 한 목소리 낸 언론, 과거엔 달랐다

18: CJ ENM, 일본서 876만명에게 2030부산세계박람회 알렸다

19: [그래픽] 카카오 먹통 사태 중 대체 앱 사용시간 증가율

20: 'CES2023' 규모 두 배 확장 '역대 최대'

점프 투 파이썬 : 04장 프로그램의 입력과 출력은 어떻게 해야 할까?

• 파이썬 프로그램의 구조를 만드는 제어문 (조건문, 반복문) 이해하기
• random, time 라이브러리 이용하여 메뉴 자판기 실습하기

조건문

if문은 조건을 판단하여 해당 조건에 맞는 상황을 수행하는데 쓰는 것으로, 기본 구조는 if와 else로 구성 됨

• 들여쓰기 : 4개의 공백 or Tab
• if 조건문 뒤에 콜론(:) 사용하기
• elif 여러 번 사용할 수 있으며 조건문을 넣어야 한다.
• else 한번 만 사용할 수 있으며 조건문을 넣지 않는다.
• 조건문의 기본 구조*

  if (조건식):
     조건식에 해당 시, 실행시킬 문장
  elif (조건식):
     조건식에 해당 시, 실행시킬 문장
  else:
     위 조건식들에 해당되지 않는 경우, 실행시킬 문장

반복문

반복문은 반복해서 문장을 수행해야 할 경우에 사용 함

• for문 : 반복할 횟수를 알 때 사용
• while문 : 반복할 횟수를 모를 때 사용 ( 조건문이 참인 동안 순회 )
• range(start, end, step), range(len()) : 반복 횟수 제한 가능
• enumerate() : index와 요소를 함께 사용해야 되는 경우
  
• 반복문의 기본 구조*

  # for 구문
  for (조건식):
     반복시킬 문장
  # while 구문
  while (조건식):
     반복시킬 문장

알아두면 좋은 연산자

📍 연산자를 사용한 조건문

코드 입력

# 컴퓨터와 하는 가위바위보 게임
from random import choice

auto = choice(['가위', '바위', '보'])
user = input("가위, 바위, 보 : ")

# 입력한 값이 '가위, 바위, 보'가 맞다면 게임 실행, 아니면 else 문 출력
if user in ['가위', '바위', '보']:
    if user == auto:
        print(f"user : {user}, computer : {auto} 으로 비겼습니다.")
    elif (user == '가위' and auto == '보') or (user == '바위' and auto == '가위') or (user == '보' and auto == '바위'):
        print(f"user : {user}, computer : {auto} 으로 이겼습니다.")
    else:
        print(f"user : {user}, computer : {auto} 으로 졌습니다.")
else:
    print("옳지않은 값을 입력하셨습니다.")

코드 출력

가위, 바위, 보 : 가위
user : 가위, computer : 가위 으로 비겼습니다.

📍 연산자를 사용한 반복문

코드 입력

# 익명 질문 게시판 
question_list = []

# 질문 받기
while True:
    question = input("질문을 입력해주세요 : ")
    if question == "q":
        break
    else:
        question_list.append({"질문" : question, "답변" : ""})

# 질문에 대한 답변 받기
for i in question_list:
    print(i["질문"])
    answer = input("답변을 입력해주세요 : ")
    i["답변"] = answer

print("="*80)
print(question_list)

코드 출력

질문을 입력해주세요 : 가장 좋아하는 음식
질문을 입력해주세요 : 가장 좋아하는 음료
질문을 입력해주세요 : q
가장 좋아하는 음식
답변을 입력해주세요 : 설렁탕
가장 좋아하는 음료
답변을 입력해주세요 : 아아
================================================================================
[{'질문': '가장 좋아하는 음식', '답변': '설렁탕'}, {'질문': '가장 좋아하는 음료', '답변': '아아'}]

👩🏻‍💻저녁 메뉴 자판기

코드 입력

import random, time

# 저녁 메뉴 리스트
dinner = ["된장찌개", "김치찌개", "짬뽕", "마라탕"]

# 저녁 메뉴 추가
while True:
    print(dinner)
    item = input("음식을 추가해주세요 : ")
    # 반복문 종료 시점
    if(item == "stop"):
        break
    else:
        dinner.append(item)
print(dinner)
print("="*70)

# 중복된 메뉴 제거
set_dinner = set(dinner)

# 저녁 메뉴 삭제
while True:
    print(f"저녁 메뉴 리스트 : {set_dinner}")
    item = input("음식을 삭제해주세요 : ")
    if (item == "stop"):
        break
    else:
        set_dinner = set_dinner - set([item])

print(set_dinner, "중에서 선택합니다.")
print("="*70)

print("5")
time.sleep(1)
print("4")
time.sleep(1)
print("3")
time.sleep(1)
print("2")
time.sleep(1)
print("1")
time.sleep(1)
print(f"오늘 저녁 메뉴는 '{random.choice(list(set_dinner))}' 입니다.")

코드 출력

['된장찌개', '김치찌개', '짬뽕', '마라탕']
음식을 추가해주세요 : 차돌박이짬뽕
['된장찌개', '김치찌개', '짬뽕', '마라탕', '차돌박이짬뽕']
음식을 추가해주세요 : 짬뽕
['된장찌개', '김치찌개', '짬뽕', '마라탕', '차돌박이짬뽕', '짬뽕']
음식을 추가해주세요 : stop
['된장찌개', '김치찌개', '짬뽕', '마라탕', '차돌박이짬뽕', '짬뽕']
======================================================================
저녁 메뉴 리스트 : {'김치찌개', '마라탕', '차돌박이짬뽕', '짬뽕', '된장찌개'}
음식을 삭제해주세요 : 짬뽕
저녁 메뉴 리스트 : {'김치찌개', '마라탕', '차돌박이짬뽕', '된장찌개'}
음식을 삭제해주세요 : stop
{'김치찌개', '마라탕', '차돌박이짬뽕', '된장찌개'} 중에서 선택합니다.
======================================================================
5
4
3
2
1
오늘 저녁 메뉴는 '김치찌개' 입니다.