내일의 커피를 위해 코딩한다.

 티스토리 

DATA CAMP https://app.datacamp.com/jobs/coming-soon

원하는 코스로 퀴즈를 풀어가며 무료로 코딩하고 학습가능한 온라인 코딩 연습 사이트 

한글지원이 아직 안되지만, 영어 공부하며 코딩까지 공부하기 딱 좋아요.

Python Data Camp은 데이터 과학, 프로그래밍, 그리고 머신러닝을 배우고자 하는 개인들을 대상으로 한 온라인 학습 플랫폼입니다. 이 사이트는 Python을 사용하여 데이터 분석과 관련된 다양한 기술을 배울 수 있는 코스를 제공하며, 초보자부터 전문가 수준까지 다양한 난이도의 코스를 포함하고 있습니다.

1. 학습 리뷰

주요 특징은 다음과 같습니다:

인터랙티브한 학습 방식: 사용자는 비디오 강의를 시청하는 것뿐만 아니라, 실시간으로 코드를 작성하고 실행해볼 수 있는 인터랙티브한 환경에서 학습할 수 있습니다. 이를 통해 학습자는 이론뿐만 아니라 실제 코딩 경험을 통해 지식을 확립할 수 있습니다.

다양한 코스: 데이터 사이언스, 머신러닝, 딥러닝, 데이터 시각화, 데이터 처리 및 분석 등 다양한 주제에 대한 코스를 제공합니다. 각 코스는 특정 주제에 초점을 맞추며, 기초부터 고급까지 다양한 수준의 학습자를 위해 설계되었습니다.

프로젝트 기반 학습: 이론 학습을 넘어서, 사용자는 실제 데이터를 사용한 프로젝트를 통해 학습한 기술을 실제 문제 해결에 적용해볼 수 있습니다. 이는 실제 업무 환경에서의 문제 해결 능력을 향상시키는 데 도움이 됩니다.

경력 개발: 데이터 사이언스와 관련된 직업을 찾거나 경력을 발전시키고자 하는 사용자를 위해, 특정 직무에 필요한 기술 세트를 개발할 수 있는 코스와 가이드를 제공합니다.

커뮤니티 및 지원: 학습자는 질문을 공유하고, 피드백을 받으며, 다른 학습자와 지식을 공유할 수 있는 활발한 커뮤니티에 접근할 수 있습니다. 이는 학습 과정에서 발생할 수 있는 어려움을 극복하는 데 도움이 됩니다.

Python Data Camp는 이러한 특징을 바탕으로, Python을 사용하여 데이터 사이언스와 관련된 다양한 기술을 배우고자 하는 사람들에게 매우 유용한 자원입니다. 사용자는 자신의 속도에 맞춰 학습할 수 있으며, 언제 어디서나 학습 자료에 접근할 수 있는 유연성을 제공받습니다. 

좌측의 문제를 읽고 우측 입력칸에서 코딩 입력하며 학습 

2. 학습 지원

 추가로 동영상도 코스마다 매우 쉽고 자세하게 제공.

마무리

- 이번 포스팅은 DATA CAMP 코딩 연습 사이에 대해 알아봤습니다.

 티스토리 

Convert CSV file to list type
CSV파일 리스트 타입변환

- Reads data from a CSV file and converts it into a Python list
- Can use either pandas or the csv module

# CSV 파일을 읽어서 DataFrame으로 변환한 후, 리스트로 변환함

1.Code Review

import csv

# Open the CSV file, and convert each row into a list
with open('example.csv', 'r') as file:
    csv_reader = csv.reader(file)
    list_of_rows = list(csv_reader)

print(list_of_rows)

# Using pandas
import pandas as pd

# Read the CSV file into a DataFrame, then convert to a list
df = pd.read_csv('example.csv')
list_of_rows_with_pandas = df.values.tolist()

print(list_of_rows_with_pandas)

추가로 아래와 같이 리스트 pop Method를 사용하여 0번을 컬럼으로 지정할수도 있다.

columns = list_of_rows.pop(0)
df = pd.DataFrame(csvdata,columns=columns)

마무리

- 이번 포스팅은 CSV를 List type으로 변환에 대해 알아봤습니다.

