smartPro for IT

Python 개발자가 반드시 알아야 할 내장 라이브러리 6가지

smart Pro — Thu, 28 Nov 2024 22:23:28 +0900

Python은 강력한 내장 라이브러리를 제공하여 다양한 작업을 손쉽게 수행할 수 있도록 돕습니다. 특히 초급 개발자가 기본적으로 익혀야 할 핵심 모듈들이 있습니다. 이 글에서는 초급 개발자를 위한 설명과 실습 예제를 통해, Python 내장 라이브러리 7가지를 쉽게 이해할 수 있도록 도와드립니다.

1. os - 파일 시스템 관리

os 모듈은 파일이나 디렉터리를 다루고, 운영 체제와 상호작용할 때 사용됩니다. 초보자에게 유용한 주요 기능은 다음과 같습니다:

주요 기능

현재 디렉터리 가져오기: os.getcwd()
디렉터리 생성/삭제: os.makedirs(), os.rmdir()
파일 존재 여부 확인: os.path.exists()

실습 예제

import os

# 현재 디렉터리 확인
current_dir = os.getcwd()
print(f"현재 디렉터리: {current_dir}")

# 새 디렉터리 만들기
new_dir = "example_folder"
os.makedirs(new_dir, exist_ok=True)
print(f"{new_dir} 디렉터리가 생성되었습니다!")

# 디렉터리 존재 여부 확인
if os.path.exists(new_dir):
    print(f"{new_dir} 디렉터리가 존재합니다.")

2. sys - 스크립트 제어

sys 모듈은 Python 인터프리터와 직접 상호작용하며, 명령줄 인자 처리나 프로그램 종료 등의 작업에 유용합니다.

주요 기능

명령줄 인자 읽기: sys.argv
Python 버전 확인: sys.version
프로그램 강제 종료: sys.exit()

실습 예제

import sys

# 명령줄 인자 출력
print(f"명령줄 인자: {sys.argv}")

# Python 버전 확인
print(f"Python 버전: {sys.version}")

# 프로그램 강제 종료
print("프로그램 종료 전")
sys.exit()
print("이 코드는 실행되지 않습니다.")  # 출력되지 않음

3. datetime - 날짜와 시간 처리

datetime은 날짜와 시간 관련 작업을 할 때 사용됩니다. 초보자가 알아야 할 기본 기능은 날짜/시간 확인과 포맷팅입니다.

주요 기능

현재 날짜/시간 가져오기: datetime.now()
날짜 포맷 변환: strftime()
날짜 계산: timedelta

실습 예제

from datetime import datetime, timedelta

# 현재 날짜와 시간
now = datetime.now()
print(f"현재 시간: {now}")

# 날짜 포맷 변환 (YYYY-MM-DD)
formatted_date = now.strftime("%Y-%m-%d")
print(f"포맷팅된 날짜: {formatted_date}")

# 날짜 계산 (3일 후)
future_date = now + timedelta(days=3)
print(f"3일 후의 날짜: {future_date.strftime('%Y-%m-%d')}")

4. collections - 효율적인 데이터 구조

collections 모듈은 데이터 관리에 유용한 다양한 자료 구조를 제공합니다. 초보자에게 추천하는 기능은 Counter와 defaultdict입니다.

주요 기능

Counter: 데이터 개수를 손쉽게 셀 수 있음
defaultdict: 키가 없는 경우에도 기본값을 제공

실습 예제

from collections import Counter, defaultdict

# Counter로 데이터 개수 세기
data = ["apple", "banana", "apple", "orange", "banana", "banana"]
count = Counter(data)
print(f"데이터 개수: {count}")

# defaultdict로 기본값 설정
fruit_count = defaultdict(int)
fruit_count["apple"] += 1
fruit_count["banana"] += 2
print(f"기본값 활용: {fruit_count}")

5. itertools - 반복문 최적화

itertools는 반복문을 효율적으로 처리할 수 있도록 다양한 함수들을 제공하는 라이브러리입니다. 수학적인 조합, 순열, 데카르트 곱 등을 간편하게 생성할 수 있어 복잡한 반복 작업을 단순화할 수 있습니다. 이 모듈은 특히 대규모 데이터나 반복 작업을 다룰 때 유용합니다.

주요 기능

product(): 두 개 이상의 리스트의 모든 가능한 조합(데카르트 곱)을 생성합니다.
permutations(): 주어진 요소들의 순열을 생성합니다.
combinations(): 주어진 요소들에서 중복 없이 조합을 생성합니다.

실습 예제

import itertools

# 두 리스트의 모든 조합 생성
combinations = itertools.product(["A", "B"], [1, 2])
for combo in combinations:
    print(combo)
    
# product 실행결과
('A', 1)
('A', 2)
('B', 1)
('B', 2)

# 'ABC'의 길이 2짜리 순열 생성
perms = itertools.permutations("ABC", 2)
for perm in perms:
    print("".join(perm))

# permutations 실행결과
AB
AC
BA
BC
CA
CB

# 'ABC'에서 2개를 선택하는 조합 생성
combs = itertools.combinations("ABC", 2)
for comb in combs:
    print("".join(comb))

# combinations 실행결과
AB
AC
BC

6. functools - 고급 함수 도구

functools는 고차 함수(higher-order function)와 관련된 강력한 도구를 제공합니다. 이 모듈을 활용하면 함수를 효율적으로 구성하거나 최적화할 수 있습니다. 자주 사용하는 함수 몇 가지와 함께 예제를 살펴보겠습니다.

주요 기능

lru_cache: 결과를 캐시하여 성능 최적화
partial : 함수의 인자를 고정하여 새로운 함수 생성
reduce - 반복 가능한 객체를 누적 처리
singledispatch - 함수의 인자 타입에 따라 다르게 동작하는 단일 분배 함수

실습 예제

import functools

@functools.lru_cache(maxsize=None)  # 모든 호출 결과를 캐시
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)

for i in range(10):
    print(f"fibonacci({i}) = {fibonacci(i)}")

# lru_cache 실행결과
fibonacci(0) = 0
fibonacci(1) = 1
fibonacci(2) = 1
fibonacci(3) = 2
fibonacci(4) = 3
fibonacci(5) = 5
fibonacci(6) = 8
fibonacci(7) = 13
fibonacci(8) = 21
fibonacci(9) = 34



# int 함수의 base 인수를 2로 고정
binary_to_int = functools.partial(int, base=2)

print(binary_to_int("1010"))  # 2진수 '1010'을 10진수로 변환
print(binary_to_int("1111"))  # 2진수 '1111'을 10진수로 변환

# partial 실행결과
10
15


numbers = [1, 2, 3, 4, 5]

