반응형

1. 시험환경

    · 윈도우

    · 파이썬

    · vsCode

 

2. 목적

    · 파이썬 개발환경에서 가상환경 초기화 하는 방법을 알아보자.

    · 가상환경 활성화/비활성화 방법을 알아보자.

    · 가상환경에서 설치한 패키지를 리스트 목록으로 저장한다.

 

3. 적용

    ① 가상환경 생성

        - 명령어 : python -m venv [가상환경이름]

가상환경 초기화
가상환경 폴더 생성

 

    ② 가상환경 활성화/비활성화 명령어를 실행한다.

        - 활성화 명령어 : ./[가상환경이름]/Scripts/activate.bat

        - 비활성화 명령어 : ./[가상환경이름]/Scripts/deactivate.bat

 

    ③ 설치된 패키지 목록을 txt 파일로 저장한다.

        -  명령어 : pip freeze > requirements.txt

프로젝트에 필요한 패키지 설치 후 패키지 목록 저장
패키지 목록 저장 결과

 

    ④ 패키지 목록이 저장된 txt파일은 다른 프로젝트에서 동일한 패키지/버전으로 복원할 수 있다.

        -  명령어 : pip install -r requirements.txt

반응형
저작자표시

'파이썬' 카테고리의 다른 글

파이썬을 이용한 wordpress(워드프레스) 자동 포스팅  (0) 2024.11.26
유튜브 자막추출 파이썬 코드 (feat. yotube_transcript_api 라이브러리)  (5) 2024.09.07
텍스트 음성변환(SST; SpeechToText) 파이썬 코드  (1) 2024.09.07
numpy 사용법 기초 (2/2)  (6) 2024.09.07
numpy 사용법 기초 (1/2)  (2) 2024.09.07
반응형

1. 시험환경

    · wordpress(워드프레스)

    · python(파이썬)

 

2. 목적

    · 워드프레스에 글을 자동으로 포스팅하기 위한 파이썬 프로그램을 작성한다.

    · 글 자동 발행을 위한 워드프레스 설정을 알아보자.

 

3. 적용

    ① LocalPC 설치 또는 호스팅 업체를 통한 설치 등 워드프레스가 설치되어 있어야 한다.

        - LocalPC 설치 참고: https://languagestory.tistory.com/327

 

Docker 기반 워드프레스 초기 설치

1. 시험환경    ˙ 윈도우 11    ˙ MySQL 5.7    ˙ Docker, Docker-Compose 2. 목적    ˙ 도커, 도커컴포즈 기반으로 워드프레스를 설치한다.    ˙ DB 및 Wordpress 데이터를 로컬 드라이브에 별도로 저장한

languagestory.tistory.com

 

    ② 워드프레스 설치시 입력한 관리자 계정으로 로그인하여 관리자 대시보드에 접속한다.

        - https://<<워드프레스주소>>/wp-admin

 

    ③ 관리자 대시보드 → [설정]  →  [고유주소]  → "글 이름"으로 변경한다.

 

    ④ 브라우저 또는 Postman 등에서 URL 호출 하면, 반드시 JSON 형식의 매우 복잡한 데이터가 응답되어야 한다.

        - http://<<워드프레스 주소>>/wp-json/wp/v2/posts

 

 

    ⑤ 글 발행을 위한 파이썬 프로그램을 작성 후 실행한다.

        - WP_URL : 본인의 워드프레스 URL주소(443포트인 경우 https, 그 외의 경우 https)

        - WP_USER : 워드프레스 사용자 ID

        - WP_PASSWORD : 워드프레스 사용자 PW

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
import requests
from requests.auth import HTTPBasicAuth
 
# 워드프레스 API 설정
WP_URL = "http://<<워드프레스주소>>/wp-json/wp/v2/posts"  # 워드프레스 REST API URL
WP_USER = "<<wordpress-user-id>>"   # 워드프레스 사용자 이름
WP_PASSWORD = "<<wordpress-user-pw>>"  # 애플리케이션 비밀번호
 
def create_post(title, content, categories=None, tags=None, status="publish"):
    """
    워드프레스에 게시글을 작성하는 함수.
    