 티스토리 

Customized ChatGPT instructions 

파이썬 데이터 분석 개발자가 ChatGPT와 같은 AI 모델을 사용자 정의하기 위해 설정할 수 있는 instructions는 해당 개발자의 고유한 요구와 목표에 따라 달라질 수 있습니다. 

1. Review of Instructions

 아래 예제처럼 질문 과 답변 형식을 지정하면 보다 명확하게 답변합니다. 

추가 예제 : 아래의 다양한 예시를 참고하여 질문해보자.

2. Custom ChatGPT Setup Instructions (English Ver.)

The instructions a Python data analysis developer can set for customizing an AI model like ChatGPT may vary according to their specific needs and objectives. Below, I will present a variety of detailed guidelines and examples for creating a customized ChatGPT. These guidelines focus on maximizing the efficiency and utility of a chatbot specialized in data analysis.

마무리

- 이번 포스팅은 Custom Chatgpt Prompt 지시사항(instructions), 질문, Prompt에 대해 알아봤습니다.

 티스토리 

Python Developer Prompts

Python 개발자가 ChatGPT 프롬프트를 설정할 때, 효과적인 결과를 얻기 위한 몇 가지 방법을 소개합니다. 그리고 각 방법에 맞는 예제 프롬프트도 제공하겠습니다.

Here are some strategies for Python developers on setting up ChatGPT prompts effectively, along with various example prompts for each strategy.

1. Prompts Review

Python 개발자가 ChatGPT 프롬프트를 설정할 때, 효과적인 결과를 얻기 위한 몇 가지 방법을 소개합니다. 그리고 각 방법에 맞는 예제 프롬프트도 제공하겠습니다.

1. 구체적인 질문 설정
목적: 명확하고 구체적인 질문을 통해 ChatGPT로부터 원하는 정보를 정확히 얻는 것입니다.
방법: 질문에 포함될 키워드와 상세 정보를 명확히 합니다.
예제 프롬프트:

2. 시나리오 기반 질문
목적: 실제 개발 상황이나 문제 해결 과정에서 필요한 조언을 구하는 것입니다.
방법: 구체적인 시나리오나 배경 정보를 제공합니다.
예제 프롬프트:

3. 최신 기술 동향 질문
목적: 최신 기술, 라이브러리, 프레임워크에 대한 정보를 얻는 것입니다.
방법: 최신 기술 트렌드에 관한 질문을 하거나, 특정 도구의 최신 버전을 언급합니다.
예제 프롬프트:

4. 코드 리뷰 요청
목적: 작성한 코드의 피드백을 받거나, 개선 방안을 모색하는 것입니다.
방법: 짧은 코드 조각을 제공하고 구체적인 피드백을 요청합니다.
예제 프롬프트:

5. 베스트 프랙티스 및 패턴 질문
목적: 효율적이고 안정적인 코드 작성 방법을 배우는 것입니다.
방법: 특정 주제나 문제에 대한 베스트 프랙티스를 요청합니다.
예제 프롬프트:

"Python에서의 예외 처리 베스트 프랙티스는 무엇인가요?"
"대규모 Python 애플리케이션에서 코드 재사용성을 높이는 패턴은 무엇인가요?"
이러한 방법들을 통해 Python 개발자는 ChatGPT로부터 보다 정확하고 유용한 정보를 얻을 수 있습니다. 각 질문 유형에 따라 필요한 정보의 깊이와 범위가 달라질 수 있으므로, 질문을 설정할 때 이를 고려하는 것이 중요합니다.

2.English Version

마무리

- 이번 포스팅은 Python Devloper 를 위한 Prompts에 대해 알아봤습니다.

 티스토리 

장고 소개 

장고(Django)는 파이썬으로 작성된 오픈 소스 웹 프레임워크입니다. 장고는 다양한 기능을 제공하여 웹페이지 개발을 쉽고 빠르게 할 수 있도록 도와줍니다.

Django는 다음과 같은 이유로 웹 서버 프레임워크 중 가장 유명합니다.