# 리스트의 모든 요소를 곱함
result = functools.reduce(lambda x, y: x * y, numbers)
print(f"Result of multiplication: {result}")

# reduce 실행결과 : reduce는 리스트 [1, 2, 3, 4, 5]의 모든 요소를 순차적으로 곱해 120을 반환합니다. 1 * 2 * 3 * 4 * 5 = 120이 됩니다.
Result of multiplication: 120

from functools import singledispatch

@singledispatch
def process_data(data):
    print(f"Unsupported type: {type(data)}")

@process_data.register(str)
def _(data):
    print(f"Processing string: {data.upper()}")

@process_data.register(int)
def _(data):
    print(f"Processing integer: {data * 10}")

@process_data.register(list)
def _(data):
    print(f"Processing list: {', '.join(map(str, data))}")

process_data("hello")
process_data(5)
process_data([1, 2, 3])
process_data(3.14)


# singledispatch 실행결과 : singledispatch를 사용하면 인자의 타입에 따라 함수가 다르게 동작합니다. 문자열, 정수, 리스트는 각각 다른 처리를 받지만 float는 기본 함수가 호출됩니다.
Processing string: HELLO
Processing integer: 50
Processing list: 1, 2, 3
Unsupported type: <class 'float'>

마무리

이번 글에서는 Python 개발자가 반드시 알아야 할 7가지 내장 라이브러리를 살펴보았습니다. 이 라이브러리들은 Python 개발을 효율적이고 강력하게 만들어주는 도구입니다. 초급자부터 중급자까지 누구나 쉽게 사용할 수 있는 기능들이며, 실제 프로젝트에서도 자주 사용됩니다.

다시 한 번 요약해보면:

os: 파일 시스템과 운영 체제와의 상호작용
sys: Python 인터프리터와 명령줄 인자 관리
datetime: 날짜와 시간 처리
collections: 효율적인 데이터 구조 제공
itertools: 반복 작업을 최적화
functools: 고급 함수 도구 제공

이 라이브러리들을 자유롭게 활용할 수 있게 되면, Python 개발자로서의 역량이 한층 더 성장하게 될 것입니다. 이제 이 라이브러리들을 직접 사용해 보고, 다양한 프로젝트에 응용해 보세요. 반복적인 코드 작성이 줄어들고, 더 깔끔하고 효율적인 코드를 작성할 수 있을 것입니다.

Python의 내장 라이브러리는 그 자체로 강력한 도구입니다. 이 도구들을 잘 활용하면 더 복잡하고 다양한 문제를 쉽고 빠르게 해결할 수 있습니다. 앞으로도 꾸준히 학습하고 실습하며 Python의 진정한 힘을 경험해 보세요!

Python 문자열(str) 처리 가이드: 기초부터 고급까지

smart Pro — Wed, 27 Nov 2024 22:47:50 +0900

Python에서 문자열은 가장 기본적이면서도 강력한 데이터 타입 중 하나입니다. 문자열 처리의 기초 개념부터 고급 활용까지, 이 글에서 모두 다뤄보겠습니다.

1. 문자열이란?

문자열(String)은 문자의 나열로, 작은따옴표(')나 큰따옴표(")로 감싸서 표현합니다.

여러 줄 문자열은 큰 따옴표 3개로 감싸서 표현합니다.

문자열 예제

# 작은따옴표와 큰따옴표로 문자열 생성
text1 = 'Hello'
text2 = "World"

# 여러 줄 문자열
multiline = """이 문자열은 
여러 줄로 작성할 수 있습니다."""
print(multiline)

2. 문자열 기본 연산

Python에서는 문자열에 대해 다양한 연산을 지원합니다.

1) 문자열 연결

문자열을 연결하려면 + 연산자를 사용합니다.

greeting = "Hello, " + "Python!"
print(greeting)  # Hello, Python!

2) 문자열 반복

문자열을 반복하려면 * 연산자를 사용합니다.

repeat = "Python! " * 3
print(repeat)  # Python! Python! Python!

3) 길이 확인

문자열의 길이는 len() 함수를 사용합니다.

length = len("Python")
print(length)  # 6

3. 문자열 슬라이싱과 인덱싱

문자열은 인덱스를 사용하여 특정 위치의 문자에 접근하거나, 슬라이싱을 통해 부분 문자열을 가져올 수 있습니다.

1) 인덱싱

문자열의 인덱스는 0부터 시작합니다. -1은 마지막 문자를 가져올 수 있습니다.

text = "Python"
print(text[0])  # 첫 번째 문자: 'P'
print(text[-1])  # 마지막 문자: 'n'

2) 슬라이싱

문자열의 범위를 시작인덱스:종료인덱스로 표현할 수 있씁니다.

시작인덱스를 생략하면 0, 즉 처음부터 검색하며

종료인덱스를 생략하면 마지막 문자까지 검색합니다.

text = "Hello, Python!"
print(text[0:5])  # 'Hello'
print(text[:5])   # 처음부터 5번째 문자까지: 'Hello'
print(text[7:])   # 7번째 문자부터 끝까지: 'Python!'

4. 문자열 메서드

Python은 문자열 조작을 위한 다양한 메서드를 제공합니다.

1) 문자열 변경

소문자 변경은 lower 함수를 사용하고 대문자 변경은 upper 함수를 사용합니다.

문자열 대체는 replace 함수를 사용합니다.

text = "Python is Fun"
print(text.lower())  # 모두 소문자: 'python is fun'
print(text.upper())  # 모두 대문자: 'PYTHON IS FUN'
print(text.replace("Fun", "Awesome"))  # 특정 부분 대체: 'Python is Awesome'

2) 문자열 검색

부분 문자열을 검색하여 해당 인덱스를 찾을 때는 find 함수를 이용합니다.

특정 문자열로 시작하는 경우는 startswith 함수, 특정 문자열로 끝나는 경우는 endswith 함수를 사용합니다.

text = "Learn Python Programming"
print(text.find("Python"))  # 'Python'의 시작 인덱스: 6
print(text.startswith("Learn"))  # 'Learn'으로 시작하는지 확인: True
print(text.endswith("ing"))  # 'ing'으로 끝나는지 확인: True

3) 공백 처리

trim 함수와 비슷하게 앞뒤 공백 제거는 strip 함수를 사용합니다.

왼쪽 공백만 제거할 때는 lstrip 함수, 오른쪽 공백만 제거할 때는 rstrip 함수를 사용합니다.

text = "   Python   "
print(text.strip())  # 앞뒤 공백 제거: 'Python'
print(text.lstrip())  # 왼쪽 공백 제거: 'Python   '
print(text.rstrip())  # 오른쪽 공백 제거: '   Python'

4) 문자열 나누기와 결합

문자열을 delimeter 기준으로 분할하여 array(list형)에 저장할 때는 split 함수를 사용합니다.

문자열끼리 연결할 때 delimeter를 중간에 넣고 싶을 때는 join 함수를 사용할 수 있습니다.

