1. 두 수의 나눗셈
num1을 num2 로 나눈 값에 1000을 곱한 값의 정수부를 반환하는 함수
[내 풀이]
def solution(num1, num2):
answer = 0
answer = int(num1 / num2 * 1000)
return answer
[다른 풀이 방법]
(1)
def solution(num1, num2) :
return int( num1 / num2 * 1000)
ㄴ 변수 answer를 사용하지 않음. : 변수를 저장하기 위해선 비용이 든다. 비용이 늘면 시스템 성능 저하가 올 수 있다.
ㄴ 또한 함수화된 코드는 굳이 변수에 담지 않더라도 return 값으로 주면 차후에 x = solution(something)같은 형태로 불러와서 사용이 가능하므로, 재사용이 없는 함수 내 지역변수는 굳이 변수에 담지 않는것을 추천한다
(2)
def solution(num1, num2):
answer = 0
answer = (num1 / num2) * 1000
return answer//1
: 1로 나눈 값의 몫만 반환 = 정수부
(3)
solution = lambda x, y : 1000 * x // y
: 순서가 중요하겟군..
1000 * 10 // 3 = 3333
10 // 3 * 1000 = 3000
(4)
import math
def solution(num1, num2):
return math.trunc(num1 / num2 * 1000)
math.trunc (트렁크) 소수점 이하 자릿수를 버리고 정수 부분만 반환하는 함수
(5)
import math
def solution(num1, num2):
answer = math.floor(num1 / num2 * 1000)
return answer
**
math.trunc() 와 math.floor() 는 모두 소수점 이하를 제거한 값을 반환한다.
그러나 음수를 파라미터로 받을때
math.trunc()는 0을 향해 소수점 이하를 버리지만
math.floor()는 더 작은 정수로 내림하여 반환한다.
- math.trunc(-2.3)는 -2를 반환합니다.
- math.floor(-2.3)는 -3을 반환합니다.
2. 숫자 비교하기
[내 풀이]
def solution(num1, num2):
answer = 0
if num1 - num2 == 0:
answer = 1
else:
answer = -1
return answer
:여기선 다름아닌 들여쓰기가 헷갈렸다;
[다른 풀이]
(1)
def solution(num1, num2) :
return 1 if num1 == num2 else -1
(2)
def solution(num1, num2):
answer = -1
if num1 == num2 :
answer = 1
return answer
(3)
def solution(num1, num2):
return sum([num1 == num2]) * 2 - 1
True : 1 *2 - 1 = 1
False : 0 * 2 - 1 = -1
3. 분수의 덧셈
[내 풀이 ] - 첫번째 : 테스트 결과 정확성 33.3로 통과 못함.
def solution(numer1, denom1, numer2, denom2):
answer = []
if denom1 % denom2 == 0 or denom2 % denom1 == 0:
if denom1 > denom2 :
num2 = denom1
num1 = numer1 + (numer2 * denom1 // denom2)
else :
num2 = denom2
num1 = numer2 + (numer1 * denom2 // denom1)
else :
num2 = denom1 * denom2
num1 = denom1* numer2 + denom2 * numer1
answer.append(num1)
answer.append(num2)
return answer
[내 풀이] 2차시...
vs 에서 잘만 돌아가는데 왜 안된다는겁니까..
파라미터 4개를 모두 같은 값으로 받았을 때 2/1 로 기약분수 형태로 나와야하는데 약분이 안되는것이 문제쓰~
기약분수로 했는데도!! 아직도..~!! 반례가 남았다니
[내 풀이 ] final
def solution(numer1, denom1, numer2, denom2):
#분모가 서로 약수 관계이면
if denom1 % denom2 == 0 or denom2 % denom1 == 0:
#더 큰 값에 맞추어 통분한다
if denom1 > denom2 :
num2 = denom1
num1 = numer1 + (numer2 * denom1 // denom2)
else :
num2 = denom2
num1 = numer2 + (numer1 * denom2 // denom1)
# 약수관계가 아니면 각 분자에 다른 분모를 곱한 값을 더하기 -> 근데 이러면 너무 값이 커질수있단말이지 이러나 저러나 약분 시켜야댐
else :
num2 = denom1 * denom2
num1 = denom1 * numer2 + denom2 * numer1
# 소수 i로 약분하기
# 더 큰 값을 x로 넣기
if num1 >= num2:
x = num1
else : x = num2
for i in range (2, x ):
while num1 % i == 0 and num2 % i== 0:
# (같은 i 로 두 숫자에 대하여) 자기 자신까지 숫자 중에 나눠서 0으로 떨어지는 것들이 있으면 나눠버려라~
num1 //= i
num2 //= i
return [num1, num2]
4. 배열 두배 만들기
[내 풀이]
def solution(numbers):
answer = []
for i in numbers:
answer.append(i * 2)
return answer
[다른 풀이]
(1)
def solution(numbers):
return [num*2 for num in numbers]
: 리스트 컴프리헨션 [ 표현식 for 반복가능객체 if 조건문 ]
(2)
def solution(numbers):
return list(map(lambda x : x*2, numbers))
: 하지만 댓글을 보니 map이랑 lambda 는 같이 쓰면 느려진다규?
map > list comprhension > map + lambda > for loop 순으로 빠르다
(3)
import numpy as np
def solution(numbers):
answer = []
answer = np.array(numbers)*2
answer = answer.tolist()
return answer
** numpy 란 : Numerical Python 다차원 배열을 다루는데 특화된 라이브러리
- 다차원 배열 (ndarray):
- numpy의 핵심 데이터 구조는 ndarray로, N차원의 배열을 제공합니다. 이 배열은 모든 원소가 동일한 데이터 타입을 가지며, 데이터 접근이 빠르고 효율적입니다.