• 생산성 향상: Django는 다양한 기능을 제공하여 웹페이지 개발을 쉽고 빠르게 할 수 있도록 도와줍니다.
• 보안 강화: Django는 기본적으로 보안을 강화하는 기능을 제공합니다.
• 확장성: Django는 다양한 모듈과 프레임워크를 사용하여 확장할 수 있습니다.

장고의 주요 기능은 다음과 같습니다.
( 아래 내용은 나중에 다시 공부할 예정이니 한번만 읽고 스킵 하자!)

• 모델-뷰-템플릿(MVC) 패턴을 지원하여 웹페이지의 구조를 명확하게 구분할 수 있습니다.
  • 모델-뷰-템플릿(MVC) 패턴은 웹 애플리케이션을 개발하는 데 사용되는 소프트웨어 디자인 패턴입니다. 이 패턴은 애플리케이션을 세 가지 구성 요소로 분리합니다. 
  • 모델: 애플리케이션의 데이터와 비즈니스 로직을 담당합니다. 예를 들어, 사용자, 제품 또는 주문과 같은 개체를 나타내는 클래스를 포함할 수 있습니다.
  • 뷰: 사용자 인터페이스를 담당합니다. 웹 페이지를 생성하고 사용자 입력을 처리합니다.
  • 템플릿: 뷰가 사용하는 HTML 코드를 생성합니다
• MVC 패턴은 다음과 같은 몇 가지 장점이 있습니다.
  • 관심사 분리: 각 구성 요소는 애플리케이션의 특정 측면에만 집중하므로 코드가 더 이해하기 쉽고 유지 관리하기 쉽습니다.
  • 재사용성: 구성 요소를 개별적으로 빌드하고 재사용할 수 있으므로 애플리케이션을 더 빠르게 개발할 수 있습니다.
  • 확장성: 구성 요소를 쉽게 추가하거나 제거할 수 있으므로 애플리케이션을 쉽게 확장할 수 있습니다.
• MVC 패턴은 웹 애플리케이션을 개발하는 데 널리 사용되는 인기 있는 패턴입니다. Django, Rails 및 ASP.NET MVC와 같은 많은 인기 있는 웹 프레임워크는 MVC 패턴을 기반으로 합니다.
• 자동화된 폼 처리 기능을 제공하여 폼의 생성 및 처리를 쉽게 할 수 있습니다.
  • Django는 폼을 생성하고 처리하기 위한 강력한 기능을 제공합니다. 이러한 기능을 사용하면 폼 HTML을 생성하고, 사용자 입력을 유효성 검사하고, 유효한 입력을 Python 데이터로 변환할 수 있습니다.
  • 이건 한번 읽고 스킵하자. 다시 자세하게 다뤄볼 예정. 
• 다양한 유효성 검사 기능을 제공하여 사용자 입력의 유효성을 검사할 수 있습니다.
• 로그인, 로그아웃, 권한 관리 등의 기능을 제공하여 보안을 강화할 수 있습니다.
• 템플릿 엔진을 제공하여 동적인 웹페이지를 쉽게 만들 수 있습니다.

1. 장고 설치

장고는 설치 및 구성에서 매우 유연( 윈도우, 맥 OS X, 리눅스/유닉스 )하며,
여러 운영 체제에서 설치가 가능합니다.

- 가능한 최신 버전을 사용할 것을 권장합니다.
(3.7이상 추천)
-  장고는 네 가지 메인 데이터베이스(PostgreSQL, MySQL, Oracle 그리고 SQLite)를 지원
 * SQLite는 가벼운 데이터베이스로 사용하기에 적합해서 주로 읽기 전용인 응용 프로그램을 위해서는 추천.

장고를 설치하려면 다음 명령어를 실행합니다.

pip install django

이 명령어는 장고의 최신 버전을 설치합니다.

장고를 설치한 후에는 다음 명령어를 실행하여 새로운 프로젝트를 생성합니다.

django-admin startproject costzerocode

이 명령어는 costzerocode라는 이름의 Project를 생성. 프로젝트 디렉토리에는 다음과 같은 파일들이 생성됩니다.

• __init__.py: 프로젝트의 시작 파일
• settings.py: 프로젝트의 설정 파일
• urls.py: 프로젝트의 URL 맵핑 파일
• wsgi.py: 프로젝트의 WSGI 구성 파일

2. 장고의 기본 개념

장고의 기본 개념은 다음과 같습니다.

