Charming ['ㅡ'] Ham !

예외처리 (try, except)¶ 코딩을 하다보면 정말 많은 에러와 마주하게되는데, 이러한 에러를 바로 잡기위한 방법 중 하나로 예외처리를 들 수 있다. 바로 try, except 방법이 그 중 하나인데, 에러를 무시하거나, 발생가능한 에러에 대한 조취를 취할 수 있게 해주는 방법이다. 코드 말 그대로 코드를 try 해보고, 에러가 날 경우 except, 즉 예외로 빼두는 것이다. 에러가 나지 않는 부분에 대해서는 정상 작동하게 된다. 예를 들면 다음과 같다. try 입력 후 실행하고자하는 코드를 입력해주고, except 입력 후 에러가 발생 시 취하고자하는 행동을 입력, 혹은 발생 가능한 에러를 예상할 수 있을 경우 그 에러에 대한 조취 코드를 입력해주면된다. a = 10 b = 0 try: #실행 ..

람다 표현식 (lambda expression)¶ 람다 표현식음 함수 선언을 하지 않고 사용할 수 있는 함수라고 할 수 있다. 보통 간단한 함수를 사용해야하는 경우 함수를 선언하고 리턴하는 방식으로 사용하지 않고, 람다로 표현하여 간략하게 표현할 수 있다. In [12]: # 일반 함수식 def add(x, y): return x + y print(add(10, 20)) 30 In [13]: # 람다 표현식 print( (lambda x,y: x + y)(10, 20) ) 30 같은 함수라도 간편하고, 가독성이 뛰어난 것을 볼 수 있다. 보통 함수 안이 함수를 간단히 만들 때 람다를 많이 이용한다. 람다 표현식의 서식을 간단히 설명하자면, 일반적인 함수 명이 없으며, `lambda` 입력 후 `x`, `..

Map¶ map() 함수를 통해 리턴된 출력 값을 묶어서 map iterator 객체, 즉 리스트, 딕셔너리 등 반복 가능한 객체로 출력하는 역할을 한다. 다음 예를 들면 In [1]: def list_mul(x): return x * 2 result = list(map(list_mul, [1, 2, 3])) print(result) [2, 4, 6] 함수로 실행된 list_mul, [1, 2, 3] 인자가 출력된 값을 map 을 통해 묶어서 list 형태로 출력해준다. map 의 기본 사용 서식은 map(f, iterable) 로 사용된다. f 에는 함수를 사용하며, iterable 함수에 인자로 사용될 부분에는 리스트 데이터가 들어간다. 이를 람다 식에 함께 사용하면 다음과 같다. In [3]: re..

Logout Menu Kernel File New NotebookDropdown Open... Make a Copy... Save as... Rename... Save and Checkpoint Revert to CheckpointDropdown Print Preview Download asDropdown AsciiDoc (.asciidoc) HTML (.html) LaTeX (.tex) Markdown (.md) Notebook (.ipynb) PDF via LaTeX (.pdf) reST (.rst) Script () Reveal.js slides (.slides.html) PDF via pyppeteer (.html) Deploy as Trust Notebook Close and Halt Edit ..

멀티프로세싱 (Multiprocessing)¶ 멀티프로세싱이란 작업 처리 '속도' 에 관한 기법으로 보다 빠르게 처리해주기 위한 방법이다. 먼저 병렬처리와 순차처리에 대해 알아보자. 병렬처리 (parallel processing) 는 동시 해당 작업을 처리하는 것과 같아 처리 속도 향상에 크게 기여하고 있는 방법이다. 순차처리 (serial processing) 는 여태 코트를 작성했을 때 주로 사용한 방법으로, 말 그래도 순차적으로 처리를 해 나가는 방법이다. 먼저 순차 처리 코드를 한번 실행 해 보자. In [1]: # 변수를 1억번 돌려보는 순차처리 코드 import time num_list = ['p1','p2', 'p3', 'p4'] st..

제너레이터 (Generator)¶ 많은 양의 데이터를 처리하다보면 엄청냔 양의 메모리 공간이 필요하게 된다. 예를들어 일반적인 for 문의 경우 5개의 데이터를 한번에 메모리 공간 상에 두고 하나씩 처리가하게 되는데, 이 방법은 데이터의 양이 많아질 수록 효율적이지 못하다. 이런 상황에더 더욱 효율적으로 사용하기 위한 방법으로 제너레이터가 있다. 예를 들면, 일반적인 반복문은 다음과 같다. In [4]: my_list = ['a','b','c','d'] # 인자로 받은 리스트를 가공해서 만든 데이터셋 리스트를 리턴하는 함수 def get_dataset_list(my_list): result_list = [] for i in range(2): for j in my_list: result_list.appen..