본문 바로가기

전체 글74

다중반복문 - 알파벳 출력하기 정수 N을 받아 다음과같이 영문자를 출력할때 아래 예시를 참고하여 작성하라. Z 다음에는 A가 나와야 한다. ex) N에 2가 주어지는 경우 A BC N에 3이 주어지는 경우 A BC DEF 1. 행과 열의 배열을 보면, 열(j)이 행(i)이 증가함에 따라 하나씩 증가한다. >열(j)의 range안에 i가 포함된다. 2. 규칙을보면, 행과 열이 바뀌였을 뿐, 알파벳순서대로 출력된다. 즉, 아스키코드의 대응 숫자가 하나씩 커진다. 3. Z다음에는 A가 나와야 되므로 Z의 대응 숫자보다 큰 경우, A로 초기화 되어야 되며 Z와 같거나 작은 숫자들일땐 아스키 코드의 대응 숫자가 하나씩 커져야 된다. n = int(input())cnt = ord("A")for i in range(1,n+1) : for _.. 2025. 3. 4.
다중반복문 - 정사각 알파벳 출력하기 정수 n의 값이 주어질때 nxn 크기의 정사각형 알파벳 출력하는 프로그램 작성해보기 위>아래, 왼>오로 읽을 때 알파벳 대문자부터 차례로 출력되어야 한다. ex) n=2 AB CD python에서 모든 문자열은 모두 하나의 숫자와 대응되는 아스키 코드이다. 이중 알파벳 대문자, 소문자는 연속된 숫자들과 매칭되어 있다. ord() 함수 : ordinal position의 약자로, 인수로 문자를 받는다. chr() 함수 : chr은 숫자를 입력받아 해당 숫자에 해당하는 유니코드(기본인코딩 UTF-8)로 변환하는 함수다. 요약 : 문자->대응유니코드 ord() 사용 대응유니코드->숫자 char() 사용 1. 행과 열의 갯수는 n의 갯수다. > 따라서 행(i)와 열(j)는 중첩 for문으로 풀이 가능 2. 문.. 2025. 3. 4.
.loc와 .iloc의 차이점/왜 둘은 모두 []를 사용할까?/loc와iloc가 데이터를 가져오는 과정 1. .loc와 .iloc의 차이점구분.loc[].iloc[]약자.loc = location .iloc = integer location 기반라벨(Label) 기반정수(Integer) 기반 행 선택df.loc['a'] → 'a' 인덱스의 행df.iloc[0] → 첫 번째(0번째) 행열 선택df.loc[:, 'A'] → 'A' 열 선택df.iloc[:, 0] → 첫 번째(0번째) 열 선택범위 선택df.loc['a':'c'] → 'a'~'c' 포함df.iloc[0:2] → 0~1 (마지막 포함 X)  2. ()이 아니라 []를 사용하는 이유.loc는 함수(메서드)가 아니라 호출할 수 없는 속성(attribute)이기 때문 "호출할 수 없는 속성(attribute) 객체란?"👉 Python에서 "호출할 수 .. 2025. 3. 3.
왜 Pandas는 2차원 리스트를 기본으로 사용할까? Pandas의 DataFrame()은 행(row)과 열(column) 구조를 가지므로, 2차원 리스트를 넣으면 각 리스트가 행으로 변환되기 쉬워.import pandas as pddata = [[1, 'Alice', 25], [2, 'Bob', 30], [3, 'Charlie', 35]]df = pd.DataFrame(data, columns=['ID', 'Name', 'Age'])print(df)왜 1차원 리스트는 행이 아니라 열로 해석될까?Pandas는 DataFrame()을 만들 때 각 내부 리스트를 행(row)로 해석하기 때문이야.1차원 리스트는 내부 리스트가 없으므로 각 원소가 하나의 열(column)로 해석돼!그럼 1차원 리스트를 넣으면 어떻게 될까?1차원 리스트도 DataFrame()에 전달.. 2025. 3. 3.
데이터프레임이 SQL보다 빠를까? 데이터프레임이 SQL보다 빠를 수도 있고 아닐 수도 있어. 사용 목적과 데이터 크기에 따라 다르기 때문이야.왜 데이터프레임이 SQL보다 빠를 수 있을까?메모리 기반 연산: 데이터프레임은 RAM에서 작동하므로 디스크 I/O가 필요 없는 경우 속도가 빠름.벡터 연산 최적화: Pandas 같은 라이브러리는 NumPy 기반으로 최적화되어 있어 연산 속도가 빠름.단순한 분석 작업: 작은 데이터셋에서 필터링, 변환, 정렬 같은 작업은 SQL보다 빠르게 실행될 수 있음.그럼 왜 SQL이 데이터프레임보다 빠를 수도 있을까?대용량 데이터 처리: SQL은 인덱스, 병렬 처리, 분산 저장 등을 활용해 테라바이트급 데이터를 효율적으로 관리함.최적화된 쿼리 실행: 데이터베이스는 쿼리 최적화 엔진을 사용하여 효율적인 실행 계획을.. 2025. 3. 3.
SQL 테이블 vs DataFrame 비교 SQL 테이블은 데이터베이스에서 사용되는 구조로, 행과 열로 구성된 정형 데이터를 저장한다. 반면, Python의 DataFrame은 Pandas 라이브러리에서 제공하는 데이터 구조로, SQL 테이블처럼 행과 열을 가지지만 메모리 내에서 동적으로 조작이 가능하다.왜 SQL 테이블은 정적인 반면, DataFrame은 동적인 처리가 가능할까?SQL 테이블은 데이터베이스 시스템에서 저장되는 반면, DataFrame은 메모리에서 관리되기 때문이다. SQL 테이블은 데이터를 영구적으로 저장하고, 트랜잭션을 관리하며, 여러 사용자가 동시에 접근할 수 있도록 설계되었다. 반면, DataFrame은 일시적인 데이터 분석을 위해 메모리에서 동작하며, 조작 속도가 빠르지만 영구 저장 기능이 기본적으로 포함되지 않는다.왜 .. 2025. 3. 3.