• 모델: 데이터베이스의 테이블과 일치하는 클래스입니다.
• 뷰: HTTP 요청을 처리하는 함수입니다.
• 템플릿: HTML 코드에 동적인 데이터를 포함하는 파일입니다.

일단 이런게 있구나 하고, 코드를 만들면서 위의 개념을 익혀 봅시다.

3. 장고로 웹페이지 만들기 

장고로 간단한 웹페이지를 만들려면 다음 단계를 따릅니다.

1. 모델을 정의합니다.
2. 뷰를 정의합니다.
3. 템플릿을 정의합니다.
4. URL 맵핑을 정의합니다.

모델 정의

모델을 정의하려면 models.py 파일에 다음과 같은 코드를 작성합니다.

from django.db import models

class MyModel(models.Model):
    name = models.CharField(max_length=255)

이 코드는 MyModel이라는 모델을 정의합니다. name 필드는 문자열 데이터를 저장하는 필드입니다.

뷰 정의

뷰를 정의하려면 views.py 파일에 다음과 같은 코드를 작성합니다.

클래스 기반 뷰 (Class-Based Views)
클래스 기반 뷰는 Django의 뷰를 클래스로 정의할 수 있게 해줍니다. 이 방식은 뷰의 재사용성과 코드의 구조화를 더욱 쉽게 해줍니다. 아래는 views.py 파일에 클래스 기반 뷰를 정의하는 예제입니다.

from django.http import HttpResponse
from django.views import View

# 클래스 기반 뷰 예제
class IndexView(View):
    def get(self, request):
        return HttpResponse("Hello, world. You're at the index page.")

이 코드는 IndexView()이라는 뷰를 정의합니다. 이 뷰는 index.html이라는 템플릿을 렌더링합니다.

IndexView 클래스는 View 클래스를 상속받아 정의되며, HTTP GET 요청을 처리하는 get 메소드를 포함하고 있습니다. 이 메소드 역시 사용자의 요청을 받아서 텍스트를 포함한 HTTP 응답을 반환합니다.

함수형으로 구현한 코드 예 :

함수 기반 뷰 (Function-Based Views)
함수 기반 뷰는 Django에서 뷰를 정의하는 가장 기본적인 방식입니다. 아래는 views.py 파일에 함수 기반 뷰를 정의하는 간단한 예제입니다.

from django.http import HttpResponse

# 함수 기반 뷰 예제
def index(request):
    return HttpResponse("Hello, world. You're at the index page.")

두 예제 모두 Django 프로젝트의 views.py 파일에 추가한 후, 해당 뷰를 URLconf에 연결해야 합니다. 함수 기반 뷰는 그대로 URLconf에 추가하면 되고, 클래스 기반 뷰는 .as_view() 메소드를 호출하여 연결합니다.

# urls.py 예제
from django.urls import path
from .views import index, IndexView

urlpatterns = [
    path('fbv/', index, name='fbv-index'),  # 함수 기반 뷰 연결
    path('cbv/', IndexView.as_view(), name='cbv-index'),  # 클래스 기반 뷰 연결
]

이렇게 하면 /fbv/ URL로 접근할 때는 함수 기반 뷰가, /cbv/ URL로 접근할 때는 클래스 기반 뷰가 처리하게 됩니다.

템플릿 정의

템플릿을 정의하려면 templates 디렉토리에 index.html 파일을 생성하고 다음과 같은 코드를 작성합니다.

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>My Site</title>
</head>
<body>
    <h1>My Site</h1>
    <p>{{ name }}</p>
</body>
</html>

이 코드는 name 변수를 사용하여 모델의 데이터를 출력합니다.

URL 맵핑 정의

URL 맵핑을 정의하려면 urls.py 파일에 다음과 같은 코드를 작성합니다.

