기본 콘텐츠로 건너뛰기

Python 가변인자

가변인자 매개변수
def get_avg(*args):
    return sum(args) / len(args)
get_avg(1,2,3,4,5,6,7) # 4.0

예약어 가변인자 매개변수
def test(**kwargs):
    keys = list(kwargs.keys())
    print(keys)
test(a=1, b=2, f=5, z=7)

# 도형의 면적을 계산하는 함수 작성
# 원, 삼각형, 사각형
# 원의 면적 : r * r * pi
# 삼각형의 면적 : base * height * 0.5
# 사각형 : width * heigth

import math

def get_area(**kwargs):
    if 'r' in kwargs.keys():
        r = kwargs.get('r')
        return r**2 * math.pi
    elif 'base' in kwargs.keys() and 'height' in kwargs.keys():
        base = kwargs.get('base')
        height = kwargs.get('height')
        return base * height * 1/2
    elif 'width' in kwargs.keys() and 'height' in kwargs.keys():
        width = kwargs.get('width')
        height = kwargs.get('height')
        return width * height
    else:
        return None

print(get_area(r=2.3)) # 16.619025137490002
print(get_area(base=3, height=4.5)) # 6.75
print(get_area(width=10, height=10)) # 100

att = {"base":2.45, "height":3.2}
print(get_area(**att))

이 블로그의 인기 게시물

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 Sklearn make_blobs

from sklearn.datasets import make_blobs 예제 X, y = make_blobs(n_samples=500, centers=3, n_features=2, random_state=0) # 500개의 점을 3개로 모이게 한다, 변수는 2개, 무작위 상태는 0 X.shape, y.shape # ((500, 2), (500,)) plt.scatter(X[:,0],X[:,1],c=y,s=5) plt.show() # 학습 데이터 나누기 from sklearn.model_selection import train_test_split x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=.25, random_state=0) x_train.shape, x_test.shape, y_train.shape, y_test.shape # ((375, 2), (125, 2), (375,), (125,)) # 지도 학습 하기 from sklearn.linear_model import LogisticRegression logisticReg = LogisticRegression(max_iter=5000) # 기본 반복 100 logisticReg.fit(x_train, y_train) # 추정하기 pred = logisticReg.predict(X) # 결정계수 logisticReg.score(x_test, y_test) # 0.92 # 한글 깨짐 없이 나오게 설정 from matplotlib import rcParams # 인코딩 폰트 설정 rcParams['font.family'] = 'New Gulim' rcParams['font.size'] = 10 # 산점도 plt.figure(figsize=(10,4)) plt.subplot(1,2, 1) plt.scatter(X[:,0],X[:,1],c=y) plt.title('정답') plt.su...

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)