    :param title: 게시글 제목
    :param content: 게시글 내용 (HTML 지원)
    :param categories: 카테고리 ID 리스트 (선택 사항)
    :param tags: 태그 ID 리스트 (선택 사항)
    :param status: 게시글 상태 ("publish", "draft" 등)
    :return: API 응답 데이터
    """
    headers = {
        "Content-Type": "application/json"
    }
 
    data = {
        "title": title,
        "content": content,
        "status": status,
    }
    
    if categories:
        data["categories"] = categories
    if tags:
        data["tags"] = tags
 
    response = requests.post(
        WP_URL,
        headers=headers,
        json=data,
        auth=HTTPBasicAuth(WP_USER, WP_PASSWORD)
    )
 
    if response.status_code in [200, 201]:
        print("게시글이 성공적으로 작성되었습니다!")
        return response.json()
    else:
        print(f"오류 발생: {response.status_code}")
        print(response.json())
        return None
 
 
# 게시글 작성
if __name__ == "__main__":
    title = "테스트 게시글 제목"
    content = "<p>이것은 테스트 게시글의 내용입니다.</p>"
    
    # 카테고리와 태그 ID는 워드프레스 관리 패널에서 확인 가능
    categories = [1]  # 예: "뉴스" 카테고리
    tags = [3, 5]     # 예: "Python", "자동화" 태그
 
    post_response = create_post(title, content, categories, tags)
    if post_response:
        print("게시글 URL:", post_response.get("link"))
 
 cs

 

4. 결과

    · 파이썬 프로그램을 통해 포스팅이 작성된 것을 확인한다.

 

 

 

반응형
저작자표시

'파이썬' 카테고리의 다른 글

파이썬 가상환경(venv) 설정 및 사용법  (1) 2024.12.15
유튜브 자막추출 파이썬 코드 (feat. yotube_transcript_api 라이브러리)  (5) 2024.09.07
텍스트 음성변환(SST; SpeechToText) 파이썬 코드  (1) 2024.09.07
numpy 사용법 기초 (2/2)  (6) 2024.09.07
numpy 사용법 기초 (1/2)  (2) 2024.09.07
반응형

1. 시험환경

    · 파이썬

    · yotube_transcript_api 라이브러리

 

2. 목적

    · 파이썬을 이용하여 YouTube 특정 동영상의 자막을 가져오는 코드를 작성한다.

 

3. 적용

    ① ID로 식별된 특정 유튜브의 자막을 추출하여 파일로 저장하는 프로그램이다.

1
2
3
4
5
6
7
8
9
from youtube_transcript_api import YouTubeTranscriptApi
 
video_id="유튜브_동영상_ID_입력"
 
srt = YouTubeTranscriptApi.get_transcript(video_id, languages=['ko'])
 
with open("script.txt", "w", encoding="utf-8") as f:
    for i in srt:
        f.write("{}\n".format(i["text"]))
 cs

 

 

    ② 유튜브 동영상 ID는 URL에서 "v"에 매핑된 값이다.

반응형
저작자표시

'파이썬' 카테고리의 다른 글

파이썬 가상환경(venv) 설정 및 사용법  (1) 2024.12.15
파이썬을 이용한 wordpress(워드프레스) 자동 포스팅  (0) 2024.11.26
텍스트 음성변환(SST; SpeechToText) 파이썬 코드  (1) 2024.09.07
numpy 사용법 기초 (2/2)  (6) 2024.09.07
numpy 사용법 기초 (1/2)  (2) 2024.09.07
반응형

1. 시험환경

    · Python

    · speech_recognition 라이브러리

 

2. 목적

    · 컴퓨터 마이크 음성 또는 음성파일을 Text로 변환하는 파이썬 코드를 작성한다.

 

3. 적용

    ① 텍스트 음성변환(SST; SpeechToText) 파이썬 코드이다.