간단한 애플리케이션에 대한 기본 URL 패턴을 정의합니다.

from django.contrib import admin
from django.urls import path

from myapp import views

urlpatterns = [
    path('', views.index, name='index'),
    path('admin/', admin.site.urls),
]

코드 리뷰:

• Imports:
  • django.contrib.admin: 사이트 콘텐츠를 관리하기 위한 admin유저의 인터페이스를 포함합니다.
    • 장고의 특화된 장점이라고 하는 관리자에 대한 기능이 다양하게 제공된다.
  • django.urls.path: URL 패턴 정의 가능합니다.
  • myapp.views: "myapp"이라는 애플리케이션에서 뷰를 가져옵니다.
• URL 패턴:
  • path('', views.index, name='index'):
    • 루트 URL (/)을 myapp.views의 index 뷰 함수에 매핑합니다.
    • 이 패턴에 이름 index를 지정하여 템플릿 및 코드에서 쉽게 참조할 수 있습니다.
  • path('admin/', admin.site.urls):
    • /admin/에서 액세스할 수 있는 Django 관리 인터페이스에 대한 URL 패턴을 포함합니다.

• myapp.views의 뷰가 적절하게 정의되고 요청을 올바르게 처리하는지 확인하십시오.

• myapp 애플리케이션의 구조를 일관성과 모듈성에 대해 검토하십시오.

• 애플리케이션을 확장할 계획이라면 그에 따라 더 많은 URL 패턴을 추가하십시오.

• 사용자 입력, 데이터베이스 상호 작용 또는 기타 기능을 처리하는 뷰를 포함하는 것을 고려하십시오.

마무리

- 이번 포스팅은 django-admin startproject 명령을 이용해 어떻게 새로운 장고 웹사이트를 생성할 수 있는지 간단하게 확인했습니다.

 티스토리 

날짜 기반 데이터 필터링 간소화

1. 코드 리뷰

import pandas as pd

# CSV 파일 또는 다른 소스에서 데이터프레임을 읽어옴 (예: read_csv)
df = pd.read_csv('your_data.csv', parse_dates=['date_column'])

# 날짜를 인덱스로 설정
df.set_index('date_column', inplace=True)

# 날짜 범위로 데이터 추출
start_date = '2023-01-01'
end_date = '2023-01-31'
filtered_df = df.loc[start_date:end_date]

위의 내용으로 최적화한 코드 아래 참조

import pandas as pd

def read_and_filter_data(file_path, date_column, start_date, end_date):
    """
    CSV 파일에서 데이터를 읽고 날짜를 기반으로 필터링하여 반환합니다.
    """
    try:
        df = pd.read_csv(file_path, parse_dates=[date_column])
        df.set_index(date_column, inplace=True)
        filtered_df = df.loc[start_date:end_date]
        return filtered_df
    except Exception as e:
        print(f"Error reading or filtering data: {e}")
        return None

# 파일 경로 및 날짜 범위 설정
file_path = 'your_data.csv'
date_column = 'date_column'
start_date = '2023-01-01'
end_date = '2023-01-31'

# 데이터 읽기 및 필터링
result_df = read_and_filter_data(file_path, date_column, start_date, end_date)

# 결과 확인
if result_df is not None:
    print(result_df)

이 코드는 함수로 래핑하여 재사용 가능하게 만들었고, 에러 처리를 추가하여 예외 상황에 대비했습니다. 또한 주석을 추가하여 코드를 이해하기 쉽도록 했습니다.

코드를 함수로 래핑하고 에러 처리를 추가함으로써 코드의 재사용성과 유지보수성이 향상되었습니다. 함수를 통해 데이터 읽기 및 필터링이 일관되게 이루어지며, 예외가 발생할 경우 사용자에게 알리고 적절한 조치를 취할 수 있습니다.

함수에 추가적인 인자를 전달하면 더 많은 유연성을 확보할 수 있습니다. 예를 들어, 사용자가 날짜 형식을 지정하거나 다른 필터 기준을 추가할 수 있습니다. 반환값을 다르게 처리하여 실패 시에도 특별한 값을 반환하면 사용자에게 더 많은 정보를 제공할 수 있습니다.

추가적인 예외 처리를 위해 except Exception as e를 더 구체적인 예외로 세분화하는 것이 좋습니다. 예를 들어, pd.read_csv에서 발생하는 특정 예외를 잡아서 사용자에게 더 정확한 오류 메시지를 제공할 수 있습니다.