공백 외에도 콤마(,), 마침표(.)로 문자열을 연결하거나 슬래쉬(/), 역슬래쉬(\) 등으로 path를 표현할 때도 사용하면 편합니다.

text = "apple,banana,orange"
fruits = text.split(",")  # 콤마 기준으로 나누기
print(fruits)  # ['apple', 'banana', 'orange']

joined_text = " ".join(fruits)  # 리스트를 공백으로 연결
print(joined_text)  # 'apple banana orange'

5. 고급 문자열 formatting

1) f-string 사용

Python 3.6 이상에서는 f-string을 사용해 간단하게 문자열을 포맷팅할 수 있습니다.

%s를 여러 개 사용하지 않고 원하는 부분에 변수의 값을 넣을 때 유용하게 사용할 수 있어서 저도 자주 사용하는 편입니다.

name = "Alice"
age = 25
print(f"My name is {name} and I'm {age} years old.")  # 'My name is Alice and I'm 25 years old.'

2) .format() 사용

{} 부분을 format 함수의 파라미터로 전달한 문자열 또는 변수의 값으로 치환하는 함수입니다.

greeting = "Hello, {}!".format("Bob")
print(greeting)  # 'Hello, Bob!'

6. 문자열과 정규표현식

정규표현식을 활용하면 패턴에 따라 문자열을 검색하거나 변환할 수 있습니다.

import re

text = "My phone number is 123-456-7890."
pattern = r"\d{3}-\d{3}-\d{4}"

# 패턴 검색
match = re.search(pattern, text)
if match:
    print(match.group())  # '123-456-7890'

7. 문자열과 인코딩

문자열은 encode()와 decode()를 사용해 인코딩과 디코딩이 가능합니다.

text = "안녕하세요"
encoded = text.encode("utf-8")  # 문자열을 바이트로 인코딩
print(encoded)  # b'\xec\x95\x88\xeb\x85\x95\xed\x95\x98\xec\x84\xb8\xec\x9a\x94'

decoded = encoded.decode("utf-8")  # 바이트를 다시 문자열로 디코딩
print(decoded)  # '안녕하세요'

8. 문자열 처리 꿀팁

- 문자열 거꾸로 뒤집기

text = "Python"
print(text[::-1])  # 'nohtyP'

- 특정 단어 개수 세기

text = "apple banana apple orange apple"
print(text.count("apple"))  # 3

- 문자열 포함여부 확인

특정 문자열이 포함되어 있는지 확인할 때 in을 사용합니다. JAVA의 contains() 함수와 비슷하다고 보시면 됩니다.

text = """Line 1
Line 2
Line 3"""
print("Line 2" in text)  # True

마무리

문자열은 Python에서 매우 자주 사용되는 데이터 타입이며, 그 활용법도 무궁무진합니다. 이번 가이드를 통해 기초부터 고급 기능까지 폭넓게 익히셨길 바랍니다. 연습을 통해 문자열 조작에 더욱 익숙해지세요!

Python 프로젝트를 체계적으로! 디렉터리 구조와 모듈 관리 방법

smart Pro — Tue, 26 Nov 2024 22:48:25 +0900

Python 프로젝트를 효율적으로 관리하려면 체계적인 디렉터리 구조와 모듈 관리를 이해하는 것이 중요합니다. 이번 글에서는 디렉터리 구조와 함께, __init__.py 파일의 역할과 최신 Python 버전에서의 변화, 모듈 임포트 방식, 그리고 패키지 배포 방법까지 자세히 알아보겠습니다.

1. Python 프로젝트 디렉터리 구조 예시

효율적인 Python 프로젝트는 명확하고 직관적인 디렉터리 구조를 갖추는 것이 핵심입니다. 다음은 일반적인 Python 프로젝트 디렉터리 구조의 예입니다:

my_project/
│
├── src/                # 메인 코드 디렉터리
│   ├── __init__.py     # 패키지 초기화 파일
│   ├── module1.py      # 첫 번째 모듈
│   └── module2.py      # 두 번째 모듈
│
├── tests/              # 테스트 코드
│   ├── __init__.py
│   └── test_module1.py
│
├── docs/               # 프로젝트 문서
│   └── README.md
│
├── setup.py            # 패키지 배포 설정 파일
├── pyproject.toml      # 빌드 시스템 구성 파일
├── requirements.txt    # 의존성 목록
└── .gitignore          # Git 무시 파일

2. init.py와 모듈의 개념

init.py 파일의 역할

__init__.py 파일은 디렉터리를 Python 패키지로 인식하게 하는 역할을 합니다.
Python 3.3 이전 버전에서는 반드시 __init__.py가 있어야 패키지로 간주되었으나, Python 3.3 이후부터는 __init__.py가 없어도 패키지로 인식됩니다.

하지만, 여전히 __init__.py는 다음과 같은 이유로 유용합니다:

1. 패키지 초기화: 모듈 간 공유 변수나 초기 설정을 정의할 수 있습니다.

2. 모듈 노출 제한: __all__ 리스트를 정의하여 특정 모듈만 노출할 수 있습니다

# src/__init__.py
__all__ = ['module1']

3. 명확한 패키지 구조: 디렉터리가 패키지임을 직관적으로 보여줍니다.

3. 상대 경로 vs 절대 경로 임포트

1) 절대 경로 임포트

최상위 디렉터리부터 전체 경로를 명시하는 방식으로, 가독성이 높고 충돌 가능성이 낮습니다.

# src/module1.py에서 module2 임포트
from src.module2 import some_function

2) 상대 경로 임포트

현재 파일 기준으로 경로를 지정하며, 프로젝트 구조가 변경될 경우 관리가 어려울 수 있습니다.

# src/module1.py에서 module2 임포트
from .module2 import some_function

권장 사항

일반적으로 절대 경로 임포트를 권장합니다. 상대 경로는 모듈 간 참조가 강하게 연결될 때 사용하는 것이 적합합니다.

4. 패키지 배포 기본 예제

1) setup.py 설정 예시

setup.py는 전통적인 패키지 배포 스크립트입니다.

from setuptools import setup, find_packages

setup(
    name="my_project",
    version="0.1.0",
    packages=find_packages(where="src"),
    package_dir={"": "src"},
    install_requires=[
        "numpy>=1.20.0"
    ],
)

2) pyproject.toml 구성 예시

최근에는 pyproject.toml을 사용하는 것이 표준으로 자리 잡았습니다.

[build-system]
requires = ["setuptools", "wheel"]
build-backend = "setuptools.build_meta"

[project]
name = "my_project"
version = "0.1.0"
dependencies = ["numpy>=1.20.0"]

마무리

Python 프로젝트를 체계적으로 관리하려면 적절한 디렉터리 구조를 설정하고, __init__.py 파일의 필요 여부를 판단하며, 임포트 방식을 명확히 해야 합니다. 또한, 최신 배포 방식을 익혀 배포 프로세스를 간소화하세요.

