4153번: 직각삼각형 (acmicpc.net) 4153번: 직각삼각형 입력은 여러개의 테스트케이스로 주어지며 마지막줄에는 0 0 0이 입력된다. 각 테스트케이스는 모두 30,000보다 작은 양의 정수로 주어지며, 각 입력은 변의 길이를 의미한다. www.acmicpc.net import math while('Ture'): a, b, c = sorted(map(int, input().split())) if a==0 and b==0 and c==0: break elif math.pow(a, 2) + math.pow(b, 2) == math.pow(c, 2): print('right') else: print('wrong')
2775번: 부녀회장이 될테야 (acmicpc.net) 2775번: 부녀회장이 될테야 첫 번째 줄에 Test case의 수 T가 주어진다. 그리고 각각의 케이스마다 입력으로 첫 번째 줄에 정수 k, 두 번째 줄에 정수 n이 주어진다 www.acmicpc.net >>층과 호수마다 살아야하는 사람 수 0층 1층 2층 3층 4층 1호 1 1 1 1 1 2호 2 3 4 5 6 3호 3 6 10 15 21 4호 4 10 20 35 46 5호 5 15 35 70 116 ex)2층의 3호--> 1층의 1호부터 3호까지의 사람 수를 더한 만큼 사람이 살 수 있다. 즉, 1+3+6명 T = int(input()) for _ in range(T): k=int(input()) #층 n=int(input()) #호 row=[..
14681번: 사분면 고르기 (acmicpc.net) 14681번: 사분면 고르기 점 (x, y)의 사분면 번호(1, 2, 3, 4 중 하나)를 출력한다. www.acmicpc.net x = int(input()) y=int(input()) if x>0 and y>0: print('1') elif x0: print('2') elif x
#간단한 머신러닝 모델 만들어보기 ##공부시간이 성적에 영향을 미칠까??예를 들어 4명의 학생이 있고 4명의 공부시간과 성적은 아래와 같다고 가정하자. 2시간 공부한 학생의 성적=654시간 공부한 학생의 성적=856시간 공부한 학생의 성적=708시간 공부한 학생의 성적=95이 값들을 하나의 직선으로 표현 한다면 어떤 직선을 그려야 할까??먼저, 정확하진 않지만 예측선을 그려본다.양 끝 두 점을 이어 예측선을 그려본다.예측값이 있다면 실제값이 있고 이 둘 사이에는 차이값, 즉 오차가 존재한다.이때, 인공지능은 오차값을 줄여나가는 과정에서 오차가 0인 값을 찾는게 아니라 오차가 가장 적은 값을 찾는 과정이기 때문에 오차 값을 구할때 제곱의 합을 구해도 상관 없다.(절댓값도 사용 가능)오차제곱의 그래프 형태를..
#파일 저장하고 가져오기 import pandas as pd pew=pd.read_csv("pew.csv") pew ##pew 데이터는 종교에 따른 소득 데이터 ##위 표는 비효율적이다. 성격이 비슷한 돈에 관한 열이 금액 별로 있어 불필요하게 많다. 돈에 관한 열을 하나로 만든다면 보기에도 좋고 머신러닝 관점에서 봤을 때 데이터가 더 늘어나기 때문에 좋다.(학습시키기에 좋다.) ##같은 성격을 가지고 있는 열들을 하나의 열로 만드는 게 필요하다. #melt 함수를 이용하여 열을 행으로 내리기 pew2=pd.melt(pew,id_vars='religion',var_name='income',value_name='count') pew2 ##melt 함수 : 열을 행으로 내려주는 함수 id_vars 고정할 열..
#seaborn : 파이썬 시각화 라이브러리 #데이터 시각화가 필요한 이유 : 수치로 되어있는 데이터보다 별도의 분석 없이 빠르고 직관적인 이해가 가능 #seaborn라이브러리에 저장된 데이터 가져오기 import seaborn as sns anscombe=sns.load_dataset("anscombe") anscombe ##anscombe는 seaborn 라이브러리에 저장되어있는 데이터 집합 ##anscombe외에 tips라는 데이터 집합도 있음. #특정 열에 접근하기 anscombe[anscombe['dataset']=='I'] ##ansscombe의 dataset열이 I인 값에만 접근 #데이터 저장하고 데이터별로 평균값 구하기 >data1=anscombe[anscombe['dataset']=='I..
#csv파일과 tsv파일의 차이점 csv(Comma-separated values) 데이터를 , (콤마) 로 구분 tsv(Tab-separated values) 데이터를 \n (탭)으로 구분 #pandas를 이용하여 csv파일 불러오기 import pandas as pd df=pd.read_csv('concat_1.csv',sep=',') df #pandas로 tsv 파일 불러오기 df=pd.read_csv('gapminder.tsv',sep='\t') df #head() 함수 df.head() #첫 다섯 줄 불러옴 # tail함수 df.tail() #마지막 다섯줄 불러옴 #columns 함수 >df.columns #컬럼명 출력 Index(['country', 'continent', 'year', 'li..
#네이버금융 홈페이지의 데이터크롤링이 필요한 이유 :현재 네이버금융 페이지의 코스피,코스닥 안에서는 특정한 키워드 검색이 불가능하기 때문에 크롤링을 통해 데이터를 가져온다면 키워드를 검색하거나 오름차순,내림차순 정렬 등이 가능하여 원하는 데이터에 더 쉽게 접근할 수 있음. #코스닥 메뉴의 첫페이지 데이터 가져오기 >import requests >from bs4 import BeautifulSoup >import pandas as pd > >url=requests.get("https://finance.naver.com/sise/sise_market_sum.nhn?sosok=0&page=1") >html=BeautifulSoup(url.text) > >table=html.select('table.type_2..
#url 가져올 때 메인창에서 검색을 해야하는 이유 : 어떤 키워드를 검색하고 메인 창이 아닌 창에서 연속으로 다른 키워드를 검색할 경우, url에 기록 남음. 깔끔한 url 을 가져오기 위해 메인 창에서 검색해야 함. #로또 현재 회차 데이터 가져오기 >import requests >from bs4 import BeautifulSoup >import pandas as pd > > >url=requests.get("https://search.naver.com/search.naver?where=nexearch&sm=top_hty&fbm=1&ie=utf8&query=%EB%A1%9C%EB%98%90") >html=BeautifulSoup(url.text) #text로 번역 >html.select('a._lo..
2292번: 벌집 (acmicpc.net) 2292번: 벌집 위의 그림과 같이 육각형으로 이루어진 벌집이 있다. 그림에서 보는 바와 같이 중앙의 방 1부터 시작해서 이웃하는 방에 돌아가면서 1씩 증가하는 번호를 주소로 매길 수 있다. 숫자 N이 주어졌 www.acmicpc.net 1/2~7/8~19/20~37/38~61/62~92/... 이런식으로 벌집 구간 나눌 수 있음. 증가 폭은 6의 배수(6,12,18,24...) 구간을 나누는 기준이되는 수를 리스트에 저장 1번째 시도) N = int(input()) A=[1] for i in range(0, 10000000): A.append(A[i] + (i+1) * 6) for i in range(0, 10000000): if A[i] < N < A[i +..