์ผ | ์ | ํ | ์ | ๋ชฉ | ๊ธ | ํ |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
- ๋ฐ์ดํฐ๋ถ์์ค์ ๋ฌธ๊ฐ
- DBSCAN
- ๋ ๋ฆฝํ๋ณธ
- ADsP
- ์ฃผ์ฑ๋ถ๋ถ์
- t-test
- ๋ฐ์ดํฐ๋ถ์
- ํ์ด์ฌ
- Lambda
- ์๋ํด๋ผ์ฐ๋
- opencv
- LDA
- iloc
- numpy
- ์ค๋ฒ์ํ๋ง
- ADP
- ๊ตฐ์งํ
- ๋น ๋ฐ์ดํฐ
- ๋์ํ๋ณธ
- ํฌ๋กค๋ง
- ํ ์คํธ๋ถ์
- ์ธ๋์ํ๋ง
- ๋ฐ์ดํฐ๋ถ์์ ๋ฌธ๊ฐ
- Python
- ๋ฐ์ดํฐ๋ถ๊ท ํ
- datascience
- dataframe
- pandas
- ๋น ๋ฐ์ดํฐ๋ถ์๊ธฐ์ฌ
- PCA
Data Science LAB
[Python] ํ๋ก๊ทธ๋๋จธ์ค ์ฝ๋ฉํ ์คํธ ์ฐ์ต level1 (์น์์ด(2)) ๋ณธ๋ฌธ
[Python] ํ๋ก๊ทธ๋๋จธ์ค ์ฝ๋ฉํ ์คํธ ์ฐ์ต level1 (์น์์ด(2))
ใ ใ ใ ใ 2023. 1. 23. 15:571. ๋ฌธ์ ์ค๋ช
๋จธ์ฑ์ด๋ ํ์ด๋ ์ง 11๊ฐ์ ๋ ์กฐ์นด๋ฅผ ๋๋ณด๊ณ ์์ต๋๋ค. ์กฐ์นด๋ ์์ง "aya", "ye", "woo", "ma" ๋ค ๊ฐ์ง ๋ฐ์๊ณผ ๋ค ๊ฐ์ง ๋ฐ์์ ์กฐํฉํด์ ๋ง๋ค ์ ์๋ ๋ฐ์๋ฐ์ ํ์ง ๋ชปํ๊ณ ์ฐ์ํด์ ๊ฐ์ ๋ฐ์์ ํ๋ ๊ฒ์ ์ด๋ ค์ํฉ๋๋ค. ๋ฌธ์์ด ๋ฐฐ์ด babbling์ด ๋งค๊ฐ๋ณ์๋ก ์ฃผ์ด์ง ๋, ๋จธ์ฑ์ด์ ์กฐ์นด๊ฐ ๋ฐ์ํ ์ ์๋ ๋จ์ด์ ๊ฐ์๋ฅผ returnํ๋๋ก solution ํจ์๋ฅผ ์์ฑํด์ฃผ์ธ์.
2. ์ ํ์ฌํญ
- 1 ≤ babbling์ ๊ธธ์ด ≤ 100
- 1 ≤ babbling[i]์ ๊ธธ์ด ≤ 30
- ๋ฌธ์์ด์ ์ํ๋ฒณ ์๋ฌธ์๋ก๋ง ์ด๋ฃจ์ด์ ธ ์์ต๋๋ค.
3. ๋ด ํ์ด
def solution(babbling):
answer = 0
b_list = ["aya", "ye", "woo", "ma"]
b_list2 = [x*2 for x in b_list]
for b in babbling:
for word in b_list2:
if word in b:
break
else:
for word2 in b_list:
b = b.replace(word2,' ')
if b.strip() == '':
answer += 1
return answer
replace์ ๊ณต๋ฐฑ์ ํฌํจํด์ผ ํ๋ ์ด์
- "woayao" -> "woo" -> ""์ด ๋์ด์ ์ต์ข ๋ฌธ์์ด์ด ๊ณต๋ฐฑ์ด ๋๊ธฐ ๋๋ฌธ์ ๊ณต๋ฐฑ์ ํฌํจํ ๊ฒ์ผ๋ก ๋ณํํด์ผํจ
-> strip()ํจ์๋ฅผ ์ฌ์ฉํด ์ต์ข ์ ์ผ๋ก ๊ณต๋ฐฑ ์ฌ๋ถ ํ๋จํจ
4. ๋ค๋ฅธ ์ฌ๋์ ํ์ด
def solution(babbling):
answer = 0
for i in babbling:
for j in ['aya','ye','woo','ma']:
if j*2 not in i:
i=i.replace(j,' ')
if len(i.strip())==0:
answer +=1
return answer
for ๋ฌธ์ ๋๋ฒ ์ฌ์ฉํ๋ ๊ฒ๋ณด๋ค ํจ์จ์ ์ธ ๊ฒ ๊ฐ์
def solution(babbling):
n = ["aya", "ye", "woo", "ma"]
for k, i in enumerate(babbling):
for j in n:
if j*2 in i:break
babbling[k]=babbling[k].replace(j, " ")
babbling[k]=babbling[k].replace(" ", "")
return babbling.count("")