pbj0812의 코딩 일기

0. 목표 - 인덱싱, 슬라이싱, iloc, loc, iat, at 정리 1. 리스트 1) 리스트 생성 a = [i for i in range(10)] - 결과 : [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 2) 인덱싱 a[1] - 결과 : 1 a[-1] - 결과 : 9 3) 슬라이싱 a[1:3] - 결과 : [1, 2] a[-3:-1] - 결과 : [7, 8] a[::2] - 결과 : [0, 2, 4, 6, 8] a[1::2] - 결과 : [1, 3, 5, 7, 9] a[::-1] - 결과 : [9, 8, 7, 6, 5, 4, 3, 2, 1, 0] a[::-2] - 결과 : [9, 7, 5, 3, 1] a[-2:1:-2] - 결과 : [8, 6, 4, 2] 2. 시리즈 1) 라이브러리 호출..

0. 목표 - 구글 스프레드 시트 데이터를 mysql 에 저장하기 1. 사전준비 1) google api 를 통한 python 과 google spreadsheet 연동 * 링크 참조 2) mysql 테이블 생성 - ADD UNIQUE 를 하는 이유는 나중에 UPSERT 를 하기 위함 CREATE TABLE pbj_db.spreadsheet_test ( datetime datetime, result int ) ENGINE = INNODB; ALTER TABLE pbj_db.spreadsheet_test ADD UNIQUE (`datetime`); 3) 구글시트 더미 데이터 준비 2. 실습 1) library 호출 import gspread from oauth2client.service_account im..

0. 목표 - OpenCV 를 이용한 얼굴 비율 산출기 제작 1. 실습 1) library 호출 # library 호출 import cv2 import numpy as np 2) 이미지, cascade 불러오기 # 이미지 imgfile = 'C:/Users/user/jupyter_works/opencv_python/parasite/source/img.jpg' # cascade 호출 cascade_file = "C:/Users/user/jupyter_works/opencv_python/xml/haarcascade_frontface.xml" image = cv2.imread(imgfile) cascade = cv2.CascadeClassifier(cascade_file) 3) 얼굴 검출 # 얼굴 검출 fac..

0. 목표 - 두 개의 dict 일치여부를 판단하기 1. 실습 1) 데이터 생성 - 데이터는 같으나 순서가 다름 obj1 = {'title':'abc', 'people':['Bob', 'Lee'], 'people2':('Bob', 'Lee')} obj2 = {'title':'abc', 'people':['Lee', 'Bob'], 'people2':['Lee', 'Bob']} 2) 일치여부 확인 - False obj1 == obj2 3) 각 dict 의 key 와 values 를 정렬하여 출력하는 함수 제작 - 타입이 str 이었을때는 길이가 스펠링의 길이이기 때문에 예외조항 걸어둠(추가적인 조항이 필요할 수 있음) def dict_order(inp): tmp = [] tmp_key = inp.keys()..

0. 목표 - matplotlib 으로 Parallel Categories Charts 구현하기 1. plotly 의 Parallel Categories Charts 1) library 호출 import plotly.express as px import pandas as pd 2) 데이터 생성 iris = px.data.iris() 3) 그림 그리기 fig = px.parallel_coordinates(iris, color="species_id") fig.show() - 결과 2. matplotlib 으로 구현 1) library 호출 import matplotlib.pyplot as plt import pandas as pd # ytick 강제 변형을 위해 사용 import numpy as np imp..

0. 목표 - GridSpec 을 이용한 여러 그래프를 같이 그리기 1. 실습 1) library 호출 import seaborn as sns import matplotlib.pyplot as plt from matplotlib import gridspec 2) 데이터 생성 flights_long = sns.load_dataset("flights") 3) heatmap 용 데이터 flights = flights_long.pivot("month", "year", "passengers") 4) barplot 용 데이터 year_df = flights_long.groupby(by = 'year').agg({'passengers' : 'sum'}) month_df = flights_long.groupby(by ..

0. 목표 - 태극문양 그리기 1. 실습 1) library 호출 import matplotlib.pyplot as plt import math import numpy as np 2) 반원 데이터 생성 - 붉은 반원, 푸른 반원으로 쪼개서 그리기 # 붉은 반원 x1 = np.linspace(-math.sqrt(2.5 * 2.5 * 9 / 13), 2.5, 1000) y1 = [] for i in x1: y1.append(math.sqrt((2.5 * 2.5) - (i * i))) x2 = np.linspace(math.sqrt(2.5 * 2.5 * 9 / 13), 2.5, 1000) y2 = [] for i in x2: y2.append(-math.sqrt((2.5 * 2.5) - (i * i))) x_..

0. 목표 - matplotlib 으로 전단지 만들기 1. 실습 1) library 호출 import matplotlib.pyplot as plt # 한글폰트 from matplotlib import rc rc('font', family='AppleGothic') plt.rcParams['axes.unicode_minus'] = False # text 꾸미기 import matplotlib.transforms as mtransforms import matplotlib.patches as mpatch from matplotlib.patches import FancyBboxPatch # image import matplotlib.image as mpimg from matplotlib.offsetbox imp..

0. 목표 - indicate_inset_zoom 을 이용한 줌 인 1. 실습 1) library 호출 import matplotlib.pyplot as plt import numpy as np 2) 데이터 생성 - 줌인할 데이터(5 * 5) small = np.array([ [1.0, 0.5, 1.0, 0.1, 0.3], [0.5, 0.5, 0.5, 0.2, 0.4], [1.0, 0.5, 1.0, 0.3, 0.6], [0.5, 0.5, 0.5, 0.2, 0.4], [1.0, 0.5, 1.0, 0.1, 0.3] ]) - 0으로 이루어진 전체 데이터(200 * 200) - 50, 70 지점에 small 데이터를 얹는 형태 big = np.zeros((200, 200)) ny, nx = small.shape..

0. 목표 - table 을 사용하여 그래프와 테이블을 같이 그리기 1. 실습 1) library 호출 import pandas as pd import numpy as np import matplotlib.pyplot as plt 2) 데이터 생성 df = pd.DataFrame( {'A' : [1, 2, 3, 4, 5], 'B' : [10, 20, 30, 40, 50], 'C' : [13, 14, 65, 43, 13]}, index = ['a', 'b', 'c', 'd', 'e'] ) 3) 변수 설정 cell_text = df.values colors = plt.cm.BuPu(np.linspace(0, 0.5, len(df.index))) columns = list(df.columns) rows = l..