개발잡부

replace( ) 1. replace 란? replace는 문자열을 변경하는 함수이다. 용 방법은 '변수. replace(old, new, [count])' 형식으로 사용한다. - old : 현재 문자열에서 변경하고 싶은 문자 - new: 새로 바꿀 문자 - count: 변경할 횟수. 횟수는 입력하지 않으면 old의 문자열 전체를 변경한다. 기본값은 전체를 의미하는 count=-1로 지정되어있다. 2. 사용 예시 1. 문자를 변경하는 사용예시 함수 사용은 위에 설명한 대로 '변수. replace('hello', 'hi')로 나타내면 된다. 코드로 사용한 예시와 결괏값을 보겠다. >>> a = 'hello world' >>> a.replace('hello','hi') hi world 위에서 함수를 사용하..

def is_number(x): try: f = float(x) return True except ValueError as e: return False try: float(element) except ValueError: print "Not a float" check_float = isinstance(25.9, float)

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe3 in position 1: invalid continuation byte query = input("Enter query: ")

import tensorflow as tf import tensorflow_text as text hypotheses = tf.ragged.constant([['captain', 'of', 'the', 'delta', 'flight'], ['the', '1990', 'transcript']]) references = tf.ragged.constant([['delta', 'air', 'lines', 'flight'], ['this', 'concludes', 'the', 'transcript']]) result = text.metrics.rouge_l(hypotheses, references) print('F-Measure: %s' % result.f_measure) print('P-Measure: %s' ..

legend picking chart 혹은 TGV (Tejeb) 이라고 함 legend picking 때잽질을 하려면 보고가 생명인데, 이 때잽질이라는게 말로 나불거려서 때르잽이 되려면 1급 때잽이여야 하고 텍스트로만 보고하기에는 이해하는 놈들이 일본애니 마니아라서 이해하는데 한계가 있고, 변태스러운 2D 마니아들을 위한 맞춤 보고서를 작성해야 하는데 그때를 대비해서 쓸만한 차트를 몇개 알아놓고 신속하게 때르잽질을 한다 sample import numpy as np import matplotlib.pyplot as plt t = np.linspace(0, 1) y1 = 2 * np.sin(2*np.pi*t) y2 = 4 * np.sin(2*np.pi*2*t) fig, ax = plt.subplots() ..

import numpy as np import matplotlib.pyplot as plt def f(t): return np.exp(-t) * np.cos(2*np.pi*t) t1 = np.arange(0.0, 5.0, 0.1) t2 = np.arange(0.0, 5.0, 0.02) plt.figure() plt.subplot(211) plt.plot(t1, f(t1), color='tab:blue', marker='o') plt.plot(t2, f(t2), color='black') plt.subplot(212) plt.plot(t2, np.cos(2*np.pi*t2), color='tab:orange', linestyle='--') plt.show()

import matplotlib.pyplot as plt import numpy as np plt.style.use('_mpl-gallery-nogrid') # make data x = [1, 2, 3, 4] colors = plt.get_cmap('Blues')(np.linspace(0.2, 0.7, len(x))) # plot fig, ax = plt.subplots() ax.pie(x, colors=colors, radius=3, center=(4, 4), wedgeprops={"linewidth": 1, "edgecolor": "white"}, frame=True) ax.set(xlim=(0, 8), xticks=np.arange(1, 8), ylim=(0, 8), yticks=np.arange(..

import numpy as np import matplotlib.pyplot as plt x = np.arange(14) y = np.sin(x / 2) plt.step(x, y + 2, label='pre (default)') plt.plot(x, y + 2, 'o--', color='grey', alpha=0.3) plt.step(x, y + 1, where='mid', label='mid') plt.plot(x, y + 1, 'o--', color='grey', alpha=0.3) plt.step(x, y, where='post', label='post') plt.plot(x, y, 'o--', color='grey', alpha=0.3) plt.grid(axis='x', color='0.95')..

import matplotlib.pyplot as plt from matplotlib.collections import EventCollection import numpy as np plt.rcParams['font.family'] = 'AppleGothic' xdata= range(0, 88) ydata1= [67.89, 15.56, 12.77, 13.39, 15.69, 13.18, 16.3, 13.92, 16.8, 14.18, 15.05, 28.49, 15.1, 14.96, 12.1, 13.23, 16.92, 13.55, 16.1, 14.2, 15.43, 12.78, 15.55, 12.78, 12.35, 15.06, 14.21, 15.68, 12.33, 14.07, 15.72, 17.83, 14.73..

VOCAB_SIZE = 1000 encoder = tf.keras.layers.TextVectorization( max_tokens=VOCAB_SIZE) encoder.adapt(train_dataset.map(lambda text, label: text))​ import numpy as np import tensorflow_datasets as tfds import tensorflow as tf tfds.disable_progress_bar() import matplotlib.pyplot as plt def plot_graphs(history, metric): plt.plot(history.history[metric]) plt.plot(history.history['val_'+metric], '') p..