이제 여러분의 Python 프로젝트를 더욱 깔끔하고 체계적으로 만들어 보세요!

Python 파일 I/O와 JSON 데이터 처리 가이드

smart Pro — Mon, 25 Nov 2024 21:10:53 +0900

Python은 파일을 읽고 쓰는 작업을 간단하게 처리할 수 있는 강력한 기능을 제공합니다. 이번 글에서는 텍스트 파일, CSV 파일, JSON 파일과 같은 주요 파일 형식을 다루는 방법과 데이터를 효율적으로 처리하는 방법을 살펴보겠습니다.

1. 파일 읽기와 쓰기의 기본: 텍스트 파일

Python에서 텍스트 파일을 처리하려면 내장 함수 open()을 사용합니다. 안전한 파일 처리를 위해 with 구문을 사용하는 것이 권장됩니다.

1.1 텍스트 파일 읽기

# sample.txt 파일 읽기 
with open("sample.txt", "r", encoding="utf-8") as file:
    content = file.read()

print(content)

"r": 읽기 모드
encoding="utf-8": 파일 인코딩 설정

1.2 텍스트 파일 쓰기

# sample.txt 파일에 내용 쓰기 
with open("sample.txt", "w", encoding="utf-8") as file:
    file.write("Python으로 파일을 처리하는 예제입니다.")

"w": 쓰기 모드(기존 내용 삭제).
"a": 기존 내용에 추가(append).

2. CSV 파일 처리

CSV(Comma-Separated Values)는 데이터를 행(row)과 열(column)로 구성하여 저장하는 간단한 형식입니다. Python의 csv 모듈과 pandas 라이브러리를 활용하면 편리하게 처리할 수 있습니다.

2.1 CSV 파일 읽기 (csv 모듈)

import csv

with open("data.csv", "r", encoding="utf-8") as file:
    reader = csv.reader(file)
    for row in reader:
        print(row)

2.2 CSV 파일 쓰기

import csv

data = [
    ["Name", "Age", "City"],
    ["Alice", 30, "New York"],
    ["Bob", 25, "London"],
    ["Charlie", 35, "Paris"]
]

with open("data.csv", "w", encoding="utf-8", newline="") as file:
    writer = csv.writer(file)
    writer.writerows(data)

newline="": CSV 파일 작성 시 빈 줄 방지.

2.3 CSV 파일 처리 (pandas)

import pandas as pd

# CSV 파일 읽기
df = pd.read_csv("data.csv")
print(df)

# CSV 파일 쓰기
df.to_csv("output.csv", index=False)

3. JSON 파일 처리

JSON(JavaScript Object Notation)은 데이터 교환 형식으로 널리 사용됩니다. Python의 json 모듈을 사용하여 JSON 데이터를 쉽게 다룰 수 있습니다.

3.1 JSON 파일 읽기

import json

with open("data.json", "r", encoding="utf-8") as file:
    data = json.load(file)
    print(data)

3.2 JSON 파일 쓰기

import json

data = {"name": "Alice", "age": 30, "city": "New York"}
with open("data.json", "w", encoding="utf-8") as file:
    json.dump(data, file, indent=4)

indent=4: 보기 좋은 포맷으로 출력.

4. 대용량 데이터 처리

대용량 데이터 파일을 처리할 때는 메모리 사용량을 최소화하기 위해 한 줄씩 읽는 방식이 유용합니다.

4.1 텍스트 파일 한 줄씩 읽기

with open("large_file.txt", "r", encoding="utf-8") as file:
    for line in file:
        print(line.strip())

4.2 CSV 파일 대용량 처리

import pandas as pd

# 대용량 CSV 파일 읽기 
for chunk in pd.read_csv("large_data.csv", chunksize=1000):
    print(chunk.head())  # 첫 5행만 출력

chunksize: 한 번에 읽을 행 수를 지정.

5. 파일 처리 시 유용한 팁

파일 존재 여부 확인

import os

if os.path.exists("sample.txt"):
    print("파일이 존재합니다.")
else:
    print("파일이 없습니다.")

예외 처리

try:
    with open("sample.txt", "r") as file:
        content = file.read()
except FileNotFoundError:
    print("파일을 찾을 수 없습니다.")

6. 실전 예제: JSON 데이터를 CSV로 변환하기

아래는 JSON 데이터를 읽어서 CSV 파일로 저장하는 예제입니다.

import json
import csv

# JSON 파일 읽기
with open("data.json", "r", encoding="utf-8") as file:
    data = json.load(file)

# CSV 파일 쓰기
with open("output.csv", "w", encoding="utf-8", newline="") as file:
    writer = csv.writer(file)
    # 헤더 작성
    writer.writerow(data[0].keys())
    # 데이터 작성
    for row in data:
        writer.writerow(row.values())

결론

Python은 파일 처리와 데이터 관리에서 강력한 도구를 제공합니다. 텍스트, CSV, JSON 등 다양한 형식을 다루는 기본기를 익히면 데이터 분석, 웹 개발, 자동화 작업에서 큰 도움이 됩니다.

앞으로도 실용적인 Python 예제를 통해 더욱 유용한 정보를 공유하겠습니다.

Python 패키지 관리 도구, pip 완벽 가이드

smart Pro — Sun, 24 Nov 2024 22:54:54 +0900

Python 프로젝트를 진행할 때 필수적인 도구인 Pip은 패키지를 설치하고 관리할 수 있는 표준 도구입니다. 이 글에서는 Pip 명령어의 기본 사용법부터 고급 활용법까지 단계별로 정리했습니다.

1. Pip란 무엇인가?

Pip(Pip Installs Packages)은 Python 패키지를 설치, 관리, 제거할 수 있는 Python 표준 패키지 관리 도구입니다. PyPI(Python Package Index)와 같은 저장소에서 원하는 라이브러리를 손쉽게 설치할 수 있습니다.

Pip 설치 확인

pip --version

출력 예시:

pip 21.3.1 from /path/to/python (python 3.9)

2. Pip로 패키지 설치

기본 패키지 설치

pip install <package_name>

<package_name>: 설치할 패키지의 이름.
예:
numpy 패키지 설치

pip install numpy

특정 버전 설치

pip install <package_name>==<version>

예:
1.3.3 버전의 pandas 설치

pip install pandas==1.3.3

최소 특정 버전 설치

pip install <package_name> >= <version>

예:

1.3.3 이상 버전으로 설치

pip install pandas>=1.3.3

3. 설치된 패키지 확인

전체 패키지 목록 조회

pip list

설치된 모든 패키지와 버전을 확인합니다.

