기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

SQlite와 python

python과 sqlite의 연결

python과 sqlite의 연결을 위해 python의 sqlite3 모듈을 사용합니다.
SQlite는 별도의 서버가 필요하지 않습니다. 그러므로 다음과 같이 간단히 두 언어의 연결이 이루어 집니다.

sqlite의 운영은 다음 과정으로 이루어집니다.
1) 선택한 데이터베이스에 대한 연결 : connection
2) 데이터 전달을 위한 커서 설정: cursor
3) SQL을 이용해 데이터를 조작: 상호작용
4) SQL 조작을 데이터에 적용한 후 이를 영구적으로 반영(커밋)
5) 그러한 조작을 중단(롤백) 상호작용이 발생하기 전의 상태로 데이터를 되돌리도록  연결에 지시
6) 데이터 베이스에 대한 연결을 닫음: close

conn=sqlite3.connect("C:/~/test.db")
cur=conn.cursor()
#table 생성
cur.execute('''create table ex1(id integer primary key, name text, phone text, email text unique, password text)''')
#연결 닫기
conn.close()

#생성한 데이블 삭제
cur.execute('''drop table ex1''')
conn.commit()
#commit() 명령은 테이블이 아닌 연결된 db(여기서는 conn)차원에서 이루어집니다.
#다음은 동일한 db에서 테이블을 생성하고 데이터를 입력합니다.
conn=sqlite3.connect("C:/Users/hp/Documents/stock/DB/test.db")
cur=conn.cursor()
cur.execute('''create table ex1(id integer primary key, name text, phone text, email text unique, password text)''')
val=[(1, 'a', '2341234', 'a@exam.com', '1234'), (2, 'b', '6740980', 'b@exam.com', '7658')]
cur.execute("insert into ex1 values(?,?,?,?,?)", val[0])
cur.execute("insert into ex1 values(?,?,?,?,?)", val[1])
conn.commit()
#python 변수의 값들은 튜플로 전달됩니다.  다른 방식으로는 사전과 같이 전달할 수 있습니다.
id3=3
name3='c'
phone3="4538901"
email3='callable@exam.com'
password3="7852"
cur.execute("insert into ex1(id, name, phone, email, password) values(:id, :name, :phone, :email, :password)",
            {'id':id3, 'name': name3, 'phone':phone3, 'email':email3, 'password':password3})
conn.commit()
#여러개의 자료를 동시에 삽입할 경우는 executemany() 메소드를 사용합니다.
val2=[(4, 'd', '2341234', 'd@exam.com', '1234'), (5, 'e', '6740980', 'e@exam.com', '7658')]
cur.executemany("insert into ex1(id, name, phone, email, password) values(?,?,?,?,?)", val2)
conn.commit()
id=cur.lastrowid
id
'''
입력된 데이터를 호출하기 위해서는 cursor 객체에 select 문을 실행하고
한 행을 가져오기 위해서는 fetchone()
모든 행을 가져오기 위해서는 fetchall() 메소드를 사용합니다.
'''
cur.execute("select id, name, phone, email, password from ex1")
item1=cur.fetchone()
item1
#다음 코드의 결과는 위와 같이 호출된 데이터는 제외됩니다.
item_all=cur.fetchall()
item_all
#반복문을 사용하여 호출
for row in item_all:
    print("{0}:{1},{2}".format(row[0], row[1], row[2]))
#특정한 부분을 호출할 경우 '?'(placeholder)를 사용합니다.
spec_id=3
cur.execute('select name, email, phone from ex1 where id=?', (spec_id,))
cur.fetchone()
#데이터를 업데이트, 제거할 경우는 각각 update, delete를 사용합니다.
new=7098931
repid=1
cur.execute('update ex1 set phone=? where id=?', (new, repid))
cur.execute('delete from ex1 where id=4')
conn.commit()
'''
마지막에 수정한 변화는 취소하기 위해서는 rollback()을 사용합니다.
어떤 명령후에 그 결과를 저장하기 위해서는 commit()를 실행해야 하는데
rollback()은 commit()을 실행하기 직전의 마지막 명령을 취소하는 역할을 합니다.
'''
conn.rollback()
conn.close()

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같

[matplotlib] 히스토그램(Histogram)

히스토그램(Histogram) 히스토그램은 확률분포의 그래픽적인 표현이며 막대그래프의 종류입니다. 이 그래프가 확률분포와 관계가 있으므로 통계적 요소를 나타내기 위해 많이 사용됩니다. plt.hist(X, bins=10)함수를 사용합니다. x=np.random.randn(1000) plt.hist(x, 10) plt.show() 위 그래프의 y축은 각 구간에 해당하는 갯수이다. 빈도수 대신 확률밀도를 나타내기 위해서는 위 함수의 매개변수 normed=True로 조정하여 나타낼 수 있다. 또한 매개변수 bins의 인수를 숫자로 전달할 수 있지만 리스트 객체로 지정할 수 있다. 막대그래프의 경우와 마찬가지로 각 막대의 폭은 매개변수 width에 의해 조정된다. y=np.linspace(min(x)-1, max(x)+1, 10) y array([-4.48810153, -3.54351935, -2.59893717, -1.65435499, -0.70977282, 0.23480936, 1.17939154, 2.12397372, 3.0685559 , 4.01313807]) plt.hist(x, y, normed=True) plt.show()

R 미분과 적분

내용 expression 미분 2차 미분 mosaic를 사용한 미분 적분 미분과 적분 R에서의 미분과 적분 함수는 expression()함수에 의해 생성된 표현식을 대상으로 합니다. expression expression(문자, 또는 식) 이 표현식의 평가는 eval() 함수에 의해 실행됩니다. > ex1<-expression(1+0:9) > ex1 expression(1 + 0:9) > eval(ex1) [1] 1 2 3 4 5 6 7 8 9 10 > ex2<-expression(u, 2, u+0:9) > ex2 expression(u, 2, u + 0:9) > ex2[1] expression(u) > ex2[2] expression(2) > ex2[3] expression(u + 0:9) > u<-0.9 > eval(ex2[3]) [1] 0.9 1.9 2.9 3.9 4.9 5.9 6.9 7.9 8.9 9.9 미분 D(표현식, 미분 변수) 함수로 미분을 실행합니다. 이 함수의 표현식은 expression() 함수로 생성된 객체이며 미분 변수는 다음 식의 분모의 변수를 의미합니다. $$\frac{d}{d \text{변수}}\text{표현식}$$ 이 함수는 어떤 함수의 미분의 결과를 표현식으로 반환합니다. > D(expression(2*x^3), "x") 2 * (3 * x^2) > eq<-expression(log(x)) > eq expression(log(x)) > D(eq, "x") 1/x > eq2<-expression(a/(1+b*exp(-d*x))); eq2 expression(a/(1 + b * exp(-d * x))) > D(eq2, "x") a * (b * (exp(-d * x) * d))/(1 + b