        - 입력데이터 : 마이크 또는 음성 파일

        - 지원언어에 따라 en-US(영어) 또는 ko(한국어)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import speech_recognition as sr
 
rcg = sr.Recognizer()
# Mike 입력
with sr.Microphone() as source:
    print('ready...')
    speech = rcg.listen(source)
 
'''
# 파일(wav, aiff, flac) 입력
with sr.AudioFile('speech_ko.wav') as source:
    speech = rcg.record(source)
'''
 
try:
    #text = rcg.recognize_google(speech, language='en-US')
    text = rcg.recognize_google(speech, language='ko')
    
    # 음성 데이터를 콘솔 텍스트로 출력한다.
    print(text)
except sr.UnknownValueError:
    print('UnknownValue')
except sr.RequestError as e:
    print('RequestError : {0}'.format(e))
 cs

 

반응형
저작자표시

'파이썬' 카테고리의 다른 글

파이썬을 이용한 wordpress(워드프레스) 자동 포스팅  (0) 2024.11.26
유튜브 자막추출 파이썬 코드 (feat. yotube_transcript_api 라이브러리)  (5) 2024.09.07
numpy 사용법 기초 (2/2)  (6) 2024.09.07
numpy 사용법 기초 (1/2)  (2) 2024.09.07
wxPython 라이브러리 설치 및 기본 사용법  (1) 2024.09.07
반응형

1. numpy 자료형

    ① 종류

        - i : integer

        - u : unsigned integer

        - f : single precision float

        - d : double precision float

        - b : bool

        - D : complex

        - S : string

        - U : Unicode

 

    ② 정수형 (int : integer)

        - 부호 있는 정수형 : int8, int16, int32, int 64

        - 부호 없는 정수형 : uint8, uint16, uint32, uint64

 

    ③ 복소수 (complex)

        - complex64 : 두 개의 32bit float형으로 실수와 허수부 구성

        - complex128 : 두 개의 64bit float형으로 실수와 허수부 구성

 

    ④ 특징

        - numpy 배열의 모든 요소는 동일한 자료형으로 구성된다.

        - 각각의 자료형은 다른 자료형으로 변환할 수 있는 함수를 제공한다.

        - 복소수를 정수 또는 실수형으로 변환할 수 없다.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# .int_()
 
>>> a = np.int_( [1, 2, 3, 4, 5] )
>>> a
array([1, 2, 3, 4, 5])
 
>>> type(a)
<class 'numpy.ndarray'>
 
>>> a.dtype
dtype('int32')
 
# _를 하지않고 하면
>>> b = np.int( [1, 2, 3, 4, 5] )
Traceback (most recent call last):
  File "<pyshell#21>", line 1, in <module>
    b = np.int( [1, 2, 3, 4, 5] )
TypeError: int() argument must be a string, a bytes-like object or a number, not 'list'
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
# .int()
 
# int 사용이 안되는건 아님.
>>> b = np.int(190)
>>> b
190
 
>>> type(b)
<class'int'>
 
>>> b.dtype
Traceback (most recent call last):
  File "<pyshell#32>", line 1, in <module>
    b.dtype
AttributeError: 'int' object has no attribute 'dtype'
 
>>> c = int(111)
>>> c
111
 
>>> type(c)
<class 'int'>
 
>>> c.dtype
Traceback (most recent call last):
  File "<pyshell#39>", line 1, in <module>
    c.dtype
AttributeError: 'int' object has no attribute 'dtype'
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
# .float_()
 
# float_로 실수 지정
>>> x = np.float_(4)
>>> x
4.0
 
>>> x.dtype
dtype('float64')
 
# float32로 지정
>>> x = np.float32(99)
>>> x
99.0
 
>>> x.dtype
dtype('float32')
 
>>> type(x)
<class 'numpy.float32'>
 
 
# float_ 배열 생성
>>> ar = np.float_( [1, 2, 3, 4, 5] )
>>> ar
array([1., 2., 3., 4., 5.])
 
>>> ar.dtype
dtype('float64')
 
>>> ar = np.float( [1, 2, 3, 4, 5] )
Traceback (most recent call last):
  File "<pyshell#39>", line 1, in <module>
    ar = np.float( [1, 2, 3, 4, 5] )
TypeError: float() argument must be a string or a number, not 'list'
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
# dtype=np.데이터타입
 
# 타입 지정1
>>> ar1 = np.arange( 10, dtype=np.uint8 )
>>> ar1
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint8)
 
>>> ar1.dtype
dtype('uint8')
 
# 타입 지정2
>>> ar2 = np.arange( 10, dtype="uint8" )
>>> ar2
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint8)
 
>>> ar2.dtype
dtype('uint8')
 
