기본 콘텐츠로 건너뛰기

Python Pandas CRUD

import pandas as pd

# 보기
def show(member):
    print(member)

def showAll(members):
    print(members)

# 추가
def add(members):
    id,name,rating,phone = input('id,name,rating,phone').split()
    members.loc[len(members)] = [id,name,rating,phone]

#찾기
def find(members):
    id = input("id:")
    if len(members[members['id']==int(id)]) != 0:
        return members[members['id']==int(id)].iloc[0]
    return None

#수정
def update(members):
    member = find(members)
    if not member.empty:
        phone = input("phone:")
        members.loc[member.name,'phone'] = phone
    else:
        print("없음")

#삭제
def delete(members):
    member = find(members)
    if not member.empty:
        members.drop(member.name,axis=0,inplace=True)
    else:
        print('삭제 실패')

#실행
import pandas as pd
def run():
    import pandas as pd
    members = pd.DataFrame(columns=['id','name','rating','phone'])
    members.to_csv('df_members.csv',index=False)
    
    while True:
        members = pd.read_csv('df_members.csv')
        
        c = input("목록(s),추가(a),찾기(f),수정(u),삭제(d),종료(x):")
        if c == 's':
            showAll(members)
        elif c == 'a':
            add(members)
            display(members)
            members.to_csv('df_members.csv',index=False)
        elif c == 'f':
            show(find(members))
        elif c == 'u':
            update(members)
            members.to_csv('df_members.csv',index=False)
        elif c == 'd':
            delete(members)
            members.to_csv('df_members.csv',index=False)
        elif c == 'x':
            break;
        else:
            print("잘못입력")

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)