워로디스

Pandas에서 데이터프레임을 출력할 때 줄바꿈이 발생하는 것은 콘솔창의 기본 출력 너비가 제한되어 있기 때문입니다. 이를 해결하기 위해 Pandas의 set_option 함수를 사용하여 출력 설정을 변경할 수 있습니다.1. 출력 너비(Width) 확장데이터프레임이 줄바꿈 없이 가로로 넓게 출력되도록 전체 출력 폭을 늘리는 설정입니다. 숫자는 콘솔에 표시될 수 있는 문자(Character)의 개수를 의미합니다.import pandas as pd# 콘솔 출력 너비를 1000자로 확장 (필요에 따라 숫자 조절 가능)pd.set_option('display.width', 1000)2. 최대 출력 컬럼 수(Max Columns) 해제너비를 늘려도 전체 컬럼 수가 많을 경우, 줄바꿈 대신 중간 컬럼이 ...으로 ..

1. 관점의 차이: 방향성 vs 라벨 위치Pandas에서 메서드의 성격에 따라 axis를 바라보는 관점이 달라집니다.연산 함수 (sum, mean 등): 데이터를 계산하기 위해 "어느 축의 방향으로 이동할 것인가?"를 지시합니다.구조 변경 함수 (drop): 데이터를 삭제하기 위해 "어느 축에 있는 이름표(Label)를 찾을 것인가?"를 지시합니다.2. drop 함수에서의 axis 적용drop 메서드에서 axis는 특정 라벨을 찾기 위해 검색해야 할 인덱스(목차)의 대상을 지정합니다.drop(라벨, axis=0)탐색 대상: 0번 축 (행 인덱스, Row Index 묶음)수행 결과: 지정한 이름표를 찾아 해당 가로줄(행) 전체를 삭제합니다.drop(라벨, axis=1)탐색 대상: 1번 축 (컬럼 이름, C..

CSS 변수는 스타일시트에서 반복해서 사용하는 값을 이름으로 정의하고 재사용할 수 있게 해주는 표준 CSS 기능입니다.일반적으로 “CSS 변수”라고 부르지만, 공식 명칭은 CSS 커스텀 속성(Custom Properties) 입니다. 별도의 라이브러리나 Sass 같은 전처리기 없이 브라우저에서 직접 사용할 수 있습니다.1. CSS 변수 선언하기CSS 변수의 이름은 반드시 --로 시작해야 합니다.:root { --main-color: #333; --content-padding: 20px;}위 코드에서는 두 개의 CSS 변수를 선언했습니다.--main-color: 기본 색상--content-padding: 기본 여백CSS 변수에는 색상, 크기, 간격, 글꼴, 그림자 등 일반적인 CSS 속성값을 저장할 수..

CSS 중앙 정렬은 무엇을 정렬하는지에 따라 적절한 방법이 달라집니다.1. Grid를 이용한 가로·세로 중앙 정렬자식 요소 하나를 가로와 세로 중앙에 배치할 때 가장 간결한 방법입니다..container { display: grid; place-items: center; min-height: 200px;} 중앙에 정렬됨place-items: center는 다음 두 속성을 한 번에 지정합니다.align-items: center;justify-items: center;단일 요소를 중앙에 배치하는 경우 Grid 방식이 간결하고 읽기 쉽습니다.2. Flex를 이용한 가로·세로 중앙 정렬여러 요소를 한 방향으로 배치하거나 정렬해야 할 때 적합합니다..container { display: flex; ju..

1. 개요여러 Python 프로젝트에서 공통으로 사용할 코드를 별도 라이브러리로 분리하려면, 해당 코드를 단순한 .py 파일로 보관하기보다 Python 패키지 형태로 구성하고 각 프로젝트의 의존성으로 등록하는 방식이 좋다.uv를 사용하는 경우 다음 흐름으로 구성할 수 있다.uv init --lib로 라이브러리 프로젝트 생성재사용할 코드를 src// 아래에 작성외부에 공개할 함수나 클래스를 __init__.py에서 노출사용하는 프로젝트에서 uv add --editable 실행일반 Python 패키지처럼 import하여 사용2. uv init, --package, --lib의 차이일반 프로젝트uv init my-app일반적인 애플리케이션 프로젝트를 만든다.주로 직접 실행하는 프로그램, 스크립트, 서비스 등..

1. 개요본 문서는 텐서플로 2.x 환경에서 딥러닝 모델을 학습시킬 때 필수적으로 사용되는 학습 루프(Training Loop)의 동작 원리와 내부 메커니즘을 정리한 문서입니다. 모델의 가중치가 업데이트되는 과정, 프레임워크가 제공하는 자동 미분 도구의 역할, 그리고 이를 추상화하는 고수준 API의 적용 방법까지 단계별로 분석합니다.2. tf.GradientTape와 연산 기록의 원리텐서플로 2.x는 코드가 즉시 실행되는 '즉시 실행 모드(Eager Execution)'를 기본으로 채택하고 있습니다. 따라서 역전파를 수행하기 위해서는 순방향 연산 과정을 기억해 둘 별도의 장치가 필요하며, 이 역할을 tf.GradientTape가 수행합니다.2.1. 파이썬 with 문의 컨텍스트 관리작동 방식: 파이썬의 ..

1. 신경망은 층마다 다른 수준의 특징을 학습하는가?1.1 기본 답변: 대체로 그렇다깊은 신경망에서는 입력 데이터가 여러 층을 거치면서 점점 더 추상적인 표현으로 변환되는 경향이 있다. 특히 이미지 모델, 그중에서도 CNN에서는 이 현상이 비교적 직관적으로 관찰된다.1.2 이미지 모델에서의 예시층의 위치주로 학습되는 특징의 예초반 레이어선, 모서리, 색 대비, 질감, 방향성중간 레이어눈, 바퀴, 창문, 털, 물체의 부분 구조후반 레이어얼굴, 자동차, 동물, 장면, 클래스 수준의 의미초반층은 수직선, 대각선, 색 경계 같은 단순한 시각 패턴에 민감할 수 있고, 후반층은 “개 얼굴”, “자동차 형태”, “사람의 얼굴”처럼 더 의미적인 구조에 반응할 수 있다.1.3 주의할 점이것은 절대적인 규칙은 아니다. 모..

1. 전체 코드def remove_outliers_iqr(df, cols=None, k=1.5): """ IQR 기준으로 이상치를 제거하는 함수 df : pandas DataFrame cols : 이상치를 검사할 컬럼 목록. None이면 모든 수치형 컬럼에 적용 k : IQR에 곱할 계수. 일반적으로 1.5 사용 """ if cols is None: cols = df.select_dtypes(include="number").columns Q1 = df[cols].quantile(0.25) Q3 = df[cols].quantile(0.75) IQR = Q3 - Q1 lower = Q1 - k * IQR upper = Q3..