# 타입 지정3
>>> ar3 = np.arange( 10, dtype='u' )
Traceback (most recent call last):
TypeError: data type "u" not understood
 
>>> ar3 = np.arange( 10, dtype='u8' )
>>> ar3
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint64)
 
>>> ar3.dtype
dtype('uint64')
 
>>> ar3 = np.arange( 10, dtype='u4' )
>>> ar3
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint32)
 
>>> ar3 = np.arange( 10, dtype='u2' )
>>> ar3
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint16)
 
>>> ar3 = np.arange( 10, dtype='u1' )
>>> ar3
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint8)
 
>>> ar3 = np.arange( 10, dtype='<u1' )
>>> ar3
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint8)
>>> ar3 = np.arange( 10, dtype='>u1' )
>>> ar3
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint8)
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
# 자료형 확인 - np.issubdtype
>>> ar = np.arange( 10, dtype=np.uint32 )
>>> ar
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint32)
 
>>> ar1 = ar.astype( np.float64 )
>>> ar1
array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])
 
>>> ar1.dtype
dtype('float64')
 
>>> ar
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint32)
 
>>> ar1
array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])
 
>>> np.issubdtype( ar.dtype, np.integer )
True
 
>>> np.issubdtype( ar.dtype, np.float )
Warning (from warnings module):
  File "<pyshell#260>", line 1
In future, it will be treated as `np.float64 == np.dtype(float).type`.
False
 
>>> np.issubdtype( ar.dtype, np.floating )
False
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# int, float, str 자료형 변환
>>> ar = np.arange( 10, dtype=np.uint8 )
>>> ar
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint8)
 
>>> ar.dtype
dtype('uint8')
 
>>> ar1 = ar.astype( int )
>>> ar1
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
 
>>> ar1.dtype
dtype('int32')
 
>>> ar2 = ar.astype( float )
>>> ar2
array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])
 
>>> ar2.dtype
dtype('float64')
 cs

 

2. 인덱싱: 배열 요소 참조

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 기본 인덱싱
>>> ar = np.arange(10)
>>> ar
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> 
>>> ar[ 4 : 7 ]
array([4, 5, 6])
 
# 범위를 지정한 요소들의 값을 한번에 변경.
>>> ar[ 4:7 ] = 0
>>> ar
array([0, 1, 2, 3, 0, 0, 0, 7, 8, 9])
 
# [ : ]
>>> ar[ : ]
array([0, 1, 2, 3, 0, 0, 0, 7, 8, 9])
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
# 2차원 배열 부터는 조금 헤갈림.
# 1차원 배열과는 달리 , 좌우로 행, 열로 분리.
>>> arar = np.array( [[1, 2, 3], [4, 5, 6], [7, 8, 9]] )
>>> arar
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
 
>>> ar25size = np.arange(1, 26).reshape(5, 5)
>>> ar25size
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
# 3행(인덱스)만 출력하는 방법
>>> ar25size[ 3, : ]
array([16, 17, 18, 19, 20])
 
>>> print( ar25size[ 3, : ] )
[16 17 18 19 20]
 
>>> ar25size[ 3,  ]
array([16, 17, 18, 19, 20])
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
# 24를 출력하시오?
# 13을 출력하시오?
>>> ar25size
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
>>> ar25size[ 4, 3 ]
24
 
>>> ar25size[ 2, 2 ]
13
 
# 17, 18, 19를 출력하시오?
# 22, 23을 출력하시오?
>>> ar25size
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
>>> ar25size[ 3, 1:4 ]
array([17, 18, 19])
 
>>> ar25size[ 4, 1:3 ]
array([22, 23])
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# 2행만 출력하시오?  11 12 13 14 15
>>> ar25size
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
>>> ar25size[ 2 : 3 ]
array([[11, 12, 13, 14, 15]])
 
# 2, 3행 두행을 출력하시오?
>>> ar25size[ 2 : 4 ]
array([[11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20]])
 
# 2, 3, 4행을 출력하시오?
>>> ar25size[ 2 : 5 ] 
array([[11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
>>> ar25size[ 2 :   ] #이것도 위와 동일!
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# 4행만 출력하시오? (다양한 방법으로 출력)
>>> ar25size
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
>>> ar25size[ 4 ]
array([21, 22, 23, 24, 25])
 