특정 패키지 정보 확인

pip show <package_name>

예:

pip show numpy

출력 예시:

Name: numpy
Version: 1.26.4
Summary: Fundamental package for array computing in Python
Home-page: https://numpy.org
Author: Travis E. Oliphant et al.
Author-email:
License: Copyright (c) 2005-2023, NumPy Developers.
All rights reserved.

## 이하 생략 ##

4. 패키지 삭제

기본 삭제

pip uninstall <package_name>

예:

pip uninstall numpy

한 번에 여러 패키지 삭제

pip uninstall <package1> <package2> ...

예:

pip uninstall numpy pandas

5. requirements.txt 파일 활용

requirements.txt 파일은 프로젝트에서 사용하는 패키지와 해당 버전을 기록한 파일입니다. 이 파일을 사용하면 동일한 환경을 다른 시스템에서 쉽게 재현할 수 있습니다.

현재 패키지 목록 저장

pip freeze > requirements.txt

현재 가상환경에 설치된 패키지와 버전을 requirements.txt에 저장합니다.

requirements.txt 파일로 패키지 설치

pip install -r requirements.txt

예:

위와 같은 내용의 requirements.txt 파일이 있다면, 해당 명령어로 파일에 기록된 모든 패키지가 설치됩니다.

numpy
pandas
requests==2.26.0

6. Pip 명령어 고급 활용

패키지 버전 확인

pip install <package_name>==

== 뒤에 탭(tab)을 눌러 설치 가능한 모든 버전을 확인할 수 있습니다.

캐시 삭제

pip cache purge

설치 과정에서 저장된 캐시를 정리합니다.

의존성 문제 해결

pip check

패키지 간의 의존성 충돌 여부를 확인합니다.

7. 주의 사항 및 팁

최신 Pip 사용하기
오래된 Pip 버전은 호환성 문제를 일으킬 수 있습니다. 항상 최신 버전을 유지하세요.
```
pip install --upgrade pip
```
패키지 이름 철자 확인
패키지 이름을 잘못 입력하면 No matching distribution found 오류가 발생할 수 있습니다.
관리자 권한
전역 패키지를 설치할 때는 관리자 권한이 필요할 수 있습니다.
- macOS/Linux: sudo 명령어 사용.
- Windows: 명령 프롬프트를 관리자 권한으로 실행.

마무리

Pip는 Python 개발의 기본 도구로, 효율적인 패키지 관리를 가능하게 합니다. 위 명령어를 활용하여 프로젝트 환경을 체계적으로 관리하고, 팀 작업 시에도 동일한 환경을 유지하세요.

이 가이드를 참고해 Python 패키지 관리를 더욱 편리하게 해보세요!

Conda 가상환경(venv) 생성 및 관리 방법

smart Pro — Sat, 23 Nov 2024 20:32:29 +0900

가상환경은 프로젝트마다 독립적인 Python 패키지를 관리할 수 있도록 도와주는 도구입니다.

Conda는 이를 효율적으로 관리할 수 있는 강력한 명령어들을 제공합니다.

이 글에서는 Conda를 사용해 가상환경을 생성, 삭제, 목록 조회 등을 하는 방법을 정리했습니다.

1. Conda 가상환경 생성

기본 명령어

conda create -n <env_name> python=<version>

<env_name>: 생성할 가상환경의 이름을 지정합니다.
python=<version>: 사용할 Python 버전을 지정합니다. 예를 들어, Python 3.9를 사용하려면 python=3.9라고 입력합니다.

예제

conda create -n my_env python=3.9

이름이 my_env이고 Python 3.9를 사용하는 가상환경을 생성합니다.

2. Conda 가상환경 활성화 및 비활성화

활성화 명령어

활성화되면 프롬프트 앞에 (env_name)이 표시됩니다.

conda activate <env_name>

예제

conda activate my_env

비활성화 명령어

(my_env) conda deactivate

3. Conda 가상환경 목록 조회

현재 Conda로 생성된 가상환경 목록을 확인하려면 아래 명령어를 사용합니다.

명령어

conda env list

또는

conda info --envs

출력 예시

# conda environments:
#
base                  *  /path/to/anaconda3
my_env                   /path/to/anaconda3/envs/my_env
another_env              /path/to/anaconda3/envs/another_env

*: 현재 활성화된 환경을 나타냅니다.
각 환경의 경로도 함께 표시됩니다.

4. Conda 가상환경 삭제

사용하지 않는 가상환경은 아래 명령어로 삭제할 수 있습니다.

명령어

conda remove -n <env_name> --all

<env_name>: 삭제할 가상환경의 이름을 입력합니다.
--all: 환경 내 모든 파일과 설정을 삭제합니다.

예제

conda remove -n my_env --all

5. Conda 가상환경 내 패키지 설치 및 삭제

패키지 설치

conda install <package_name>

특정 버전을 설치하려면 conda install <package_name>=<version>을 사용합니다.

예:

conda install numpy conda install pandas=1.3.3

패키지 삭제

conda remove <package_name>

6. Conda 가상환경 내 패키지 목록 확인

가상환경에 설치된 모든 패키지를 확인하려면 아래 명령어를 사용합니다.

명령어

conda list

7. Conda 가상환경 복제

기존 환경을 복제하려면 다음 명령어를 사용합니다.

명령어

conda create --name <new_env_name> --clone <source_env_name>

예제

conda create --name my_env_clone --clone my_env

my_env 환경을 my_env_clone이라는 이름으로 복제합니다.

8. Conda 가상환경을 파일로 내보내기 및 불러오기

환경 내보내기 (export)

conda env export > environment.yml

현재 활성화된 가상환경의 설정과 패키지 정보를 environment.yml 파일로 저장합니다.

환경 불러오기 (import)

conda env create -f environment.yml

내보낸 environment.yml 파일을 사용해 동일한 환경을 생성합니다.

마무리

Conda는 간단한 명령어로 가상환경을 생성하고 관리할 수 있어 Python 프로젝트에서 필수적인 도구입니다. 특히 다중 프로젝트를 진행하거나 특정 패키지 버전을 유지해야 하는 경우 매우 유용합니다.

위 명령어들을 적절히 활용하여 여러분의 Python 환경을 효율적으로 관리해 보세요!

2022년 한국, 미국(연준) 기준금리 인상 및 23년 금리회의 일정

smart Pro — Sun, 1 Jan 2023 19:02:36 +0900

22년 12월 미국 연방준비은행에서 마지막 금리 인상을 50bp 빅스텝 인상하면서 기준금리가 4.25 ~ 4.5%가 되었습니다.

2022년 한국과 미국의 기준금리를 정리해보았습니다.

1년 동안 4% 인상되었네요.

