2차원 리스트란 무엇인가?
•
2차원 리스트의 개념
•
2차원 리스트의 이해
•
반복문을 통한 2차원 리스트 접근하기
스칼라, 벡터, 텐서의 이해
•
스칼라, 벡터, 텐서 Python으로 표현하기
문자열 응용하기
•
문자열 데이터 개념이해
•
문자열 데이터 조작 방법
•
문자열 다양한 분법 정리
◦
replace, split, join, upper, lower, strip, find 등
문자열 서식 지정자 포매팅
•
문자열 서식 지정자란?
•
다양한 문자열 포매팅 사용하기
◦
포매팅 다양한 문법 이해 : %s, %d, %f
수업 예시 코드
# 예시 코드
a = [[1,2], [3,4], [5,6]]
ab = [[1,2,10], [3,4,20], [5,6,30]]
for i ,j,z in ab:
print(i,j,z)
#여러 개 넣는 경우
'영희와 {0} 의 수학 점수는 {1}점 이다. {0}가 다른 친구보다 {2}점 수학을 잘 봤다.'.format('철수',100, 20)
import numpy as np
# 1차원 벡터 생성
vector_a = np.array([1, 2, 3, 4, 5])
vector_b = np.array([5, 4, 3, 2, 1])
vector_sum = vector_a + vector_b # 벡터 덧셈
dot_product = np.dot(vector_a, vector_b) # 벡터 내적
# 2차원 행렬 생성
matrix_a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
matrix_b = np.array([[9, 8, 7], [6, 5, 4], [3, 2, 1]])
matrix_sum = matrix_a + matrix_b # 행렬 덧셈
matrix_product = np.matmul(matrix_a, matrix_b) # 행렬 곱셈
# 2차원 행렬의 행별 합계와 열별 합계 계산
row_sum = np.sum(matrix_a, axis=1)
col_sum = np.sum(matrix_a, axis=0)
# 3차원 텐서 생성
tensor_a = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
tensor_b = np.array([[[8, 7], [6, 5]], [[4, 3], [2, 1]]])
tensor_sum = tensor_a + tensor_b # 텐서 덧셈
tensor_product = np.matmul(tensor_a, tensor_b) # 텐서 곱셈
# 원본 문자열
original_string = "Python은 강력하고 쉽습니다. Python은 다양한 기능을 제공합니다."
replaced_string = original_string.replace("Python", "NumPy") # 문자열 대체 (replace)
split_words = original_string.split() # 문자열 분할 (split)
joined_string = "-".join(split_words) # 문자열 결합 (join)
uppercased_string = original_string.upper() # 대문자로 변환 (upper)
lowercased_string = original_string.lower() # 소문자로 변환 (lower)
stripped_string = original_string.strip() # 양쪽 공백 제거 (strip)
Python
복사