기본 콘텐츠로 건너뛰기

Python JSON

import json

dict를 json 문자열로 변환
sample_dict = {'python':89,'javascript':78}
sample_dict, type(sample_dict) # ({'python': 89, 'javascript': 78}, dict)

res = json.dumps(sample_dict)
res, type(res) # ('{"python": 89, "javascript": 78}', str)

json 문자열을 dict로 변환
load_res = json.loads(res)
load_res, type(load_res) # ({'python': 89, 'javascript': 78}, dict)

dict를 json 문자열로 파일에 저장
with open('sample_dict.json','wt') as fout:
    json.dump(sample_dict, fout)

json 문자열 파일을 dict로 변환
sample_dict2 = {}
with open('sample_dict.json','rt') as fin:
    sample_dict2 = json.load(fin)
sample_dict2, type(sample_dict2) # ({'python': 89, 'javascript': 78}, dict)

예제
사이트에서 json 문자열을 dict를 바꾸고 dict를 다시 json 문자열로 파일에 저장한다
##
# 아래의 경로에 접속하면 json 문자열을 얻을 수 있다
# https://api.slingacademy.com/v1/sample-data/files/employees.json
# 그 json 데이터 중에서 사원정보(employees 키)만 추출하여 python_emp.json
# 파일에 저장한다
import requests
res = requests.get('https://api.slingacademy.com/v1/sample-data/files/employees.json')
sample_dict3 = json.loads(res.text)
with open('python_emp.json','wt') as fout:
    json.dump(sample_dict3['employees'],fout)
##

이 블로그의 인기 게시물

Python 인공신경망 추천 시스템(회귀)

예제 # 인공신경망을 이용한 추천 시스템 # - 순차형(Sequential) 신경망 생성법 # - 함수형(Functional) 신경망 생성법 # - 지금까지 나온 추천 방식 중에서 가장 좋은 성능 # - Regression 방식으로 분석가능 # - 영화의 평점 정보(userid, movieid, rating) # - 이용자는 영화에 대한 취향이 모두 다르다 # - 영화는 다양한 장르가 혼합되어 있다 # - 이용자는 자신의 취향에 맞는 영화에 높은 rating을 제시함 # - 어떤 이용자에게 어떤 장르의 영화를 추천할 것인가? # __call__() 함수를 가진 클래스는 파이썬 함수 callable(클래스)를 사용하면 True를 반환한다 from tensorflow.keras.models import Sequential, Model from tensorflow.keras.layers import Dense, Embedding, Input input = Input(shape=(1,)) # 함수형 신경망 생성법 hidden1 = Dense(2, activation='relu')(input) # Dense(2, activation='relu')__call__() hidden2 = Dense(2, activation='relu')(hidden1) # callable.object callable(Dense) # __call__ 함수가 있으면 True, 없으면 False # Using Functional API from keras.models import Sequential from keras.layers import * model = Sequential() model.add(Input(shape=(3,))) # Input tensor model.add(Dense(4)) # hidden layer 1 model.add(Dense(units=4)) # hidden layer 2 model.add(Dense(units=1)) # ou...

Blogger

코드 하이라이트 사이트 http://hilite.me/ 코드 <!-- 나만의 공간 --> <style id='daru_css' type='text/css'> .code {      overflow: auto;      height: 200px;      background-color: rgb(239,239,239);      border-radius: 10px;      padding: 5px 10px; } .code::-webkit-scrollbar-thumb {      background-color: grey;      border: 1px solid transparent;      border-radius: 10px;      background-clip: padding-box;   } .code::-webkit-scrollbar {      width: 15px; } </style> <!-- 나만의 공간 -->

Python 문법

제곱 c = c**2; 주석 # 주석 함수 # 함수 형식 def hello(): # 함수 선언     print("여기는 함수") # 함수 실행문 hello() # 함수 호출 #결과: 여기는 함수 def add(a,b): # 매개변수에 자료형이 필요없다     c = a+b     print(f"{a} + {b} = {c}") add(3,5) #결과 : 3 + 5 = 8 if문 if a > b:     print("a가 큽니다") 객체의 정보 dir(객체) 객체의 주소 id(객체) 생략 if 'a' == 'a':     pass # 생략 else:     pass # 생략 enumerate for i,v in enumerate(range(20, 26)):     print(i,v) display display(df)