Skip to Content
Python

Python

About Python

Shell

pip list
pip freeze # only show install with `pip install`
 
pip install matplotlib==3.1.2
 
pip uninstall matplotlib

Python

print(r'C:\Windows\System32\notepad.exe') # raw string
 
print('\"It\'s not that I\', so smart;"') # with escape character
print('''"It's not that I'm so smart;"''')
print(''' Hello
  World
''')
 
word = 'Python'
len(word) # 6
 
word[-6] # 'P'
word[-1] # 'n'
 
word[0:6] # 'Python'
word[0:]  # 'Python'
word[:-1] # 'Pytho'
 
"""
Math
"""
2 ** 8    # 32
pow(2, 8) # 32
 
x += 1 # Ok
x++    # Error
++x    # Error
 
'''
Condition
'''
if a == 1:
  print("1")
elif a > 4:
  print("Bigger than 4")
else:
  print(a)
 
for i in [1,2,3]:
  print(i)
 
for i in range(1, 7, 2): # start1, until 7, by 2
  print(i) # 1 \n 3 \n 5
 
CITIES = ['Rome', 'Seoul', 'New York']
for idx, symbol in enumerate(CITIES, 1): # enumerate(data, startIndex)
  print(idx, symbol) # 1 Rome \n 2 Seoul \n 3 New York
 
 
i = 1
while i < 7:
  print(i)
  if i > 5:
    break
  i += 2
 
# `continue` or `break` can be use with `for`, `while`
 
 
try:
  1/0
except Exception as e:
  print('Exception occured : ', str(e)) # Exception occured : division by zero
 
 
'''
List
'''
 
arr = [] # make new Arr
arr = list() # make new Arr
 
arr = [1, 2, 'three']
 
arr = [[1,2], [3,4]]
 
arr + arr # [[1,2], [3,4], [1,2], [3,4]]
 
arr * 3 # [[1,2], [3,4], [1,2], [3,4], [1,2,], [3,4]]
 
type(arr) # <class 'list'>
 
splitArr = 'This is a sentence'.split()
print(splitArr) # ['This', 'is', 'a', 'sentence']
' '.join(splitArr) # This is a sentence
 
numArr = [1,5,4,2]
numArr.sort()
numArr # [1,2,4,5]
 
numArr = [1,5,4,2]
sorted(numArr) # [1,2,4,5] / deep copy array & do sort
numArr # [1,5,4,2]
 
numArr.append([3, 4])
numArr # [1,5,4,2,[3,4]]
 
numArr = [1,5,4,2]
numArr.extend([3,4])
numArr # [1,5,4,2,3,4]
 
'''
replace
'''
str = 'Hello,World'
str.replace(',', ' ') # 'Hello World'
 
 
'''
format
'''
format(1234567890, ',') # '1,234,567,890'
 
 
arr = [1,2,3]
newArr = arr[:] # deep copy
newArr # [1,2,3]
newArr[-1] = 4
newArr # [1,2,4]
 
 
numArr = [1,2,3,4,5]
resultArr = []
fox x in numArr:
  resultArr.append(x ** 2)
resultArr # [1, 4, 9, 16, 25]
 
squares = [x ** 2 for x in numArr]
even_squares = [x ** 2 for x in numArr if x % 2 == 0]
 
'''
Tuple
'''
 
tup = () # make new tuple
tup = tuple()  # make new tuple
 
tup = ('a', 'b', [1,2,3], abs, max)
 
tup[2] # [1,2,3]
 
tup[3](-100) # 100
 
tup[4](tup[2]) # 3
 
tup[0] = 'A' # TypeError: 'tuple' object does not support item assignment
 
 
'''
Dictionary(dict)
'''
 
dict = {} # make new dict
dict = dict() # make new dict
 
dict = { 'a': 1 }
 
dict[1] # KeyError: 1
 
dict['a'] # 1
 
dict['b'] = 2
dict # { 'a': 1, 'b': 2 }
 
len(dict) # 2
 
for x in dict:
  # All methods below shows same result
  print('%s : %s' % (x, dict[x])) # first way
  print('{} : {}'.format(x, dict[x])) # second way
  print(f'{x} : {dict[x]}') # third way. python3.6+
# a : 1
# b : 2
 
