- 파이썬은 스크립트 언어이다. - 코드 실행할 때 컴파일 과정이 없다. - 해석기(인터프리터)가 코드를 한줄씩 읽어서 실행한다. - 실행 결과를 바로 확인할 수 있다. - 스크립트 언어는 컴파일 과정이 없이 소스코드 실행시 번역과 실행이 동시에 이루어지므로 컴파일언어보다 느리다!! - 코드를 실행하려면 내가 짠 코드를 컴파일이라는 과정을 먼저 실행해야한다. - 컴파일이란 인간이 해석할 수 있는 코드를 컴퓨터가 해석할 수 있는 기계어로 변환하는 과정을 말한다. - 컴파일 언어는 컴파일 과정으로 인해 소스코드 수정 및 실행에 시간이 스크립트 언어에 비해 많이 소요된다. - 하지만 기계어로 변환 후 실행하기 때문에 스크립트 언어보다 실행속도가 빠르다!!
- 파이썬으로 만든 패키지들을 관리하고 열람하는 저장소 - 파이썬 개발 환경에서 패키지들을 설치하기 위해 pip 명령어 사용 - 파이썬의 가장 큰 장점은 다양한 패키지를 제공하는 것 - pip를 통해 PyPi에서 원하는 패키지를 가져와 사용할 수 있음 - 설치 : "pip install PackageName" - 삭제 : "pip uninstall PackageName" - 특정 버전 설치 : "pip install PackageName==3.7.8" - 버전 업그레이드 : "pip install --upgrade"
라이브러리 설치 pip install -U finance-datareader 코드 입력 import FinanceDataReader as fdr df_krx = fdr.StockListing('KRX') df_kospi = fdr.StockListing('KOSPI') df_kosdoq = fdr.StockListing('KOSDAQ') df_konex = fdr.StockListing('KONEX') print('krx count :', df_krx['Symbol'].count()) print('kospi count :', df_kospi['Symbol'].count()) print('kosdoq count :', df_kosdoq['Symbol'].count()) print('konex count :..
import pandas as pd import hashlib list_first = [] list_second = [] list_third = [] list_hash = [] for i in range(0, 10): list_first.append(i) list_hash.append(hashlib.sha256(str(i).encode()).hexdigest()) for i in range(10, 20): list_second.append(i) for i in range(20, 30): list_third.append(i) df = pd.DataFrame(zip(list_first, list_second, list_third, list_hash)) df.columns = ['id_1', 'id_2', '..
먼저 리스트 출력 import pandas as pd import hashlib list_first = [] list_second = [] list_third = [] list_hash = [] for i in range(0, 10): list_first.append(i) list_hash.append(hashlib.sha256(str(i).encode()).hexdigest()) for i in range(10, 20): list_second.append(i) for i in range(20, 30): list_third.append(i) print(list_first) print(list_second) print(list_third) print(list_hash) exit() 리스트를 데이터프레임으로..
conda info --envs conda create -n py38 python=3.8 conda activate py38 conda deactivate conda remove -n py38 --all
코드 import time from numba import jit @jit(nopython=True) def function_numba(): numba_data_list = [] for i in range(0, 100000000): numba_data_list.append(i) for_data_list = [] for_time_list = [] numba_time_list = [] for i in range(10): start_time = time.time() for j in range(0, 100000000): for_data_list.append(j) end_time = time.time() for_time_list.append(round(end_time - start_time, 2)) start_t..
코드 작성 import time for_data_list = [] while_data_list = [] for_time_list = [] while_time_list = [] for i in range(10): start_time = time.time() for j in range(0, 100000000): for_data_list.append(j) end_time = time.time() for_time_list.append(round(end_time - start_time, 2)) k = 0 start_time = time.time() while k < 100000000: while_data_list.append(k) k += 1 end_time = time.time() while_time_list...
다음과 같은 데이터프레임이 있다. import pandas as pd first_data = [i for i in range(10, 20)] second_data = 15 df = pd.DataFrame({'first': first_data, 'second': second_data}) print(df) first의 값이 second 보다 크면 True 를 출력하고 아니면 False 를 출력하는 result 행을 만들어보자 import pandas as pd first_data = [i for i in range(10, 20)] second_data = 15 df = pd.DataFrame({'first': first_data, 'second': second_data}) df['result'] = df['..
다음과 같은 데이터프레임이 있다. import pandas as pd first_data = [i for i in range(10, 20)] second_data = 15 df = pd.DataFrame({'first': first_data, 'second': second_data}) print(df) 두 컬럼의 값 중 큰 값을 result 컬럼에 넣어보자 import pandas as pd first_data = [i for i in range(10, 20)] second_data = 15 df = pd.DataFrame({'first': first_data, 'second': second_data}) df['result'] = df.max(axis = 1) print(df) 이번에는 두 값 중 작은 ..
