【Python】 파이썬 문법

파이썬 문법

 

추천글 : 【Python】 파이썬 목차 

---

1. 개요 [본문]

2. 문법 [본문]

---

a. R 개요

---

 

1. 개요 [목차]

⑴ 장점 1. 앱 개발 등에서 백엔드 구현이 용이함

⑵ 장점 2. 딥러닝 툴이 잘 나와 있음

⑶ 장점 3. 오픈 커뮤니티를 기반으로 다양한 어플리케이션이 가능

⑷ 장점 4. 데이터 시각화가 상당히 잘 돼 있음

 

 

2. 문법 [목차]

⑴ 파이썬은 여러 개의 값을 동시에 return할 수 있음 

⑵ yield는 값을 한 번에 모두 반환하지 않고, 필요한 시점에 하나씩 반환

⑶ back space \ 를 통해 줄바꿈을 하여 multi-line code를 짤 수 있음

⑷ 한 줄 문자열은 "~" 혹은 '~'로 나타내고, 여러 줄 문자열은 """~""" 혹은 '''~'''로 나타냄

⑸ adata.var_names=[i.upper() for i in list(adata.var_names)] 

① 의미 : adata.var_names에는 list(data.var_names)에 있는 각 i를 대문자로 한 것으로 저장

⑹ if issparse(counts.X):counts.X=counts.X.A 

① 의미 : counts.X가 sparse matrix이면 counts.X에 counts.X.A 값을 넣음

⑺ pd.DataFrame([(str(i),str(j)) for i in range(4) for j in range(i+1, 4)])

 

	0	1
0	0	1
1	0	2
2	0	3
3	1	2
4	1	3
5	2	3

 

⑻ 행렬 연산 

① NumPy로 정의된 행렬에서 * 및 ** 연산은 각 원소를 곱하는 것에 불과함 : 이 경우 @ 연산자를 써서 행렬의 곱셈임을 표시함

② sympy,Matrix로 정의된 행렬에서 * 및 ** 연산은 행렬의 곱셈 및 제곱을 의미함 

⑼ 브로드캐스팅(broadcasting) 

① NumPy에서 차원이 맞지 않는 배열 간의 연산을 가능하게 해주는 기능

② 작은 배열(단, 차원이 1일 것)이 자동으로 확장되어 큰 배열과 같은 형태로 맞춰진 후 연산이 수행

③ 작은 배열을 큰 배열에 맞추기 위해 데이터를 물리적으로 복사하는 것은 아님 

 

# Shape of `exp_log_mu`: (2257, 6)
# Shape of `theta_mn`: (6, 13344)

exp_log_mu_expanded = exp_log_mu[:, :, np.newaxis]   # Shape: (2257, 6, 1)
theta_mn_expanded = theta_mn[np.newaxis, :, :]       # Shape: (1, 6, 13344)    
result = exp_log_mu_expanded * theta_mn_expanded     # Shape: (2257, 6, 13344)

 

입력: 2024.04.30 13:41