2022년 파이썬 입문 중간고사 예상유형
import numpy as np
import matplotlib.pyplot as plt
(1) 리스트의 *연산자를 이용하여 길이가 10이고 모든원소가 1인 리스트를 선언하라.
[1]*10
(2) 튜플언패킹을 이용하여 아래를 한줄로 처리하는 코드를 작성하라.
a=1
b=2.33
c='guebin'
a,b,c = 1,2.33,'guebin'
(3) 길이가 1인 튜플을 만들어 자신의 학번을 저장하라.
(43052,)
(4) 아래와 같은 문자열의 마지막원소를 출력하는 코드를 작성하라.
test_str = 'guebin'
test_str = 'guebin'
test_str[-1]
(5) 본인 학번을 이용하여 random seed 를 설정하라. 평균이 0, 분산이 1인 정규분포에 10000개의 값을 추출한뒤 값이 1.96보다 큰 경우가 몇개 있는지 세어보라.
hint: 본인학번이 202143052인 경우 아래와 같이 설정
np.random.seed(202143052)
np.random.seed(202143052)
sum(np.random.randn(10000) > 1.96)
(6) 아래와 같은 array의 shape을 (4,3)으로 수정하는 코드를 작성하라.
test_arr = np.arange(12)
test_arr = np.arange(12)
test_arr.reshape(4,3)
(1) ${\bf x}=(x_1,\dots,x_{100})$를 표준정규분포에서 서로독립인 100개의 난수를 생성하여 만든 길이가 100인 vector라고 하자.
(a) $\sum_{i=1}^{100} x_i^2$ 를 계산하라.
(b) $y_k = \sum_{i=1}^{k}x_i$를 만족하는 ${\bf y}=(y_1,y_2,\dots,y_{100})$를 생성하라.
x=np.random.randn(100)
sum(x**2)
x.cumsum()
(2) $i=1,2,\dots,1000$에 대하여 $(\cos(t_i) ,\sin(t_i))$를 시각화하는 코드를 작성하라. 단 $t_i=\frac{2\pi i }{1000}$.
t=np.arange(1,1001)*2*np.pi/1000
plt.plot(np.cos(t),np.sin(t))
(3) 아래의 문자열에서 W가 몇개 들어 있는지 세는 코드를 작성하라.
test_str = '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'
test_str = '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'
test_str.count("W")
list(test_str).count("W")
(4) 블록대각행렬의 구현: 입력과 출력이 아래의 예시와 같은 함수를 구현하라.
### 예시1
입력: (2,3)
출력:
1 1 0 0 0
1 1 0 0 0
0 0 1 1 1
0 0 1 1 1
0 0 1 1 1### 예시2
입력: (2,2,3)
출력:
1 1 0 0 0 0 0
1 1 0 0 0 0 0
0 0 1 1 0 0 0
0 0 1 1 0 0 0
0 0 0 0 1 1 1
0 0 0 0 1 1 1
0 0 0 0 1 1 1def f(arr):
arr2 = np.cumsum(arr)
bmat = np.zeros([sum(arr) ,sum(arr) ])
a,b=0,0
for i in arr2:
b=i
bmat[a:b,a:b] = np.ones(b-a)
a=i
return bmat
f([3,2,2])
(1) 아래는 python을 설치하는 방법을 소개한 url 이다. 직접 url에 들어가서 설치하는 방법을 읽어보고 곤이, 철용, 아귀, 짝귀 중 옳은말을 한 사람을 모두 골라라.
(곤이) 해당 방법은 아나콘다를 이용하지 않고 파이썬을 설치하는 방법이다.
(철용) 그래서 이 방법으로는 가상환경을 만들 수 없겠군.
(아귀) 위 url에 제시된 방법으로 설치하면 항상 *.py을 만들어야만 파이썬코드를 실행할 수 있다는 단점이 있다.
(짝귀) 위 url은 IDE의 선택에 대하여 서술하고 있다.
