24번 # 사용자별로 주문 거리의 합계와 평균 계산 df_distance = df.groupby('user')['거리'].sum() # 주문 거리의 합계가 50km 이상인 사용자만 필터링 cond = df_distance >= 50 df_distance = df_distance[cond] 25번 # 1회 이하 주문 제외 cond1 = time_interval>0 m = time_interval[cond1].mean() 선생님, 위 두 문제에서 df_distance 와 time_interval은 단순히 변수인가요? 그 뒤에 cond를 붙여준 것의 의미를 모르겠어요..변수에 변수를 합한 건가요? 교재 예시에 많이 나오는 df= df[cond] 코드는 cond변수 값을 df파일에 저장한다는 건가요? cond는 조건식에서만 사용하는 거죠? 그리고 25번 문제에서 시간간격이 1일 이하인 사용자 제외니까 time_intreval >0이 아니라 1인데 오류인거 같습니다.
navbar.html에서 로그아웃 버튼을 생성 할 때 기존에 {% if session_user % } ... (1) {% else %} ... (2) {% endif %} 하고 이 아래 쪽에 다시 if session_user를 해서 로그아웃을 하는 이유가 무엇일까요? 그냥 (1) 위치에 a태그 달아서 로그아웃을 만들면 안될까요?
1. 현재 학습 진도 몇 챕터/몇 강을 수강 중이신가요? [4주차] 4-9 어떤 알고리즘을 학습하고 계신가요? Heap 여기까지 이해하신 내용은 무엇인가요? 개념은 이해 완료했습니다. 2. 어려움을 겪는 부분 어느 부분에서 막히셨나요? 숙제 1번에서 노션 예제 2번째(코드 내 예제X) 코드의 어떤 로직이 이해가 안 되시나요? stock = 0, dates = [0, 10, 15], supplies = [20, 10, 15], k = 35 일 경우, 0일과 15일에 공급량을 가져오는 게 정답(즉, 2의 리턴값)이라고 주석에 적혀있습니다. 알려주신 로직으로 해당 예제 실행 시, 3의 값이 나옵니다. while stock <= k: 위의 코드에서 같을 때도 해당 반복문을 돌도록 되어 있기 때문인데, 작은게 "stock < k" 가 아니라 "stock <= k"인 이유가 궁금합니다.
지문에선 결측치가 30%이상이 되는 컬럼을 찾으라고 했는데, 강사님께서는 len(df)*0.3 을 하셨더라구요. 이건 전체 행 수의 30%를 계산한거 아닌가요?df.isnull().sum() / len(df) * 100 을 통해 나온 값 중에서 30% 이상인 컬럼들을 찾아야하는거 아닌지 여쭤봅니다. 지문에선 결측치가 있는 컬럼은 최빈값으로 대체하라고 했는데, 어떤 컬럼의 최빈값이라는게 안나와있기 때문에 df['f3'] == 'gold')이렇게 f3컬럼이라고 지정하는게 맞는지, 아니면 30%미만, 20%이상인 결측치가 있는 컬럼은 '해당 컬럼의' 최빈값으로 대체하고 라고 이해하는게 맞는지 여쭤봅니다!