<2022년 미국 금리>

날짜	변동폭	기준금리
22.03.15	+25bp	0.25 ~ 0.50%
22.05.04	+50bp	0.75 ~ 1.00%
22.06.15	+75bp	1.50 ~ 1.75%
22.07.26	+75bp	2.25 ~ 2.50%
22.09.20	+75bp	3.00 ~ 3.25%
22.11.02	+75bp	3.75 ~ 4.00%
22.12.14	+50bp	4.25 ~ 4.50%

한국은 미국보다 조금 더 일찍 21년부터 금리인상을 시작했습니다.\

21년 8월 26일 0.75%, 21년 11월 25일 1% 이후로 인상한 기준금리입니다.

1년 동안 2% 인상되었습니다.

<2022년 한국 금리>

날짜	변동폭	기준금리
2022.01.14	+25bp	1.25%
2022.04.14	+25bp	1.50%
2022.05.26	+25bp	1.75%
2022.07.13	+50bp	2.25%
2022.08.25	+25bp	2.50%
2022.10.12	+50bp	3.00%
2022.11.24	+25bp	3.25%

<2023년 미국 기준금리 발표예정일>

- 2월 1일(수)

- 3월 22일(수)

- 5월 3일(수)

- 6월 14일(수)

- 7월 26일(수)

- 9월 20일(수)

- 11월 1일(수)

- 12월 13일(수)

<2023년 한국 통화정책방향 결정회의>

- 1월 13일(금)

- 2월 23일(목)

- 4월 13일(목)

- 5월 25일(목)

- 7월 13일(목)

- 8월 24일(목)

- 10월 19일(목)

- 11월 30일(목)

[DB] 데이터베이스 인덱스(Index) 정의, 종류, 설계 : SQL 검색성능 향상

smart Pro — Sun, 4 Sep 2022 17:53:23 +0900

인덱스(Index)란?

인덱스(Index)는 데이터 검색속도 향상을 위하여 테이블에 저장된 로우(row)를 식별가능하도록 저장한 데이터베이스 오브젝트입니다.

일반적으로 책을 볼 때 목차, 차례가 존재하는데 이것은 데이터베이스의 인덱스와 유사한 개념입니다.

목차부터 찾으면 원하는 정보가 몇 페이지에 있는지 금방 알 수 있고 어느 정보가 어떻게 구성되어 있는지 전체적으로 파악하기도 용이합니다.

B* Tree 기반 인덱스(Index)

인덱스(Index)는 Balanced Tree 기반 인덱스로 Root 블록, Branch 블록, Leaf 블록으로 구성되어 있습니다.

Balanced Tree는 모든 Leaf 블록이 동일한 Depth를 유지하도록 하여 균형을 유지합니다.

그러면 데이터 검색을 최대 Depth 이하로 하기 때문에 검색속도를 보장받을 수 있습니다.

그래서 RDBMS에서 B* Tree를 채용하였습니다.

Leaf Block에서 주황색 선 부분이 있어서 검색을 옆으로 할 수 있어서 매번 Root에서 검색해서 내려올 필요가 없기 때문에 인덱스가 존재하면 그만큼 속도가 더 빠릅니다.

인덱스(Index)의 종류

인덱스는 데이터의 고유성을 확보하여 검색성능을 향상시키는 객체입니다.

해당 컬럼의 데이터들을 정렬하여 별도의 공간에 데이터의 ROWID와 함께 저장합니다.

인덱스에 어떤 것들이 있는지 알아보도록 하겠습니다.

분류	Index 종류	설 명
유일성	Unique Index	Index 키는 연관된 테이블의 하나의 행만 가리킴
유일성	Non-Unique Index	Index 키는 연관된 테이블의 여러 행을 가리킬 수 있음
구성컬럼 수	Single Index	하나의 컬럼으로 구성된 Index
구성컬럼 수	Composite Index	여러 개의 컬럼 조합으로 생성된 Index(32개까지 조합)
클러스터	Clustered Index	데이터의 레코드 순서가 Index 페이지의 정렬순서와 동일하거나 비슷하게 만들어진 index
클러스터	Non-Clustered Index	데이터 레코드의 물리적 순서가 Index의 엔트리 순서와 상관없이 저장되도록 구성된 Index
함수	Function-Based Index	함수나 표현식의 계산값으로 인덱스 생성
기타	Bitmap Index	비트를 이용하여 컬럼값을 저장하고 ROWID를 자동으로 생성
기타	Reverse key Index	Index 컬럼의 순서는 유지하면서 해당 컬럼 값의 각 바이트 위치를 거꾸로 저장 ex) 컬럼값 1234 -> 인덱스 4321

- ROWID : row를 식별하기 위해 갖는 물리적인 주소 정보

Index Scan의 종류

Query를 수행할 때 인덱스(Index)를 이용한 Scan에 어떤 종류가 있는지 알아보도록 하겠습니다.

Index Full Scan

- Index 전체를 탐색하는 방식

- 사용컬럼들이 모두 하나의 인덱스에 존재

- LIKE, IS NOT NULL 연산자 등 조건에서 가능(정렬 보장)

- INDEX 선두컬럼이 조건에 없으면 Table Full scan을 고려하지만 Table Full Scan보다 I/o를 줄일 수 있거나 정렬된 결과를 쉽게 없을 경우 선택

Index Fast Full Scan

- Index 블록만을 스캔하여 원하는 데이터를 검색하는 방식

- SELECT 절, 조건절에 사용한 컬럼이 모두 인덱스로 구성

- 데이터 정렬 미보장

- 병렬 수행 가능

Index Skip Scan

- 결합인덱스의 선행조건에 대한 조건이 없고 후행컬럼에 대한 조건만 있는 경우

함수 기반 인덱스

- 컬럼에 함수를 적용한 상태로 생성한 인덱스

- 장점 : 어플리케이션 수정 없이 성능향상 가능

- 주의사항 : 데이터변경 시 처리비용이 크므로 자주 변경되는 컬럼 적용하지 않는 것이 좋음

비트맵 인덱스

- bit 값을 이용하여 컬럼값을 저장하고 ROWID를 자동 생성하는 인덱스

- 많은 행을 가지며 Key 열은 적은 분포도(5 이하)를 가질 때 유리 (예: 성별, 결혼여부 등)

- OR 연산자를 포함하는 여러 개의 조건을 자주 사용할 때 유리

인덱스(Index) 설계

인덱스 선택 및 순서에 따라 인덱스를 이용한 스캔을 하므로

인덱스를 설계할 때부터 순서를 유의해서 만들어야 합니다.

