HappyWeasel

상속 test test span dummy span p test 위의 코드와 같이 css 코드의 selector(선택자)에 상속 범위를 지정할 수 있다. 나열하는 방식 위와 같이 div ul span{ ... } 직계 자식만 적용하는 방식 div > ul { ... } ul의 하위 자식은 영향을 받지 않는다. 상위에서 적용한 스타일은 하위에도 반영된다. 하지만 모든 CSS 속성이이런 특징을 갖게 되면, 몇몇의 문제가 생긴다. 예를 들면 width 속성이 상속되면 하위 엘리먼트가 모든 같은 크기의 넓잇값을 가질 수 있다. 그래서 box-model(width, height, margin, padding, border)과 같이 크기와 배치 관련 된 속성들은 하위 엘리먼트로 상속되지 않는다. 우선순위 css 적..

style을 HTML 페이지에 적용하는 3가지 방법 inline HTML 태그 안에 적용 다른 CSS 파일에 적용한 것 보다 우선적으로 적용된다. internal style 태그로 지정한다. 구조와 스타일이 섞이기 때문에 유지보수가 어렵다. 별도의 CSS파일을 관리하지 않아도 되며 서버에 CSS파일을 부르기 위해 별도의 브라우저가 요청을 보낼 필요가 없다. ... external 외부의 css 파일을 지정하는 방식이다. css 코드가 길면 해당 방법으로 구현하는 것이 좋다. link 태그로 추가한다. 우선 순위 inline > internal = external

조건으로 검색하기 numpy array와 마찬가지로 masking 연산이 가능하다. import numpy as np import pandas as pd df = pd.DataFrame(np.random.rand(5, 2), columns=["A", "B"]) print(df["A"] 0.3)) ''' 0 False 1 True 2 True 3 True 4 True dtype: bool ''' print(df.query("A 0.3")) ''' A B 1 ..

구조화된 데이터를 효과적으로 처리하고 저장할 수 있는 파이썬 라이브러리. Array 계산에 특화된 numpy를 기반으로 만들어져서 다양한 기능들을 제공한다. Series numpy array가 보강된 형태 Data와 Index를 가지고 있다. 즉, numpy array에 없는 index가 추가 된 것이다. import pandas as pd data = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']) data['b'] # 2 # index가 정수가 아닐 수도 있다. 딕셔너리로 만들 수 있다. population_dict= { 'korea': 5180, 'japan': 12718, 'china': 141500, 'usa': 32676 } population = ..

Numerical Python Python에서 대규모 다차원 배열을 다룰 수 있게 도와주는 라이브러. 파이썬 리스트로도 계산 할 수 있지만 numpy는 list에 비해서 빠른 연산을 지원하고 메모리를 효율적으로 사용한다. 리스트와 다르게 array는 단일 타입으로 구성된다. list(range(10)) # [0,1,2,3,4,5,6,7,8,9] import numpy as np np.array([1,2,3,4,5]) #리스트를 array로 변환 #array([1,2,3,4,5]) 배열 만들기 np.array([1, 2, 3, 4, 5]) # array([1, 2, 3, 4, 5]) np.array([3, 1.4, 2, 3, 4]) # array([3. , 1.4 , 2. , 3. , 4.]) # 리스트 ..

words = ['real', 'man', 'rhythm'] r_words = [word for word in words if word.startwith('r')] # filter를 사용 def starts_with_r(word): return word.startswith('r') #lambda 사용 starts_with_r = lambda word: word.startswith('r') # starts_with_r 함수의 return 값이 True만 가져온다. r_words = filter(starts_with_r, words) filter도 map과 동일하게 연산을 하겠다고 약속만 한 상태이다. # CSV 모듈을 임포트합니다. import csv def get_titles_of_long_books(b..

def get_eng_title(row) split = row.split(',') return split[1] #row마다 get_eng_title 함수를 돌면서 return 데이터를 eng_title에 저장한다. eng_title = map(get_eng_title, movies) # lambda 이용 eng_title = map( lambda row: row.split(',')[1] movies ) map의 장점 map은 실제로 리스트 결과를 가지고 있는 것이 아니라 map이라는 object만 가지고 있다. 계산을 하겠다고 약속만 한 상태이다. 사용자가 해당 결과가 필요할 때 계산 후 결과를 알려준다. 이에 대한 이점으로 미리 계산을 하지 않으므로 결과가 필요없으면 시간 소요x, 메모리 낭비 x # ..

def square(x): return x * x # 위와 동일 square = lambda x: x * x def get_eng_title(row): split = row.split(',') return split[1] sorted(movies, key=get_eng_title) #위와 동일 get_eng_title = lambda row: row.split(',')[1] sorted(movies, key=get_eng_title) #위와 동일 sorted(movies, key=lambda row: row.split(',')[1]) #assert def square1(x): return x * x square2 = lambda x: x * x # 두 값이 같으면 통과(True), 아니면 에러(False..