Subeen lab

#10250 t = int(input()) for i in range(t): h,w,n = map(int,input().split()) if (n%h) == 0 : x = n//h y = h print(y*100+x) else : x = n//h + 1 y = n%h print(y*100+x) 생각보다 간단했지만 구현하다가 딴 길로 새서 시간이 좀 걸렸다. 여기서 포인트는 if (n%h) == 0 일 때를 따로 생각해주어야한다.

솔직히 이 문제는 패턴은 알겠는데 어떻게 코드를 짜야할 지 고민이 너무 많이 됐다. 힌트를 얻자면 이런 느낌. 여기다가 1 + 2 + 3 + ... + (n-1) d : x -= d d += 1 if d % 2 == 0: up = x down = d - x + 1 elif d % 2 == 1: up = d - x + 1 down = x print(int(up),"/",int(down)) 근데 솔직히 아직도 저 식이 왜 나온지 이해안되는 느낌... 어렵다어려워아ㅓ어아ㅓㅏ

#1712 a = int(input()) # a: 고정비용 b: 가변비용 c: 노트북 가격 b = int(input()) c = int(input()) if b >= c: print(-1) else: print(int(a/(c-b) +1)) 처음 봤을 땐 글부터 이해를 하지 못했다 ㅋㅋ 천천히 읽어보자면, x = 생산 대수일 때, a+b*x = c 이면 손익분기점을 가질 수가 없다. 손해가 커지니까! 수학적인 계산만 해낸다면 생각해낼 수 있는 문제였다. #2292 n = int(input()) room = 1 move = 6 cnt = 1..

신경망 모델의 필요성에 대해 언급하고 그 예시를 들어 같이 설명을 하겠습니다. 이 그래프를 보았을 때, 바로 방정식을 작성할 수 있을까요? 아마 수학을 많이 공부하신 분이라면 3차방정식이라 생각할 것입니다. 물론 이렇게 단순한 그래프라면 사람이 눈으로 보고 찾을 수도 있습니다. 하지만 우리가 사용하는 데이터는 항상 평면에만 있는 것이 아닌, 다차원의 공간 상에 있게 됩니다. 그럴 때는 직접 찾는 것이 아니라 컴퓨터의 힘을 빌려 알아내야 합니다. #특성값과 레이블 features1 = np.array([[xval] for xval in x_train]) features2 = np.array([[xval**2, xval] for xval in x_train]) features3 = np.array([[xva..

이번에는 python에 있는 Tensorflow를 이용하여 딥러닝의 기본 모델 학습을 해볼 것이다. 텐서플로로 표현한 선형회귀 모델 class MyModel(tf.keras.Model): def __init__(self, **kwargs): super().__init__(**kwargs) self.w = tf.Variable(tf.ones([1,1])) #기울기 self.b = tf.Variable(tf.ones([1])) #y절편 def call(self,x): #x:데이터 x좌표 return tf.matmul(x,self.w) + self.b #모델 선언 및 최적화 방법 결정 #예측 모델 설정 model = MyModel() #수치최적화 알고리즘 설정 MaxEpoch = 25 lr = 0.25 opt..

3D Axes 만들기 3D 그래프를 만들려면 3D 렌더링 기능을 가진 서브플롯을 작성할 필요가 있다. 다음과 같이 projection="3d"로 3D 렌더링 기능을 가진 서브플롯을 작성할 수 있다. matplotlib.fiture().add_subplot(1,1,1,projection="3d") Example1. import numpy as np import matplotlib.pyplot as plt #3d 렌더링에 필요한 라이브러리입니다. from mpl_toolkits.mplot3d import Axes3D %matplotlib inline t = np.linspace(-2*np.pi,2*np.pi) X,Y = np.meshgrid(t,t) R = np.sqrt(X**2 + Y**2) Z = np...

데이터 분석에 있어서 데이터 시각화는 매우 효과적인 수단입니다. matplotlib 라이브러리에는 데이터를 시각화하는 많은 기능이 들어 있습니다. 'matplotlib.pyplot.plot(x축에 대응하는 데이터, y축에 대응하는 데이터)'를 이용하면 그래프의 x축과 y축에 데이터를 간단히 대응시켜 차트를 만들 수 있습니다. Example. - 3x2의 그래프 레이아웃을 만들어 상단에는 왼쪽부터 순서대로 𝑦=𝑥, 𝑦=𝑥^2, 𝑦=𝑥^3 의 그래프를, 하단에는 왼쪽부터 순서대로 𝑦=𝑠𝑖𝑛(𝑥), 𝑦=𝑐𝑜𝑠(𝑥), 𝑦=𝑡𝑎𝑛(𝑥) 의 그래프를 플롯하세요. - 각각의 서브플롯에 적절한 제목을 붙이고, 그리드를 표시하세요. - 상단에는 _upper가 붙은 변수를, 하단에는 _lower가 붙은 변수를 사용하세요...

Pandas 개요 Pandas 에는 Series 와 DataFrame의 두가지 데이터 구조가 존재한다. 주로 사용되는 데이터 구조는 2차원 구조인 DataFrame 이다. 데이터 참조 DataFrame의 데이터는 행과 열을 지정해서 참조할 수 있다. 여러가지 참조방법이 있지만 행에 대하여 추출할 때는 loc, 열에 대하여 추출할 때는 iloc를 자주 이용한다. import pandas as pd data = {"fruits" : ["apple", "orange", "banana","strawberry", "kiwifruit"], "year" : [2001,2002,2001,2008,2006], "time" : [1,4,5,6,3]} df = pd.DataFrame(data) print(df) ------..