Python 가이드
- 문(Statement)과 식(Expressions)
- 객체(Object)와 참조(Reference)
- Block(블럭)과 들여쓰기(Indentation)
- 다줄(multiline) 입력과 주석(comments)
- 밑줄과 내장메소드(Underscores & Built-in method)
- 전역(global) 범위
- 패키지와 모듈(Package and Module)
- 변수와 상수
- 리터럴(literal)
- 얕은 복사(shallow copy)와 깊은 복사(deep copy)
- 연산자
- 자료형(type)의 분류
- 컬렉션(Collection)
- Loop & Control
- 함수(Function)
- 클래스(Class)
- 최대공약수와 최소공배수 클래스 만들기
- 파일관리
- 파일 운용(File Operation)
- with 문과 컨텍스트 관리자(Context managers)
- 정규표현식(Regular Expression)
- 예외처리(try문)와 assert문
- keyword와 이름규칙
- Palindrome(회문) 결정하기
- 진수변환 프로그램
- print()와 Input()
- Pipeline_python
- 솟수와 소인수(Prime, Prime Factor)
- 솟수찾기
- Pickle: 객체의 직렬화(Serialization)
Numpy
- array 함수
- 차원(dimension)
- 인덱스와 슬라이싱(Index & Slicing)
- 배열 생성을 위한 numpy 함수들
- 랜덤수 생성을 위한 numpy 함수들
- 배열의 차원 수정
- 함수의 인자 axis에 대해
- 배열 객체들의 결합(concatenate)
- stack 함수
- concatenate 함수
- 배열(Numpy. array)
- 객체에 대한 판단_all, any, bool
- Numpy_statics
Pandas
- Series
- DataFrame
- Date 데이터의 조정
- 데이터 정리를 위한 메소드들
- 데이터 병합:concat
- rolling 통계량
- 데이터 간의 상관성(correlation) 찾기
- Date
- pandas.groupby()에 의한 데이터 그룹화
- gdrive, gsheet, colab 연동
date
sympy
- sympy 식과 연산
- sympy 분수 표시와 자료형
- Sympy객체의 표현을 위한 함수들
- sympy.solvers로 방정식해 구하기
- 부분분수_sympy
- Sympy를 사용한 극한(limit)
- sympy 객체를 사용한 미분과 적분
- sympy의 특별한 함수들
Matplotlib
- matplotlib.dates 모듈
- plot() 함수
- 산점도(scatter plot)
- 조각 함수 그리기
- 접선식 생성과 접선 그리기
- boxplot 그리기
- 막대그래프(barplot) 그리기
- 히스토그램(Histogram)
- 정규분포 그리기
- 함수의 변화 경향 작성
- |x|, 1/x 그래프_spines
- 유리함수 그래프와 점근선 그리기
- 기술 통계 관련 그래프
- 확률, 통계 관련 그래프
- 통계관련 그래프
- 통계 검정에 관련된 그래프
- 회귀분석과 그래프
- Statistics related graph code
- Graph code related to statistical tests
- Statistical analysis results graph code
- 등고선(Contour)
- candle chart 작성
- mplfinacne 그래프 작성
- quiver()함수(direction plot 작성)
seaborn
- Figure-level과 Axes-level 함수 그리고 히스토그램
- 다중 플롯 작성
- 플롯과 데이터 구조
- seaborn의 함수에 사용하는 인자들
- 변수들의 관계 시각화(산점도와 선그래프)
- 데이터분포의 시각화 1(histplot & displot)
- 데이터분포의 시각화 2: Kernel density estimation
- 데이터분포의 시각화 3: 경험적 누적분포(ECDF)
- 이변량 분포의 시각화
댓글
댓글 쓰기