 
'''
Set
'''
 
s = set() # make new Set
 
s = { 'H', 'E', 'L', 'L', 'O' } # not allow dup
s # { 'H', 'E', 'L', 'O' }
s # { 'E', 'L', 'H', 'O' } # Order is not preserved
 
if 'E' in s:
  print('E exists in ', s) # 'E exists in { 'H', 'E', 'L', 'O' }
 
setA = { 1, 2, 3, 4, 5 }
setB = { 3, 4, 5, 6, 7 }
 
setA & setB # setA.intersection(setB)
# {3, 4, 5}
 
setA | setB # setA.union(setB)
# { 1, 2, 3, 4, 5, 6, 7 }
 
setA - setB # setA.difference(setB)
# { 1, 2 }
 
setB - setA # setB.difference(setA)
# { 6, 7 }
 
arr = [1, 2, 3, 4, 5, 1, 2, 3, 4, 5]
list(set(arr)) # [1, 2, 3, 4, 5]

timeit

measuring performance

timeit(test function, setup=test setup, number=iteration count)

import timeit
 
iteration_test = """
for i in itr :
  pass
"""
 
timeit.timeit(iteration_test, setup='itr = list(range(10000))', number=1000)
# 0.054775722994236276
 
timeit.timeit(iteration_test, setup='itr = tuple(range(10000))', number=1000)
# 0.07723709600395523
 
timeit.timeit(iteration_test, setup='itr = set(range(10000))', number=1000)
# 0.07349735200114083
 
 
"""
Search Test
"""
 
search_test = """
import random
x = random.randint(0, len(itr)-1)
if x in itr:
  pass
"""
 
timeit.timeit(search_test, setup='itr = list(range(10000))', number=1000)
# 0.025486715996521525
 
timeit.timeit(search_test, setup='itr = tuple(range(10000))', number=1000)
# 0.023025447997497395
 
timeit.timeit(search_test, setup='itr = set(range(10000))', number=1000)
# 0.0006405339954653755

pandas

df merge

import pandas as pd
 
# a_df 생성
a_df = pd.DataFrame({
    'a': ['a', 'b'],
    'b': [1, 2]
})
 
# b_df 생성
b_df = pd.DataFrame({
    'a': ['a', 'b'],
    'c': ['@@', '##'],
    'd': [10, 20],
    'e': [30, 40],
    'f': [50, 60],
    # ...
})
 
# 원하는 컬럼만 선택하여 병합
selected_columns = ['a', 'c', 'e']  # 'a'는 조인 키로 필요, 'c'와 'e'는 원하는 컬럼
result_df = pd.merge(a_df, b_df[selected_columns], on='a', how='inner')
 
# 결과 확인
print(result_df)
 
"""
   a  b   c   e
0  a  1  @@  30
1  b  2  ##  40
"""

pivot table

pd.pivot_table(
    data,              # 피벗할 데이터프레임
    values,           # 계산할 값이 있는 컬럼
    index,            # 행 인덱스가 될 컬럼
    columns,          # 열 인덱스가 될 컬럼
    aggfunc='mean',   # 집계 함수 (mean, sum, count 등)
    fill_value=None,  # NaN 대체값
    margins=False     # 총계 표시 여부
)
import pandas as pd
import numpy as np
 
# 샘플 데이터 생성
df = pd.DataFrame({
    '날짜': ['2024-01', '2024-01', '2024-02', '2024-02'],
    '지역': ['서울', '부산', '서울', '부산'],
    '판매량': [100, 150, 200, 250],
    '수익': [1000, 1500, 2000, 2500]
})
 
# 1. 기본 피벗테이블
result1 = pd.pivot_table(
    df,
    values='판매량',
    index='날짜',
    columns='지역'
)
print("기본 피벗테이블:")
print(result1)
# 출력:
#         지역    서울    부산
# 날짜                    
# 2024-01  100   150
# 2024-02  200   250
 
# 2. 여러 값과 함수 사용
result2 = pd.pivot_table(
    df,
    values=['판매량', '수익'],
    index='날짜',
    columns='지역',
    aggfunc={
        '판매량': 'sum',
        '수익': ['mean', 'sum']
    }
)
print("\n여러 값과 함수 사용:")
print(result2)
# 출력:
#              판매량      수익                    
# 지역          부산    서울   mean         sum     
#                          부산    서울    부산    서울
# 날짜                                                
# 2024-01     150    100  1500  1000   1500   1000
# 2024-02     250    200  2500  2000   2500   2000

matplotlib

  1. Simple Line Graph
import matplotlib.pyplot as plt
import numpy as np
 
x = np.linspace(0, 10, 100)
y = np.sin(x)
 
plt.plot(x, y)
plt.title('Sin Graph')
plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.show()
  1. MultiLine Graph
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
 
plt.plot(x, y1, label='sin(x)')
plt.plot(x, y2, label='cos(x)')
plt.title('Sin and Cos Graphs')
plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.legend()
plt.show()

dataframe

import pandas as pd
 
# 샘플 데이터 생성
df = pd.DataFrame({
    '값': [100, 200, 300]
}, index=['2024-01', '2024-02', '2024-03'])
 
print("원본 데이터:")
print(df)
# 출력:
#           값
# 2024-01  100
# 2024-02  200
# 2024-03  300
 
# names 파라미터를 사용하여 reset_index
df.reset_index(names=['date'], inplace=True)
print("\n인덱스 재설정 후:")
print(df)
# 출력:
#       date    값
# 0  2024-01  100
# 1  2024-02  200
# 2  2024-03  300
 
