Studio KimHippo :D

# NOTE : 1차원 평면에 있는 점들을 입력받아 거리가 가장 짧은 두 점을 추출 def distance(): poi = list(map(int, input('점들의 좌표를 입력해 주세요. : ').split(' '))) min_dist = 10000000 min_dist_ind = [0, 0] for o_rep in range(len(poi)): for i_rep in range(1, len(poi)): if poi[i_rep] != poi[o_rep]: cal_dist = abs(poi[o_rep] - poi[i_rep]) if cal_dist

# NOTE : 문자열의 공백제거 def conut_string(): in_str = input('공백을 제거할 문자열을 입력하세요 : ') in_str = in_str.replace('\n','') in_str = in_str.replace('\t', '') in_str = in_str.replace(' ', '') return len(in_str) if __name__ == '__main__': print(conut_string())

# -*- coing : utf-8 -*- # NOTE : 이씨인 사람과 김씨인 사람 수 각각 구하기 # NOTE : 이름이 이재영인 사람 수 구하기 # NOTE : 중복되는 이름 제거 names = ['이유덕', '이재영', '권종표', '이재영', '박민호', '강상희', '이재영', '김지완', '최승혁', '이성연', '박영서', '박민호', '전경헌', '송정환', '김재성', '이유덕', '전경헌'] lee_cnt = 0 kim_cnt = 0 ljy_cnt = 0 for name in names: if name[0] == '이': lee_cnt += 1 if name == '이재영': ljy_cnt += 1 elif name[0] == '김': kim_cnt += 1 print('성이 이씨인 ..

from scipy import special import numpy as np # NOTE # NumPy의 배열 연산은 아주 빠르거나 아주 느릴수 있는데, 이 연산을 빠르게 만드는 핵심은 바로 벡터화연산을 사용하는 것이다. # 그것은 일반적으로 NumPy의 Universal Functions(ufuncs)를 통해 구현된다. # NOTE : UFuncs에는 단일 입력값에 동작하는 단항 ufuncs, 두 개의 입력값에 동작하는 이항 ufuncs가 있다. x = np.arange(4) # NOTE : 배열 산술연산 print("x = ", x) print("x+5 = ", x + 5) print("x-5 = ", x - 5) print("x*2 = ", x * 2) print("x/2 = ", x / 2) ..

import numpy as np # NOTE : 1차원 배열을 3x3배열로 재구조화 시킴. x4 = np.arange(1, 10) grid = x4.reshape(3, 3) grid # NOTE : 이 코드가 동작하려면 초기 배열의 규모가 형상이 변경된 배열의 규모와 일치해야 한다. x5 = np.array([1, 2, 3]) # NOTE : reshape를 이용한 행 벡터 x5 = x5.reshape(1,3) # NOTE : newaxis 메소드를 이용한 행벡터 x2[np.newaxis, : ] # NOTE : reshape 메소드를 이용한 열벡터 x2.reshape(3, 1) # NOTE : newaxis 메소드를 이용한 열벡터 x2[ : , np.newaxis] Out [1] : array([[1..

import numpy as np x = np.arange(10) np.random.seed(0) x1 = np.random.randint(10, size = 6) x2 = np.random.randint(10, size = (3, 4)) x3 = np.random.randint(10, size = (3, 4, 5)) # NOTE : 배열변수[start, stop, step] print(x[:5],'\n', x[5:],'\n', x[4:7],'\n', x[::2],'\n', x[1::2],'\n') print(x[5::-2]) Out [1] : [0 1 2 3 4] Out [2] : [5 6 7 8 9] Out [3] : [4 5 6] Out [4] : [0 2 4 6 8] Out [5] : [1 3 5..

import numpy as np # NOTE : 재현 가능성을 위한 시드 값 np.random.seed(0) x1 = np.random.randint(10, size = 6) # NOTE : 1차원 배열 x2 = np.random.randint(10, size = (3, 4)) # NOTE : 2차원 배열 x3 = np.random.randint(10, size = (3, 4, 5)) # NOTE : 3차원 배열 # NOTE : 각 배열은 ndim(차원의 개수), shape(각 차원의 크기), size(전체배열 크기)를 가지고 있다. print("x3 ndim : ", x3.ndim) print("x3 shape : ", x3.shape) print("x3 size : ", x3.size) print(..

import numpy as np # NOTE : NumPy 실수형 배열 np.array([1, 2, 3, 4], dtype = 'float32') # NOTE : NumPY 정수형 배열 np.array([3.14, 1, 5, 6.26], dtype = int) # NOTE : 정수형 배열을 실수형 배열로 변환 np.array([1, 2, 3, 4], dtype = 'float32') Out [1] : array([1., 2., 3., 4.], dtype=float32) Out [2] : array([3, 1, 5, 6]) Out [3] : array([1., 2., 3., 4.], dtype=float32) # NOTE : 리스트를 중첩하면 다차원 배열이 됨. np.array([range(rep, re..