출력문에서 run(f)로 정의한 f 함수를 매개변수로 보내고 f.app(3) 을 실행하는데 f에 경우에 app을 따로 구현안했는데 어떻게 실행이 되는건가요? 그리고 이후에 run(n -> n+9) 또한 따로 app()을 정의한 것 같지않은데 말이죠.. 또한 f.app(3)가 어떻게 저 3이 f 함수에 매개변수로 들어가는지도 궁금합니다. 제가 해석한 건 f.app(3)는 f안에 있는 app메소드에 3을 전달하는 걸로 해석이 되는데 어째서 f 함수 매개변수 x에 3이 전달되는지
강의 들으면서 linkedList, stack, deque 처럼 알고리즘 공부를 하면서 차근차근 알아가는 방식이 좋다고 생각합니다. 근데 실무에서 사용하기엔 대부분 import 로 모듈구현을 활용하는 방식으로 진행될텐데, 실무에서 사용하기 좋은 모듈들을 모아놓은 자료가 있는지 궁금합니다! 감사합니다 😃
체험환경 작업형3의 3번 소문제에 ' 독립표본 t-검정을 수행하고 p-값을 구하여라 .' 라고 되어있으므로, a) ' stats.ttest_ind '를 사용하는 것을 이해하였고, b) 소문제 1~2번의 문제 흐름상 '등분산성을 가진다.'라고 가정되어 ' equal_var=True '(dafault 값이지만)를 입력하신 것도 이해하였습니다. 궁금한 점은, 제가 문제 풀이 후에, 궁금해서 아래와 같이 shapiro 정규성 검정 과 levene 등분산성 검정 을 해보았는데, shapiro 정규성 검정에서 정상 그룹 데이터가 정규성을 따르지 않는 결과가 나왔습니다. 그렇다면 원래는 비모수 검정(만위트니유) 를 해야한다고 생각되는데, 그냥 문제에서 요구한 대로 ttest_ind를 사용해서 푸는 게 맞는건지 헷갈립니다. [실행했던 코드] a = df.loc[df['Classification'] == 1]['log'] b = df.loc[df['Classification'] == 2]['log'] print(stats.shapiro(a)) print(stats.shapiro(b)) print(stats.levene(a,b)) print(stats.ttest_ind(a, b)) [출력 값] ShapiroResult(statistic=np.float64(0.9521376332731428), pvalue=np.float64( 0.03589547584091299 )) ShapiroResult(statistic=np.float64(0.9801637075675661), pvalue=np.float64(0.3916017054819772)) LeveneResult(statistic=np.float64(1.8175868256604175), pvalue=np.float64(0.18027345425360713)) TtestResult(statistic=np.float64(-3.0286077921788532), pvalue=np.float64(0.003039226943143319), df=np.float64(114.0))
현재 자바로 코딩테스트 준비 중인데, 속도나 문법 난이도 때문에 파이썬으로 바꿔볼까 고민 중입니다. 이미 자바 문법은 어느 정도 익숙하지만 문제 풀이 속도가 느리고 구현이 복잡하게 느껴져요. 언어를 파이썬으로 바꾸는 게 현실적으로 도움이 될까요, 아니면 자바를 계속 잡고 가는 게 나을까요?
안녕하세요 김현진 선생님 강의 잘 듣고 있습니다. 아래의 퀴즈를 풀다가 궁금한 점이 생겨서 질문을 남깁니다. 스케줄러의 DAG 파일 파싱 부하를 줄이기 위해 권장되는 코드 작성 방법은 무엇일까요? --> 라이브러리 import 문을 Python callable 함수 내부로 옮긴다. 위 설명을 이해하기 위해서 상황을 가정해보았는데요, python callable 함수 외부에 선언된 API 호출문이 있는 경우를 피해야하고, 만약 그렇게 되면 스케쥴러가 DAG을 파싱할 때마다 실행되는 상황이 되는 것이 맞을까요?
파이썬 동시성 프로그래밍 : 데이터 수집부터 웹 개발까지 (feat. FastAPI, async, await)
asyncio.gather() 를 사용해 여러 요청을 동시에 처리하는데, 실제 프로덕션 환경에서는 어떻게 다루는지 궁금합니다. 예를 들어, 페이지를 1,000개 크롤링하거나 이미지를 수천 장 다운로드할 때 서버에 부하가 생기거나 IP 차단 같은 문제가 발생할 것 같습니다. 해결 방법으로 동시 요청 수를 제한하는 게 좋을까요? 만약 그렇다면 적절한 동시성 수준(5개? 10개? 50개?)은 어떤 기준으로 결정하나요?