# 비교: 일반적인 reset_index
df2 = pd.DataFrame({
    '값': [100, 200, 300]
}, index=['2024-01', '2024-02', '2024-03'])
df2.reset_index(inplace=True)
print("\n일반 reset_index 결과:")
print(df2)
# 출력:
#      index    값
# 0  2024-01  100
# 1  2024-02  200
# 2  2024-03  300

pandas iloc

import pandas as pd
 
# 예시 데이터프레임 생성
df = pd.DataFrame({
    'name': ['John', 'Jane', 'Bob', 'Alice'],
    'age': [25, 30, 35, 28],
    'city': ['NY', 'LA', 'SF', 'CH']
})
 
# 1. 단일 행 선택
first_row = df.iloc[0]  # 첫 번째 행 전체
# 결과: name: John, age: 25, city: NY
 
# 2. 단일 값 선택
value = df.iloc[0, 1]  # 첫 번째 행, 두 번째 열(age)
# 결과: 25
 
# 3. 여러 행 선택
three_rows = df.iloc[0:3]  # 처음 3개 행 선택
# 결과: John, Jane, Bob의 데이터
 
# 4. 특정 행과 열 선택
subset = df.iloc[0:2, 1:3]  # 처음 2개 행의 age와 city 열
# 결과:
#    age city
# 0   25  NY
# 1   30  LA
 
# 5. 불연속적인 행/열 선택
specific = df.iloc[[0, 2], [1, 2]]  # 1번째, 3번째 행의 2,3번째 열
# 결과:
#    age city
# 0   25  NY
# 2   35  SF
 
# 6. 음수 인덱스 사용 (뒤에서부터 선택)
last_row = df.iloc[-1]  # 마지막 행
# 결과: Alice의 데이터
 
# 7. 조건과 함께 사용
young_people = df.iloc[df['age'] < 30]  # 30세 미만인 사람들

주요 특징:

정수 인덱스만 사용 가능 (위치 기반) 0부터 시작하는 인덱싱 슬라이싱 가능 (start:end:step) 음수 인덱스 사용 가능 (뒤에서부터 카운트)

주의사항:

iloc는 위치 기반이므로 라벨이나 불리언 인덱싱은 사용할 수 없습니다 범위를 벗어난 인덱스를 사용하면 IndexError가 발생합니다 슬라이싱할 때 end 인덱스는 포함되지 않습니다 (예: 0:3은 0,1,2 포함)

loc와의 차이점:

iloc: 위치 기반 인덱싱 (0, 1, 2, …) loc: 라벨 기반 인덱싱 (실제 인덱스 레이블 사용)

pandas loc

import pandas as pd
 
# 예시 데이터프레임 생성
df = pd.DataFrame({
    'name': ['John', 'Jane', 'Bob', 'Alice'],
    'age': [25, 30, 35, 28],
    'city': ['NY', 'LA', 'SF', 'CH']
}, index=['a', 'b', 'c', 'd'])  # 커스텀 인덱스 지정
 
# 1. 단일 행 선택
row_a = df.loc['a']  # 인덱스 'a'인 행
# 결과: name: John, age: 25, city: NY
 
# 2. 특정 행의 특정 열 선택
value = df.loc['a', 'age']  # 인덱스 'a'행의 'age' 열
# 결과: 25
 
# 3. 여러 행 선택
subset = df.loc['a':'c']  # 'a'부터 'c'까지의 행
# 결과: John, Jane, Bob의 데이터
 
# 4. 특정 행들의 특정 열들 선택
result = df.loc['a':'b', ['name', 'city']]
# 결과:
#    name city
# a  John  NY
# b  Jane  LA
 
# 5. 조건을 사용한 선택
young = df.loc[df['age'] < 30]  # 30세 미만인 사람들
# 또는
sf_residents = df.loc[df['city'] == 'SF']
 
# 6. 여러 조건 조합
result = df.loc[(df['age'] > 25) & (df['city'] == 'LA')]
 
# 7. 새로운 값 할당
df.loc['a', 'age'] = 26  # 특정 위치의 값 변경

loc의 주요 특징:

실제 인덱스 레이블을 사용 컬럼명으로 열 선택 가능 불리언 인덱싱(조건) 사용 가능 슬라이싱 시 끝 인덱스도 포함됨

iloc과의 주요 차이점:

loc: 레이블 기반 (‘a’, ‘name’ 등 실제 이름 사용) iloc: 위치 기반 (0, 1, 2 등 숫자 인덱스 사용)

자주 하는 실수를 피하기 위한 팁:

loc 사용 시 실제 존재하는 레이블만 사용 가능 슬라이싱에서 loc은 끝 인덱스를 포함 (iloc은 미포함) 조건문 사용 시 괄호 사용에 주의

Last updated on
PrismaSequelize v6