μΌ | μ | ν | μ | λͺ© | κΈ | ν |
---|---|---|---|---|---|---|
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 |
- datascience
- ν μ€νΈλΆμ
- Lambda
- iloc
- νμ΄μ¬
- μΈλμνλ§
- ν¬λ‘€λ§
- λ°μ΄ν°λΆμμ€μ λ¬Έκ°
- Python
- λ°μ΄ν°λΆκ· ν
- μλν΄λΌμ°λ
- dataframe
- LDA
- PCA
- λ°μ΄ν°λΆμμ λ¬Έκ°
- pandas
- t-test
- opencv
- DBSCAN
- μ£Όμ±λΆλΆμ
- λ°μ΄ν°λΆμ
- λΉ λ°μ΄ν°λΆμκΈ°μ¬
- ADP
- numpy
- λ 립νλ³Έ
- κ΅°μ§ν
- λμνλ³Έ
- ADsP
- μ€λ²μνλ§
- λΉ λ°μ΄ν°
Data Science LAB
[Python] νλ‘κ·Έλλ¨Έμ€ μ½λ©ν μ€νΈ μ°μ΅ level2 (κΈ°λ₯κ°λ°) λ³Έλ¬Έ
[Python] νλ‘κ·Έλλ¨Έμ€ μ½λ©ν μ€νΈ μ°μ΅ level2 (κΈ°λ₯κ°λ°)
γ γ γ γ 2022. 12. 11. 15:181. λ¬Έμ μ€λͺ
νλ‘κ·Έλλ¨Έμ€ νμμλ κΈ°λ₯ κ°μ μμ μ μν μ€μ λλ€. κ° κΈ°λ₯μ μ§λκ° 100%μΌ λ μλΉμ€μ λ°μν μ μμ΅λλ€.
λ, κ° κΈ°λ₯μ κ°λ°μλλ λͺ¨λ λ€λ₯΄κΈ° λλ¬Έμ λ€μ μλ κΈ°λ₯μ΄ μμ μλ κΈ°λ₯λ³΄λ€ λ¨Όμ κ°λ°λ μ μκ³ , μ΄λ λ€μ μλ κΈ°λ₯μ μμ μλ κΈ°λ₯μ΄ λ°°ν¬λ λ ν¨κ» λ°°ν¬λ©λλ€.
λ¨Όμ λ°°ν¬λμ΄μΌ νλ μμλλ‘ μμ μ μ§λκ° μ ν μ μ λ°°μ΄ progressesμ κ° μμ μ κ°λ° μλκ° μ ν μ μ λ°°μ΄ speedsκ° μ£Όμ΄μ§ λ κ° λ°°ν¬λ§λ€ λͺ κ°μ κΈ°λ₯μ΄ λ°°ν¬λλμ§λ₯Ό return νλλ‘ solution ν¨μλ₯Ό μμ±νμΈμ.
2. μ ν μ¬ν
- μμ μ κ°μ(progresses, speedsλ°°μ΄μ κΈΈμ΄)λ 100κ° μ΄νμ λλ€.
- μμ μ§λλ 100 λ―Έλ§μ μμ°μμ λλ€.
- μμ μλλ 100 μ΄νμ μμ°μμ λλ€.
- λ°°ν¬λ ν루μ ν λ²λ§ ν μ μμΌλ©°, ν루μ λμ μ΄λ£¨μ΄μ§λ€κ³ κ°μ ν©λλ€. μλ₯Ό λ€μ΄ μ§λμ¨μ΄ 95%μΈ μμ μ κ°λ° μλκ° ν루μ 4%λΌλ©΄ λ°°ν¬λ 2μΌ λ€μ μ΄λ£¨μ΄μ§λλ€.
3. λ΄ νμ΄
import math
def solution(progresses, speeds):
a=[math.ceil((100-progresses[p])/speeds[p]) for p in range(len(progresses))]
answer = [1]
big = a[0]
for i in range(1,len(a)):
if big >= a[i]:
answer[-1] = answer[-1]+1
else:
big = a[i]
answer.append(1)
return answer
1. κ° κΈ°λ₯ λ³λ‘ νμν μμ μΌ μ κ³μ°
2. μ΄μ μ λ°°μ΄μ μ΅λ μμ μΌμλ³΄λ€ λ λ§μ μμ μΌμκ° μꡬλλ κ²½μ° answer.append(1)
4. λ€λ₯Έ μ¬λ νμ΄
def solution(progresses, speeds):
Q=[]
for p, s in zip(progresses, speeds):
if len(Q)==0 or Q[-1][0]<-((p-100)//s):
Q.append([-((p-100)//s),1])
else:
Q[-1][1]+=1
return [q[1] for q in Q]