🦕 공룡이 되자!

import heapq import sys input=sys.stdin.readline INF=int(1e9) # 무한을 의미하는 값으로 10억을 설정 # 노드의 개수, 간선의 개수를 입력받기 n, m = map(int, input().split()) # 시작 노드 번호를 입력받기 start = int(input()) # 각 노드에 연결되어 있는 노드에 대한 정보를 담는 리스트를 만들기 graph = [[] for i in range(n+1)] # 최단 거리 테이블을 모두 무한으로 초기화 distance = [INF] * (n+1) # 모든 간선 정보를 입력받기 for _ in range(m): a, b, c = map(int, input().split()) # a번 노드에서 b번 노드로 가는 비용이 c..

힙 라이브러리 사용 # 최소 힙 import heapq # 오름차순 힙 정렬(Heap Sort) def heapsort(iterable): h=[] result=[] # 모든 원소를 차례대로 힘에 삽입 for value in iterable: heapq.heappush(h, value) # 힙에 삽입된 모든 원소를 차례대로 꺼내어 담기 for i in range(len(h)): result.append(heapq.heappop(h)) return result result = heapsort([1, 3, 5, 7, 9, 2, 4, 6, 8, 0]) print(result) 실행결과 >>> [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] # 최대 힙 import heapq # 내림차순 힙 정렬(Hea..

다익스트라 알고리즘 특정 노드에서 다른 노드까지의 최단 경로 다익스트라 최단 경로 알고리즘은 음의 간선이 없을 때 정상적으로 동작 현실 세계의 도로(간선)은 음의 간선으로 표현되지 않음 다익스트라 최단 경로 알고리즘은 그리디 알고리즘으로 분류(DP로도 분류가 되기도 함) 매 상황에서 가장 비용이 적은 노드를 선택해 임의의 과정을 반복 전체적인 흐름 출발 노드 설정 출발 노드를 기준으로 각 노드의 최소 비용 저장 방문하지 않은 노드 중에서 가장 비용이 적은 노드를 선택 해당 노드를 거쳐서 특정한 노드로 가는 경우를 고려하여 최소 비용을 갱신 위 과정 3~4를 반복 알고리즘 동작 과정에서 최단 거리 테이블은 각 노드에 대한 현재까지의 최단 거리 정보를 가지고 있음 처리 과정에서 더 짧은 경로를 찾으면 ‘이제..

대체 df.replace('CA', 'California', inplace=True) 인덱스 이름 설정 df.index.name='user' 칼럼명 수정 df.rename({0:'',1:''},axis=1,inplace=True) df.columns = ['Date','Open','High','Low','Close'] inplace : 원본수정 axis : 축 index df.set_index(keys=[k1, k2, ...], inplace=True/False, drop=True/False) keys=[k1, k2, ...] inplace=True/False drop=True/False True --> set_index의 key에 사용된 column을 index로 옮기고 column에서 삭제 False..

# 동별 0세~100세이상 칼럼만 추출 # 기준동 제외 조건 전체연령 = j.loc[ ~j["시군구"].str.endswith("독산제1동") , "2021년12월_계_0세":"2021년12월_계_100세 이상"] #전체연령의 index는 순차번호 최소연령별차이제곱의합 = 999999999999999 최소연령별차이제곱의합idx = -1 # 전체연령의 모든 행을 반복 for idx in 전체연령.index: #idx번째 행 추출 연령별차이제곱의합 = ((독산제1동연령 - 전체연령.loc[idx, :] )**2).loc[296].sum() if 연령별차이제곱의합 < 최소연령별차이제곱의합: 최소연령별차이제곱의합 = 연령별차이제곱의합 최소연령별차이제곱의합idx = idx print("최소연령별차이제곱의합",최소..

조건 조건에 맞는 값 변경조건값 # grades 값이 80 이라면 result 는 'B' df.loc[df['grades'] == 80, 'result'] = 'B' # result 값이 'A' 나 'B' 가 아니라면 result 는 'F’ df.loc[df['result'] != ('A' or 'B') , 'result'] = 'F’ 조건값 df[~df['컬럼명'].isin(['값','값2'])] # 반대 조건 df[~df['컬럼명'].isin(['값','값2'])] 날짜형식으로 변경 pd.to_datetime order_all['delivered_date']=pd.to_datetime(order_all['delivered_date']) 연도 추출 df['year'] = pd.DatetimeIndex(..