답: 곤이, 철용
(2) 아래를 보고 적절한 설명을 한 사람을 골라라.
import pandas as pd
pd?
Type: module
String form: <module 'pandas' from '/home/cgb2/anaconda3/envs/py39/lib/python3.9/site-packages/pandas/__init__.py'>
File: ~/anaconda3/envs/py39/lib/python3.9/site-packages/pandas/__init__.py
Docstring:
pandas - a powerful data analysis and manipulation library for Python
=====================================================================
**pandas** is a Python package providing fast, flexible, and expressive data
structures designed to make working with "relational" or "labeled" data both
easy and intuitive. It aims to be the fundamental high-level building block for
doing practical, **real world** data analysis in Python. Additionally, it has
the broader goal of becoming **the most powerful and flexible open source data
analysis / manipulation tool available in any language**. It is already well on
its way toward this goal.
Main Features
-------------
Here are just a few of the things that pandas does well:
- Easy handling of missing data in floating point as well as non-floating
point data.
- Size mutability: columns can be inserted and deleted from DataFrame and
higher dimensional objects
- Automatic and explicit data alignment: objects can be explicitly aligned
to a set of labels, or the user can simply ignore the labels and let
`Series`, `DataFrame`, etc. automatically align the data for you in
computations.
- Powerful, flexible group by functionality to perform split-apply-combine
operations on data sets, for both aggregating and transforming data.
- Make it easy to convert ragged, differently-indexed data in other Python
and NumPy data structures into DataFrame objects.
- Intelligent label-based slicing, fancy indexing, and subsetting of large
data sets.
- Intuitive merging and joining data sets.
- Flexible reshaping and pivoting of data sets.
- Hierarchical labeling of axes (possible to have multiple labels per tick).
- Robust IO tools for loading data from flat files (CSV and delimited),
Excel files, databases, and saving/loading data from the ultrafast HDF5
format.
- Time series-specific functionality: date range generation and frequency
conversion, moving window statistics, date shifting and lagging.(로이) pd?이 실행된 결과를 살펴보니 사용자가 pandas라는 이름의 패키지를 설치했거나 본인이 pandas라는 이름의 폴더를 만들어 ~/anaconda3/envs/py39/lib/python3.9/site-packages에 넣었다고 볼 수 있겠군.
(이서) 네, 따라서 앞으로 pandas 패지키에 포함된 모든 함수를 이용하기 위해서는 pandas. 를 앞에 붙이고 사용하시면 됩니다. 예를들어 pandas안의 concat()함수를 사용하고 싶다면 pandas.concat()과 같은 형식으로요.
(일권) 이서말도 맞지만 아래와 같이 선언한다면 pandas.concat() 대신에 그냥 concat() 만으로도 사용할 수 있어.
import pandas as pd
from pd import concat
(현이) pd?의 실행결과 Docstring:이 있는것으로 보아 __init__.py상단에 아래와 같은 내용이 있음을 유추할 수 있어.
pandas - a powerful data analysis and manipulation library for Python
=====================================================================
...
(중략)
...
- Time series-specific functionality: date range generation and frequency
conversion, moving window statistics, date shifting and lagging.답: 로이, 현이
- 모든 문항은 부분점수 없이 채점합니다.
- 코드구현 I은 문제의 조건을 준수하여 구현해야 하는 유형입니다. 조건을 무시하고 구현할시 0점처리합니다.
- 예를들어 문제 1-(1) 의 경우 [1,1,1,1,1,1,1,1,1,1] 와 같이 리스트를 선언하면 0점 처리됩니다.
- 코드구현 II는 자유롭게 코드를 구현해도 괜찮은 유형입니다.
- 문제 3-(1)의 경우 영어로 된 url이 나올 수 있습니다.
- 실제시험은 예상유형의 문항수보다 많습니다.
- 예상유형과 똑같은 문제는 시험에 출제되지 않습니다.