- 조건절에 항상 또는 자주 사용되는 컬럼 선택

- '='조건으로 자주 조회되는 컬럼들을 앞쪽 순서에 위치

- 분포도가 좋은 컬럼 선정 (분포도 15% 이내)

설정기준	설 명	정 도
카디널리티 (Cardinality)	한 컬럼이 갖고 있는 값의 중복 정도가 낮을수록 좋음	높은수록 적합
선택도 (Selectivity)	특정 값을 얼마나 잘 선택하는지에 대한 지표 선택도 = 컬럼 특정값 row수 / 총 row수 X 100 선택도 = 컬럼 평균값 row수 / 총 row수 X 100	낮을수록 적합 (5~10% 적정)
활용도	해당 컬럼이 실제 작업에서 얼마나 활용되는지에 대한 값	높을수록 적합
중복도	중복 인덱스 여부에 대한 값	없을수록 적합

인덱스(Index) 설계절차

인덱스 설계절차는 크게 3 부분으로 이루어져 있습니다.

1. 접근경로 수집

- 반복 수행되는 접근경로 : Join 컬럼

- 분포도가 양호한 컬럼

- 조회조건에 사용되는 컬럼

- 자주 결합되어 사용되는 컬럼

- 데이터 정렬 순서와 그룹핑 컬럼

- 일련번호를 부여한 컬럼

- 통계 자료 추출 조건

- 조회 조건이나 조인조건 연산자

2. 분포도에 의한 후보 컬럼 선정

- 분포도 10~15% 선정 추천

분포도(%) = 데이터별 평균 row 수 / 테이블의 총 row수 X 100

3. 컬럼 조합 및 순서 결정

- 항상 사용되는 컬럼을 선두컬럼 선정

- 등치(=) 조건으로 사용되는 컬럼을 선행컬럼으로 선정

- ORDER BY, GROUP BY 순서 적용

[Coin] 비트겟(Bitget) 가입방법/신원인증(KYC) : 영어버전

smart Pro — Wed, 31 Aug 2022 23:12:13 +0900

비트코인, 이더리움, 리플, EOS, 에이다, 도지코인 등 암호화폐를 거래할 수 있는

선물거래소인 비트겟의 가입방법과 신원인증(KYC) 방법을 알아보도록 하겠습니다.

비트겟 거래소

비트겟(Bitget)은 싱가포르에 있는 선물거래소로 거래수수료가 저렴하기로 유명합니다.

업비트처럼 코인을 현물로 살 수 있는 현물거래소(Spot)이 있고

코인을 롱(long) 또는 숏(short)으로 레버리지 최대 125배까지 사용하는 선물거래소(Futures)가 있습니다.

Copy Trading으로 유명 코인트레이더의 매매를 copy하여 동일하게 매매할 수도 있습니다.

작년까지 한글을 지원했지만 법으로 금지해서 현재는 영어버전으로 사용해야 합니다.

코인 선물 거래

현물은 싸게 사서 비싸게 파는 거래방법이며

선물은 현물처럼 싸게 사서 비싸게 파는 공매수인 롱(Long) 거래를 진행할 수 있고

고점에서 코인을 빌려서 팔고 저점에서 사는 공매도인 숏(short) 거래를 진행할 수 있습니다.

그래서 상승장은 롱으로 수익을 얻고 하락장은 숏으로 수익을 얻을 수 있습니다.

롱과 숏은 레버리지를 이용하여 1배부터 125배까지 사용할 수 있습니다.

레버리지가 높은 고배 레버리지를 사용하시면 청산가격의 폭이 좁아서 쉽게 청산될 수 있으므로 주의하셔야 합니다.

코인 고수들은 10배 이하를 추천하니 참고하셔서 안전 매매를 하시기 바랍니다.

그리고 격리(Isolated) 모드로 하시면 시드 전체를 사용하는 것이 아니라 실제로 매매한 돈만 사용하고 청산당하므로 계획적으로 매매하실 수 있습니다.

비트겟(Bitget) 회원 가입하기 (Sign Up)

레퍼럴로 가입하시면 할인된 수수료로 거래가능하고

미션을 달성할 때마다 쿠폰, 달러를 지급합니다.

회원가입을 진행하시려면 아래 링크를 클릭하시기 바랍니다.

회원가입하기 링크

회원가입 페이지로 이동됩니다.

이메일로 가입하는 방법 기준으로 설명드리겠습니다.

만약 핸드폰 번호로 가입하시려면 우측 상단 Mobile Registration을 클릭하시면 Email이 Phone Number를 입력할 수 있는 칸으로 변경됩니다.

가입하실 이메일과 비밀번호를 입력하고 Sign up 버튼을 클릭합니다.

이메일은 인증할 때마다 인증번호가 전송되므로 실제 이메일을 입력하셔야 합니다.

비밀번호는 8자리 이상이어야 하고 최소 숫자 1개, 대문자 1개, 특수기호 1개를 입력하셔야 합니다.

특수기호는 ~`!@#$%^&*()_-+={}[]|;:,<>.?/) 입력 가능합니다.

Verfication 창이 뜨면 Click to verify를 마우스로 클릭합니다.

Verify는 할 때마다 그림이 다르게 뜰겁니다.

지시사항을 보고 따라하시면 됩니다.

Select in this order라고 되어 있는데 "이 순서대로 선택하세요" 라는 뜻이고

우측 상단 빨간 네모를 보시면 왕관, 네모, Y 순으로 되어 있습니다.

그러면 그 순서대로 아래 그림에서 왕관, 파란 네모, Y를 마우스로 하나씩 클릭하고 OK 버튼을 클릭하시면 됩니다.

그 다음 이메일 인증화면으로 넘어갑니다.

이메일로 로그인하셔서 메일로 받은 인증번호(숫자 6자리)를 입력하고 Complete Registration 버튼을 클릭합니다.

만약 한참 기다려도 메일이 안 오시면 입력칸 아래에 있는 Send again을 클릭하시면 됩니다.

이제 회원가입이 완료되었습니다.

선물/현물거래소 메뉴

상단 메뉴에서 Futures 메뉴를 클릭하시면 메뉴가 펼쳐집니다.

거기서 첫번째에 있는 USDT-M Futues 메뉴를 클릭하시면 코인 선물거래(USDT로 거래) 화면으로 이동됩니다.

Spot 메뉴를 클릭하시면 코인 현물거래 화면으로 이동됩니다.

신원인증(KYC) 방법

우측 상단 사람모양 아이콘을 클릭하면 메뉴가 펼쳐집니다.

Account Information 메뉴를 클릭합니다.

아래로 스크롤해보시면 맨 아래 좌측에 ID Verification이 있습니다.

거기서 Verification 버튼을 클릭합니다.

왼쪽에 있는 Individual Verification에 있는 Start Verification을 클릭합니다.

그러면 기본적으로 Identity document type이 ID Card로 되어 있습니다.

First Name(이름), Last Name(성)을 입력하시고

Identity no.에 주민번호를 입력하시면 됩니다.

Date of Birth에 주민등록증에 있는 생일을 입력합니다.

그리고 주민등록증 앞면, 뒷면을 찍으셔서 앞면 사진은 첫번째 upload 버튼을 눌러서 올리시고

뒷면 사진은 두번째 upload 버튼을 눌러서 올리시면 됩니다.