- 배열 연산:
- numpy는 배열을 사용하여 벡터 및 행렬 연산을 지원합니다. 예를 들어, 배열 간의 요소별 연산, 선형 대수 연산 (행렬 곱셈 등)을 쉽게 수행할 수 있습니다.
- 브로드캐스팅 (Broadcasting):
- numpy는 서로 다른 모양의 배열 간에도 산술 연산을 수행할 수 있도록 도와주는 브로드캐스팅 기능을 제공합니다. 이는 코드를 간결하게 작성할 수 있게 해줍니다.
- 유니버설 함수 (Universal Functions, ufuncs):
- numpy는 배열의 각 요소에 대해 적용할 수 있는 다양한 수학 함수를 제공합니다. 예를 들어, 삼각 함수, 지수 함수, 로그 함수 등이 이에 해당합니다.
- 속도와 메모리 효율성:
- numpy 배열은 C로 구현되어 있어 빠른 연산 속도와 효율적인 메모리 사용을 보장합니다. 특히 대용량 데이터 처리에 적합합니다.
numpy의 유용성
numpy는 데이터 분석, 과학적 계산, 머신러닝, 이미지 처리 등 다양한 분야에서 널리 사용됩니다. 주요 사용 사례는 다음과 같습니다:
- 데이터 분석: 대용량 데이터의 처리 및 분석을 위한 배열 연산과 통계 함수 제공.
- 과학적 계산: 수치 해석, 시뮬레이션, 통계적 모델링 등을 위한 강력한 도구로 사용.
- 머신러닝: 데이터 전처리, 모델 학습, 예측 등에서 numpy 배열을 통해 데이터를 효율적으로 관리하고 계산을 수행.
- 이미지 처리: 이미지 데이터의 다차원 배열로 변환하여 필터링, 변환, 분석 등을 수행.
numpy 배열 vs. 일반 Python 리스트
numpy 배열:
- 다차원 배열: numpy의 핵심 데이터 구조로, N차원의 배열을 표현합니다.
- 고성능: C 언어로 구현되어 있어 데이터 접근과 연산이 빠르고 메모리 사용이 효율적입니다.
- 동일한 데이터 타입: 모든 요소가 동일한 데이터 타입을 가져야 하며, 이는 메모리 사용의 효율성을 높이는 장점이 있습니다.
- 벡터화 연산: 배열의 각 요소에 대해 벡터화 연산을 지원하여 코드를 간결하게 작성할 수 있습니다.
- 유니버설 함수 (ufuncs): 배열의 요소에 대해 적용할 수 있는 다양한 수학 함수를 제공합니다.
일반 Python 리스트:
- 동적 타입 지원: 리스트는 다양한 데이터 타입을 포함할 수 있으며, 동적으로 크기가 조정될 수 있습니다.
- 일반적인 데이터 구조: 간단한 데이터 저장 및 처리에 유용합니다.
- 느린 속도: 대용량 데이터 처리나 수치 연산에서는 numpy 배열보다 성능이 떨어질 수 있습니다.
numpy 배열을 일반 리스트로 변환하는 방법
numpy 배열을 일반 Python 리스트로 변환하는 방법에는 여러 가지가 있습니다:
1. tolist() 메서드 사용:
- numpy 배열 객체의 tolist() 메서드를 사용하여 리스트로 변환할 수 있습니다.
2. 내장리스트 생성자 사용:
- list() 생성자를 사용하여 numpy 배열을 변환할 수도 있습니다.
3. 다차원 배열의 경우:
- 위의 예시는 1차원 배열을 변환하는 경우입니다. 다차원 배열의 경우에도 동일한 방법으로 변환할 수 있으며, tolist() 메서드는 다차원 배열에서도 동작합니다.
(4)
def solution(numbers):
answer = []
for i in range(len(numbers)):
answer.append(numbers[i]*2)
return answer
'개발 공부 일지 > Python' 카테고리의 다른 글
| 프로그래머스 코딩테스트 입문 day3 : 사칙연산, 배열, 수학 (0) | 2024.06.22 |
|---|---|
| 파이썬 : 반복문(for, while) 사용해서 요소 순회하기 (0) | 2024.06.22 |
| 프로그래머스 코딩테스트 입문 day1 : 사칙연산 (0) | 2024.06.20 |
| 배열과 문자열 처리하기 (0) | 2024.06.20 |
| 파이썬 내장함수 실습하기 (0) | 2024.06.20 |
