DevSSOM

문제 두 수를 입력받아 두 수의 최대공약수와 최소공배수를 반환하는 함수, solution을 완성해 보세요. 배열의 맨 앞에 최대공약수, 그다음 최소공배수를 넣어 반환하면 됩니다. 예를 들어 두 수 3, 12의 최대공약수는 3, 최소공배수는 12이므로 solution(3, 12)는 [3, 12]를 반환해야 합니다. 제한사항 두 수는 1이상 1000000이하의 자연수입니다. 입출력 예 n m return 3 12 [3, 12] 2 5 [1, 10] 입출력 예 #1 위의 설명과 같습니다. 입출력 예 #2 자연수 2와 5의 최대공약수는 1, 최소공배수는 10이므로 [1, 10]을 리턴해야 합니다. 기본코드 function solution(n, m) { var answer = []; return answer; }..

concat( 배열 | 값, ... ) concat() 메소드는 인자로 주어진 배열이나 값들을 기존 배열에 합쳐서 새 배열로 반환해줌. 그래서 기존 배열은 변경하지 않고, 추가로 새로운 배열을 반환함. - 배열 두 개 이어붙이기 const alpha = ['a', 'b', 'c']; const numeric = [1, 2, 3]; alpha.concat(numeric); // ['a', 'b', 'c', 1, 2, 3] - 배열 세 개 이어붙이기 const num1 = [1, 2, 3]; const num2 = [4, 5, 6]; const num3 = [7, 8, 9]; num1.concat(num2, num3); // [1, 2, 3, 4, 5, 6, 7, 8, 9] - 배열에다 값 이어붙이기 con..

데이터 과학의 정의 컴퓨터를 활용해서 데이터를 분석하고 현실의 문제를 해결하는 작업. 데이터 과학의 목표? Decision Making : 의사결정. 단순히 직감과 감에 의존하던 전통적 의사결정 방식이 아니라, 데이터 기반 의사결정 방식으로 더 나은 의사결정을 하기위해 데이터 과학을 활용. Monetization : 수익화. 비즈니스가 더 나은 의사결정으로 챙길 수 있는 것은 결국 돈이니까. 머신러닝과 다른 접근방법의 차이 0. 빅데이터 분석 vs 통계 분석 vs 머신러닝 데이터를 사용하고 분석해서 현실의 문제를 해결하는 과정은 빅데이터, 통계, 머신러닝 3개 영역이 모두 같음. 하지만, 각각의 접근 방식에 따라서 목표로 하는 게 다르고, 만들어내고자 하는 결과물은 달라짐. 1. 빅데이터 분석 그로스해킹..

문제 양의 정수 x가 하샤드 수이려면 x의 자릿수의 합으로 x가 나누어져야 합니다. 예를 들어 18의 자릿수 합은 1+8=9이고, 18은 9로 나누어 떨어지므로 18은 하샤드 수입니다. 자연수 x를 입력받아 x가 하샤드 수인지 아닌지 검사하는 함수, solution을 완성해주세요. 제한 조건 x는 1 이상, 10000 이하인 정수입니다. 입출력 예 arr return 10 true 12 true 11 false 13 false 입출력 예 #1 10의 모든 자릿수의 합은 1입니다. 10은 1로 나누어 떨어지므로 10은 하샤드 수입니다. 입출력 예 #2 12의 모든 자릿수의 합은 3입니다. 12는 3으로 나누어 떨어지므로 12는 하샤드 수입니다. 입출력 예 #3 11의 모든 자릿수의 합은 2입니다. 11은 ..

.indexOf(찾을 값, 어디서부터?) 어떤 값이, 배열 안에서 몇 번째 인덱스에 있는지 알고 싶을 때 사용. 배열 안에 중복되는 값이 있으면, 최초로 찾은 값의 인덱스가 반환됨. 만약, 찾고자 하는 값이 없다면 -1이 반환됨. 두 번째 인자는 옵션으로 입력할 수 있는데, 음수를 입력하면, 뒤에서부터 찾기 시작함. let array = [2, 9, 9]; array.indexOf(2); // 0 array.indexOf(7); // -1 array.indexOf(9, 2); // 2 array.indexOf(2, -1); // -1 array.indexOf(2, -3); // 0 .lastIndexOf(찾을 값, 어디서부터?) indexOf와 다르게, 배열 안에 중복되는 값이 있으면, 제일 마지막에 찾..

df.groupby() 간단한 집계를 넘어서서 조건부로 집계하고 싶은 경우, groupby 함수를 활용. groupby() 함수를 이용하면 키 값을 기준으로 그룹으로 묶을 수 있음. groupby() 함수의 사용 예시를 들자면, 시험 성적 데이터에서 각 반을 그룹으로 묶어 각 반의 평균 점수를 구할 수 있음. import numpy as np import pandas as pd df = pd.DataFrame({ 'key' : ['A', 'B', 'C', 'A', 'B', 'C'], 'data1' : [1, 2, 3, 1, 2, 3], 'data2' : [4, 4, 6, 0, 6, 1] }) # 데이터프레임 DataFrame: key data1 data2 0 A 1 4 1 B 2 4 2 C 3 6 3 A..

집계함수 집계함수는 많은 데이터 값을 입력으로 받아 이를 요약하는 하나의 값을 반환하는 기능을 하는데, count(), max(), min(), sum(), mean() 등의 함수들을 위와 같은 집계함수라고 함. - df.count() count 메소드를 활용해서 데이터 개수를 확인할 수 있음 (디폴트는 NaN값 제외) data = { 'korean' : [50, 60, 70], 'math' : [10, np.nan, 40] } df = pd.DataFrame(data, index = ['a', 'b', 'c']) # df 결과값 korean math a 50 10.0 b 60 NaN c 70 40.0 # 각 컬럼별 데이터 개수 df.count(axis = 0) # 열 기준으로 카운트 # 결과값 kore..

데이터프레임 정렬하기 데이터를 처리하다 보면 일정한 기준에 맞추어 정렬하는 일이 빈번하게 발생함. pandas에서도 데이터를 필요에 맞게 정렬할 수 있음. 인덱스값 기준으로 정렬하기 sort_index() 함수를 사용. axis = 0 : 행 인덱스를 기준으로 정렬 (디폴트는 오름차순 ascending = True) df = df.sort_index(axis = 0) axis = 1 : 열 인덱스(컬럼)를 기준으로 정렬 (내림차순 ascending = False) df = df.sort_index(axis = 1, ascending = False) 컬럼값 기준으로 정렬하기 sort_values 함수를 사용. col1 컬럼 기준으로 오름차순 정렬 df.sort_values('col1', ascending ..