Python 반복문

range 객체

range(5) # 0 ~ 4

range(0,5) # 0(start)부터 5(stop)전까지의 range 객체를 반환한다

range(0,5,2) # 0, 2, 4

for 문

for n in range(0,5): # 0 ~ 4까지 반복

print(n) # 0, 1, 2, 3, 4

while 문

while True:

break;

for k, v 문

kv = [("key1","value1"),("key2","value2"),("key3","value3")]

for k, v in kv:

print(f"{k} : {v}")

key1 : value1

key2 : value2

key3 : value3

for if 문

a_list = [item for item in contents if isinstance(item, Tag)]

이 블로그의 인기 게시물

Python Sklearn make_regression

from sklearn.datasets import make_regression import matplotlib.pyplot as plt X, y = make_regression(n_samples=250, n_features=1, noise=50, random_state=2) plt.scatter(X,y, s=2) plt.show() from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split # 한글 깨짐 없이 나오게 설정 from matplotlib import rcParams # 인코딩 폰트 설정 rcParams['font.family'] = 'New Gulim' rcParams['font.size'] = 10 x_train, x_test, y_train, y_test = train_test_split(X,y, test_size=.20, random_state=0) x_train.shape, x_test.shape, y_train.shape, y_test.shape # 모델 생성 model = LinearRegression() # 학습하기 model.fit(x_train, y_train) # 가중치, 편향치 구하기 model.coef_, model.intercept_ # (array([90.11061494]), 2.4224269924448585) # 결정 계수 model.score(x_train, y_train) # 0.789267454050733 # 추정 pred = model.predict(x_test) # 산점도 plt.scatter(x_test,y_test) plt.plot(x_test, pred, 'r-') plt.show() # 추정 model.predict([[3.0]]) # 학습할 때 주는 데이터의 형식을 따른다 # x의 최소값, 최대값을 계수와 절편을 사용하여 ...

Javascript on 함수

엔터키 감지하기 <input type="password" onkeypress="func(event)" /> function func(event) { if(event.keyCode == 13) { // keyCode 13은 엔터이다 alert("엔터를 입력했습니다."); } if (event.tartget.value == 13) { alert("엔터를 입력했습니다."); } }

Grid 정렬

.container { display : grid ; gap : 22px ; width : 1000px ; grid-template-columns : repeat ( auto-fit , 150px ); margin : auto ; justify-content : center ; } .container { display : grid ; gap : 22px ; grid-template-columns : repeat ( auto-fit , minmax ( 250px , 1fr )); }

다루한의 코딩공부

이 블로그 검색