Wendi's Learning

웹개발 과정의 4주차에서는 Flask 프레임워크를 이용해 API를 만들고 클라이언트와 연결하는 방법을 배웠다. Flask로 서버를 만들때는 항상 static, templates(index.html), app.py를 세팅한다. (venv는 가상환경 관련 폴더이므로 건드리지 않는다.) 1. API 클라이언트가 서버에 요청할 때, GET / POST 방식으로 할 수 있다. @app.route('/test', methods=['GET']) def test_get(): title_receive = request.args.get('title_give') print(title_receive) return jsonify({'result':'success', 'msg': '이 요청은 GET!'}) @app.route('..

3주차에는 파이썬 패키지를 이용해 웹스크래핑(크롤링)을 하고, 이 데이터를 DB로 저장하는 방법을 배웠다. 1. 파이썬 가상환경 : 프로젝트별로 패키지들을 담을 공구함. 다른 프로그램의 동작에 영향을 주지 않는 격리된 실행환경. Requests 라이브러리 import requests # requests 라이브러리 설치 필요 r = requests.get('http://openapi.seoul.go.kr:8088/6d4d776b466c656533356a4b4b5872/json/RealtimeCityAir/1/99') rjson = r.json() gus = rjson['RealtimeCityAir']['row'] for gu in gus: if gu['IDEX_MVL'] < 60: print (gu['MS..

import pandas as pd import numpy as np import matplotlib.pyplot as plt import chart_studio.plotly as py %matplotlib inline Plotly, Cufflinks from plotly.offline import download_plotlyjs, init_notebook_mode, plot, iplot import cufflinks as cf # For Notebooks init_notebook_mode(connected=True) # For offline use cf.go_offline() df = pd.DataFrame(np.random.randn(100,4), columns = 'A B C D'.split()) ..

f = plt.figure() # select only 0~29 index df3.iloc[0:30].plot.area(alpha = 0.4, ax = f.gca()) # move legend outside of the plot plt.legend(loc = 'center left', bbox_to_anchor = (1.0, 0.5)) plt.show()​ import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt %matplotlin inline df1 = pd.read_csv('df1', index_col=0) df2 = pd.read_csv('df2') df1.head() df2.head() ..

import seaborn as sns %matplotlib inline Load Data tips = sns.load_dataset('tips') tips.head() Distribution Plot # distribution plot sns.displot(tips['total_bill # kde sns.distplot(tips['total_bill'], kde = True, bins = 30) Joint Plot # kind = plot 종류 sns.jointplot(x = 'total_bill', y = 'tip', data = tips, kind = 'scatter') sns.jointplot(x = 'total_bill', y = 'tip', data = tips, kind = 'hex') sn..

import matplotlib.pyplot as plt %matplotlib inline Basic Plot import numpy as np x = np.linspace(0,5,11) y = x ** 2 plt.plot(x, y, 'red') plt.xlabel('X Axis') plt.ylabel('Y Axis') plt.title('Title') plt.show() Subplot plt.subplot(1,2,1) # nrow, ncol, index(1~) plt.plot(x, y, 'r') plt.subplot(1,2,2) plt.plot(y, x, 'b') Object Oreinted Method fig = plt.figure() axes = fig.add_axes([0.1, 0.1, 0.8, ..

Pandas import numpy as np import pandas as pd labels = ['a','b','c'] my_list = [10,20,30] arr = np.array([10,20,30]) my_dict = {'a' : 10, 'b' : 20, 'c' : 30} Series pd.Series(data = my_list) pd.Series(data = my_list, index = labels) pd.Series(arr) pd.Series(arr,labels) pd.Series(my_dict) ser_1 = pd.Series([1,2,3,4], index = ['A','B','C','D']) ser_1 ser_2 = pd.Series([4,3,2,1],['B','C','D','F']) ..

Array import numpy as np my_list = [1,2,3] np.array(my_list) my_matrix = [[1,2,3],[4,5,6,],[7,8,9,]] np.array(my_matrix) Arange np.arange(11) np.arange(1,11) np.arange(1,11,2) # interval Zeros, Linspace np.zeros(3) np.zeros((5,5)) # matrix = tuple np.linspace(0,10,3) # linearly spaced in area np.linspace(0,10,50) Random np.random.rand(3) # [0,1) np.random.randn(2,5) # standard normal np.random.r..

계산기 기본기능을 클래스를 이용해 만들어보았다. 클래스 안에는 메소드가 있으며 이를 이용해 만든 것을 객체라고 한다. 클래스는 붕어빵틀과 같이 객체를 생성할 수 있으며, 이로 만들어진 붕어빵을 객체라고 볼 수 있다. class 안의 def 함수는 메소드(method)라고 불린다. 메소드의 self 파라미터는 객체 자신을 메소드로 전달한다. def __init__() 생성자를 사용하면 초기값을 설정하고 객체가 생성될 때 자동으로 호출된다. (a = Calculator(x, y)) class Calculator: def __init__(self, first, second): self.first = first self.second = second def add(self): result = self.first ..

오늘은 Coursera의 Neural Networks & Deep Learning 강의 1주차를 마쳤다. 아직 Introduction이라 자세한 내용은 배우지 못했지만, 딥러닝에 대한 전체적인 개념을 알 수 있었다. 또한 코뮤니티의 파이썬에 대한 새로운 내용을 알 수 있었다. 1. 데이터의 디지털화, 컴퓨팅 성능의 발전, 알고리즘의 최적화로 딥러닝이 각광받고 있다. 2. 파이썬의 튜플은 리스트와 비슷하나 값을 수정하거나 생성할 수 없다. 3. 집합은 순서가 없으며, 따라서 인덱스를 사용할 수 없다. 또한 중복이 허용되지 않는다. 4. 연산자나 함수를 통해 차집합, 합집합, 교집합 등을 구할 수 있다. 5. 딕셔너리는 코드잇에서도 배웠지만 키-값 쌍으로 이루어져 있다. 이전보다 많은걸 하려다보니 집중하기가..