2. 코드 리뷰#2

또다른 예제 코드로 위의 내용을 바탕으로 구현한 코드입니다.

import pandas as pd

# Sample DataFrame with date range
df = pd.DataFrame({'date': pd.date_range(start='2023-01-01', periods=10, freq='D'),
                   'value': range(10)})

# Filtering data between specific dates
filtered_data = df[df['date'].between('2023-01-03', '2023-01-05')]

.between() 메소드 사용: 코드 간소화를 위해 .between() 메소드를 사용했습니다. 이는 가독성을 향상시키고 코드를 더 간결하게 만듭니다.
변수 이름: result 대신 filtered_data를 사용하여 결과의 의미를 명확히 합니다.

2. 위의 예제코드 시각화

시각화 코드 :

import pandas as pd
import matplotlib.pyplot as plt

# Sample DataFrame with date range
df = pd.DataFrame({'date': pd.date_range(start='2023-01-01', periods=10, freq='D'),
                   'value': range(10)})

# Filtering data between specific dates
filtered_data = df[df['date'].between('2023-01-03', '2023-01-05')]

# Plotting
plt.figure(figsize=(10, 6))
plt.plot(df['date'], df['value'], label='Original Data', marker='o')
plt.plot(filtered_data['date'], filtered_data['value'], label='Filtered Data', marker='o', color='red')
plt.title('Date-based Data Filtering')
plt.xlabel('Date')
plt.ylabel('Value')
plt.xticks(rotation=90)  # Rotate x-axis labels vertically
plt.legend()
plt.grid(True)

# Save the updated plot
plt.savefig('/mnt/data/date_filtering_plot_updated.png')
plt.show()

마무리

- 이번 포스팅은 판다스 데이터 프레임의 날짜형식 데이터 조건별 추출하는법 에 대해 알아봤습니다.

이썬에서 input 함수는 사용자로부터 텍스트나 값을 입력받는 데 사용됩니다. input 함수를 사용하면 프로그램이 사용자의 입력을 대기하고, 사용자가 값을 입력하면 그 값을 받아와서 변수에 저장할 수 있습니다. 다음은 파이썬에서 input 함수를 자세히 설명하는 내용입니다: 기본적인 사용:

input() 함수를 호출하여 사용자로부터 입력을 대기합니다.

사용자가 입력한 값을 프로그램으로 가져옵니다.

input 함수는 사용자의 입력을 문자열로 반환합니다.

입력 메시지 출력:

input 함수에 문자열 인자를 전달하여 사용자에게 입력할 값을 안내할 수 있습니다.

예: name = input("이름을 입력하세요: ") 입력 값 사용:

input 함수로 입력받은 값을 변수에 할당하여 나중에 사용할 수 있습니다.

예: age = input("나이를 입력하세요: ") 형 변환:

input 함수로 입력받은 값은 기본적으로 문자열입니다. 필요한 경우 이 값을 다른 자료형으로 변환해야 할 수 있습니다.

예: age = int(input("나이를 입력하세요: ")) 입력 값 검증:

입력 받은 값에 대한 검증을 수행할 수 있습니다. 조건문을 사용하여 입력 값을 확인하고, 잘못된 값이 입력된 경우 다시 입력을 요청할 수 있습니다.

예: while True: age = int(input("나이를 입력하세요: ")) if age >= 0: break else: print("잘못된 입력입니다. 다시 입력해주세요.") 입력 값 분할:

input 함수로 입력받은 문자열을 공백이나 다른 구분자를 기준으로 분할하여 여러 개의 변수에 할당할 수 있습니다.

예: name, age = input("이름과 나이를 입력하세요: ").split() 예시:

python

Copy code

name = input("이름을 입력하세요: ") age = int(input("나이를 입력하세요: ")) print("이름:", name)

print("나이:", age)

위와 같이 input 함수를 사용하면 사용자로부터 값을 입력받을 수 있습니다. 사용자의 입력을 받아와서 변수에 저장하여 다음 처리에 활용할 수 있습니다. 사용자와 상호작용하면서 프로그램을 개발하고 원하는 값을 입력받을 수 있습니다.