(이미지는 PNG, JPG, JPEG으로 하셔야 하고 2M byte 이하의 크기이어야 합니다.)

그리고 마지막으로 셀카를 찍으셔야 하는데

한 손에 "bitget 오늘날짜"를 적은 종이와 신분증을 들고 셀카를 찍어서 세번째 upload에 올리셔야 합니다.

종이와 신분증 하나라도 없으면 KYC 진행이 안 되니 참고하세요.

참고로 주민등록증으로 하니 KYC 할 때 2~3일 정도가 소요되었습니다.

그리고 하단에 있는 Submit 버튼을 클릭하시면 됩니다.

저는 개인적으로 여권으로 하는 게 조금 더 편했습니다.

아무래도 싱가포르라서 그런지 신분증보다 여권으로 하는 게 KYC가 하루 안에 될 정도로 빨랐습니다.

Identity document type을 Passport로 변경합니다.

그리고 First name (이름), Last name(성)을 여권에 있는 철자 그대로 입력합니다.

Identity no.에 여권번호를 입력합니다.

Date of Birth에 여권에 있는 생일을 입력합니다.

여권사진을 찍어서 첫번째 upload 버튼을 누르고 업로드합니다.

그리고 마지막으로 셀카를 찍으셔야 하는데

한 손에 "bitget 오늘날짜"를 적은 종이와 여권을 들고 셀카를 찍어서 두번째 upload에 올리셔야 합니다.

종이와 여권 하나라도 없으면 KYC 진행이 안 되니 참고하세요.

비트겟 거래소의 회원가입 방법과 신원인증(KYC)를 영어 버전 기준으로 설명드렸습니다.

성투하세요.

2021.05.19 - [암호화폐] - [암호화폐] 업비트 가입방법 및 계좌등록 (코인거래소 1위)

[ProDS] Brightics Studio 설치

smart Pro — Thu, 11 Aug 2022 23:39:18 +0900

ProDS 자격증 실기 시험에 응시하려면 python, R, Brightics 중 1개를 선택해야 합니다.

그 중 Brightics 설치방법을 알아보도록 하겠습니다.

Brightics 다운로드 페이지로 이동합니다.

https://www.brightics.ai/download

상단 메뉴 Downloads로 바로 이동하는 링크입니다.

Brightics AI

www.brightics.ai

Brightics Studio를 설치하면 됩니다.

OS에 맞게 다운로드 받으시면 됩니다.

저는 Windows를 사ㅏ용하므로 Download(Windows)를 클릭하여 다운로드 받았습니다.

다운로드하려면 로그인이 필요합니다.

회원가입을 하고 로그인을 진행하고 다운로드 받습니다.

용량이 대략 1.6GB로 큰 편이라서 다운로드 받는 시간이 많이 걸립니다.

엣지에서 다운로드 실패가 종종 발생하는 걸로 보이네요.

크롬으로 다운로드 하시는 것을 추천드립니다.

다운이 완료되면 다운받은 exe 파일을 실행합니다.

윈도우즈에서 이런 화면이 나오면 추가정보를 클릭하세요.

그러면 이렇게 실행 버튼이 생깁니다.

실행 버튼을 눌러줍니다.

설치프로그램이 실행됩니다.

저는 경로를 변경하지 않고 Start 버튼을 클릭했습니다.

경로변경이 필요하시면 Browse... 버튼으로 변경하시고 Start 버튼을 누르시면 됩니다.

설치가 완료되면 Brighitcs Studio Launcher가 실행됩니다.

하단에 있는 Start All Services for ML 을 클릭합니다.

그러면 서비스들이 실행되고 크롬 브라우저가 실행되면서 Brightics 화면이 뜹니다.

만약 방화벽 관련 메시지가 뜨면 액세스 허용을 해주시면 됩니다.

My Project 우측에 있는 + 버튼을 클릭해서 프로젝트를 생성해봅니다.

프로젝트가 성공적으로 생성되었습니다.

나중에 모델을 생성해서 분석하는 방법을 설명해드리도록 하겠습니다.

smartPro for IT

Python 개발자가 반드시 알아야 할 내장 라이브러리 6가지

1. os - 파일 시스템 관리

주요 기능

실습 예제

2. sys - 스크립트 제어

주요 기능

실습 예제

3. datetime - 날짜와 시간 처리

주요 기능

실습 예제

4. collections - 효율적인 데이터 구조

주요 기능

실습 예제

5. itertools - 반복문 최적화

주요 기능

실습 예제

6. functools - 고급 함수 도구

주요 기능

실습 예제

마무리

Python 문자열(str) 처리 가이드: 기초부터 고급까지

1. 문자열이란?

문자열 예제

2. 문자열 기본 연산

1) 문자열 연결

2) 문자열 반복

3) 길이 확인

3. 문자열 슬라이싱과 인덱싱

1) 인덱싱

2) 슬라이싱

4. 문자열 메서드

1) 문자열 변경

2) 문자열 검색

3) 공백 처리

4) 문자열 나누기와 결합

5. 고급 문자열 formatting

1) f-string 사용

2) .format() 사용

6. 문자열과 정규표현식

7. 문자열과 인코딩

8. 문자열 처리 꿀팁

마무리

Python 프로젝트를 체계적으로! 디렉터리 구조와 모듈 관리 방법

1. Python 프로젝트 디렉터리 구조 예시

2. __init__.py와 모듈의 개념

__init__.py 파일의 역할

3. 상대 경로 vs 절대 경로 임포트

1) 절대 경로 임포트

2) 상대 경로 임포트

권장 사항

4. 패키지 배포 기본 예제

1) setup.py 설정 예시

2) pyproject.toml 구성 예시

마무리

Python 파일 I/O와 JSON 데이터 처리 가이드

1. 파일 읽기와 쓰기의 기본: 텍스트 파일

1.1 텍스트 파일 읽기

1.2 텍스트 파일 쓰기

2. CSV 파일 처리

2.1 CSV 파일 읽기 (csv 모듈)

2.2 CSV 파일 쓰기

2.3 CSV 파일 처리 (pandas)

3. JSON 파일 처리

3.1 JSON 파일 읽기

3.2 JSON 파일 쓰기

4. 대용량 데이터 처리

4.1 텍스트 파일 한 줄씩 읽기

4.2 CSV 파일 대용량 처리

5. 파일 처리 시 유용한 팁

6. 실전 예제: JSON 데이터를 CSV로 변환하기

결론

Python 패키지 관리 도구, pip 완벽 가이드

1. Pip란 무엇인가?

Pip 설치 확인

2. Pip로 패키지 설치

기본 패키지 설치

특정 버전 설치

최소 특정 버전 설치

최신 버전으로 업그레이드

2. init.py와 모듈의 개념

init.py 파일의 역할