너비 우선 탐색 (Breadth-First Search, BFS)너비 우선 탐색은 그래프와 트리 구조에서 사용되는 탐색 알고리즘임.시작 정점으로부터 가까운 정점을 탐색하면서 점차 더 멀리 떨어진 정점으로 나아가는 방식으로 동작함.BFS는 레벨별로 탐색을 진행하며, 큐 자료구조를 이용하여 구현됨.이 알고리즘은 경로 탐색, 최단 경로 찾기 등 다양한 분야에서 활용됨. BFS의 기본 원리와 과정1. 초기화탐색을 시작할 첫 번째 노드를 큐에 삽입하고 방문했다고 표시함. 2. 반복 작업큐에서 노드를 하나 꺼냄.해당 노드와 인접한 노드들을 확인함.방문하지 않은 인접 노드를 모든 큐에 삽입하고 방문했다고 표시함. 3. 종료 조건큐가 빌 때까지 위 과정을 반복함. BFS의 특징1. 완전성모든 노드를 방문하므로 완전한 ..
파이썬에서 사용할 수 있는 저수준 API파이썬에서는 특정 시스템 수준의 기능이나 자원을 세밀하게 제어할 수 있도록 하는 여러 저수준 API를 제공함.파이썬의 표준 라이브러리는 이러한 기능들을 포함하고 있음.개발자가 시스템 프로그래밍이나 하드웨어와 밀접한 작업을 수행할 수 있게 해줌. 파이썬에서 사용할 수 있는 저수준 API 종류1. socket 모듈1-1. 용도네트워크 통신을 위한 인터페이스를 제공함.TCP/IP와 UDP 연결을 직접 제어할 수 있으며, 소켓 프로그래밍을 통해 클라이언트와 서버 애플리케이션을 작성할 수 있음. 1-2. 특징저수준 네트워크 연결 설정, 데이터 송수신, 네트워크 구성과 관련된 다양한 옵션과 속성을 제어할 수 있음. 2. ctypes 모듈2-1. 용도C언어 라이브러리를 파이썬 ..
APIAPI(Application Programming Interface)는 소프트웨어 간의 상호작용을 가능하게 해주는 인터페이스임.API는 일반적으로 저수준(Low-Level)과 고수준(High-Level)의 두 가지 유형으로 분류할 수 있음.이 분류는 API가 제공하는 추상화 수준과 직접적인 제어 수준에 따라 달라짐. 저수준 API (Low-level API)저수준 API는 시스템 리소스나 하드웨어와 밀접하게 상호작용하는 API임. 1. 세밀한 제어저수준 API는 개발자에게 하드웨어나 시스템의 매우 구체적이고 세밀한 제어를 가능하게 함.예를 들어, 메모리 관리, 네트워크 패킷의 송수신과 같은 기능을 직접 제어할 수 있음. 2. 복잡성과 난이도저수준 API는 일반적으로 사용하기가 더 복잡하고, 이를 ..
Python googld-adsGoogle Ads 라이브러리는 Google Ads API와 상호 작용하기 위해 Python 프로그래밍 언어로 작성된 공식 클라이언트 라이브러리임.이 라이브러리를 사용하면 사용자는 Google Ads 계정을 프로그래밍 방식으로 관리할 수 있음.광고 캠페인 설정, 광고 성과 데이터 조회, 자동화된 변경 작업 등을 수행할 수 있음.Google Ads 라이브러리는 효율적인 광고 관리와 최적화를 위한 강력한 도구를 제공함 Python googld-ads 주요 특징1. API 커버리지이 라이브러리는 Google Ads API의 다양한 기능을 지원함.캠페인 관리, 광고 그룹 설정, 키워드 추가, 성과 보고 등의 기능을 API를 통해 자동화할 수 있음. 2. 서비스 및 유틸리티 클래스P..
Python boto3Boto3는 Amazon Web Services(AWS)의 공식 Python SDK임.Python 프로그래밍 언어를 사용하여 AWS 서비스를 제어하고 자동화하는 데 사용됨.Boto3를 통해 AWS의 모든 서비스에 접근하고, 이를 프로그래매틱하게 관리할 수 있음.예를 들어, Amazon EC2 인스턴스를 생성하고 관리하거나, Amazon S3 버킷에 데이터를 저장하고 검색하는 등의 작업을 수행할 수 있음. Python boto3 주요 특징1. 서비스 커버리지Boto3는 EC2, S3, DynamoDB, EMR, AWS Lambda 등을 포함한 AWS의 대부분의 서비스를 지원함.각 서비스는 클라이언트 또는 리소스 인터페이스를 통해 접근할 수 있음. 2. 두가지 인터페이스 스타일2-1. ..
import numpy as np list_1 = [[1,2,3,4,5], [6,7,8,9,10]] list_2 = [[11,12,13,14,15]] list_3 = [[16,17,18,19,20]] array_1 = np.array(list_1) array_2 = np.array(list_2) array_combine = np.concatenate([array_1, array_2, list_3], axis=0) print(array_combine, array_combine.shape) print(array_combine[0]) print(array_combine[0].sum()) print(array_combine[3,:]) print(array_combine[3,:].sum()) print(array..
import numpy as np list_1 = [[1,1,1,1,1], [2,2,2,2,2]] list_2 = [[3,3,3,3,3]] list_3 = [[4,4,4,4,4]] array_1 = np.array(list_1) array_2 = np.array(list_2) array_combine = np.concatenate([array_1, array_2, list_3], axis=0) print(array_combine, array_combine.shape) array_row_sum = array_combine.sum(axis=1) print(array_row_sum, array_row_sum.shape) array_row_sum_reshape = array_row_sum.reshape((len..
import numpy as np temp_list_1 = [[1,2,3,4,5], [6,7,8,9,10]] temp_np_array_1 = np.array(temp_list_1) temp_list_2 = [[1,1,1,1,1], [2,2,2,2,2]] temp_np_array_2 = np.array(temp_list_2) print(temp_np_array_1) print(temp_np_array_2) print("행방향으로 합치기") array_row = np.concatenate([temp_np_array_1, temp_np_array_2], axis=0) print(array_row, array_row.shape, array_row.dtype) print("열방향으로 합치기") array_colu..
#1 행별, 열별 합 #2 행별, 열별 최대값 #3 행별, 열별 최소값 #4 행별, 열별 평균 #1 행별, 열별 합 import numpy as np temp_list = [[1,3,5,7,9], [2,4,6,8,10]] temp_np_array = np.array(temp_list) print(temp_np_array, temp_np_array.shape) print(temp_np_array.sum(axis=1)) print(temp_np_array.sum(axis=0)) #2 행별, 열별 최대값 import numpy as np temp_list = [[1,3,5,7,9], [2,4,6,8,10]] temp_np_array = np.array(temp_list) print(temp_np_array, ..
import numpy as np temp_list = [[1,3,5,7,9], [2,4,6,8,10]] temp_np_array = np.array(temp_list) print(temp_np_array, temp_np_array.shape) print(temp_np_array.sum()) print(temp_np_array.max()) print(temp_np_array.min()) print(temp_np_array.mean())