>>> ar25size[ 4, : ]
array([21, 22, 23, 24, 25])
 
>>> ar25size[ 4,  ]
array([21, 22, 23, 24, 25])
 
>>> ar25size[ -1 ]
array([21, 22, 23, 24, 25])
 
>>> ar25size[ -1, : ]
array([21, 22, 23, 24, 25])
 
>>> ar25size[ -1,  ]
array([21, 22, 23, 24, 25])
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# 역인덱스
>>> ar25size
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
>>> ar25size[ -1 ]
array([21, 22, 23, 24, 25])
 
>>> ar25size[ -2 ]
array([16, 17, 18, 19, 20])
 
>>> ar25size[ -3 ]
array([11, 12, 13, 14, 15])
 
>>> ar25size[ -4 ]
array([ 6,  7,  8,  9, 10])
 
>>> ar25size[ -5 ]
array([1, 2, 3, 4, 5])
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# 열(Column) 기준으로 인덱싱
# 각 행의 2열 값만 출력하시오?
# 3, 8, 13, 18, 23
>>> ar25size
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
>>> ar25size[ : , 2 ]
array([ 3,  8, 13, 18, 23])
 
>>> ar25size[    , 2 ]
SyntaxError: invalid syntax
 
# 각 행의 4열 값만 출력하시오?
>>> ar25size[ : , 4 ]
array([ 5, 10, 15, 20, 25])
 
>>> ar25size[ : , -1 ]
array([ 5, 10, 15, 20, 25])
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# 열(Column) 기준 역인덱싱
>>> ar25size
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
>>> ar25size[ : , -1 ]
array([ 5, 10, 15, 20, 25])
 
>>> ar25size[ : , -2 ]
array([ 4,  9, 14, 19, 24])
 
>>> ar25size[ : , -3 ]
array([ 3,  8, 13, 18, 23])
 
>>> ar25size[ : , -4 ]
array([ 2,  7, 12, 17, 22])
 
>>> ar25size[ : , -5 ]
array([ 1,  6, 11, 16, 21])
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 3미만인 열(인덱스)의 값을 출력?
# 먼저 배열에서 어떤 부분을 출력하는지 파악!
>>> ar25size
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
>>> ar25size[  : ,  :3 ] #미만은 3이 포함 안됨.
array([[ 1,  2,  3],
       [ 6,  7,  8],
       [11, 12, 13],
       [16, 17, 18],
       [21, 22, 23]])
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 3미만인 열(인덱스)의 값을 출력?
# 먼저 배열에서 어떤 부분을 출력하는지 파악!
>>> ar25size
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
>>> ar25size[  : ,  :3 ] #미만은 3이 포함 안됨.
array([[ 1,  2,  3],
       [ 6,  7,  8],
       [11, 12, 13],
       [16, 17, 18],
       [21, 22, 23]])
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# 2, 3, 4, 7, 8, 9 값을 0으로 채우시오?
>>> ar25size
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
 
# 먼저 해당 부분만 출력.
>>> ar25size[   :2   ,   1:4   ]
array([[2, 3, 4],
       [7, 8, 9]])
 
# 그리고 0으로 입력.
>>> ar25size[ :2 , 1:-1 ] = 0
>>> ar25size
array([[ 1,  0,  0,  0,  5],
       [ 6,  0,  0,  0, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 cs

 

3. View

    ① 개요

        - 기본적인 인덱싱으로 넘파이 배열에 대한 뷰(View)를 만들 수 있다.

        - ‘뷰’란 원본 배열의 일부분에 접근하기 위해서 만든 하나의 작은 배열 개념으로 보면 된다.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# [][] 방법으로 색인
 
>>> ar30size
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12],
       [13, 14, 15, 16, 17, 18],
       [19, 20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29, 30]])
 
>>> ar30size[0]
array([1, 2, 3, 4, 5, 6])
 
>>> ar30size[2]
array([13, 14, 15, 16, 17, 18])
 
>>> ar30size[4]
array([25, 26, 27, 28, 29, 30])
 
>>> ar30size[-1]
array([25, 26, 27, 28, 29, 30])
 
>>> ar30size[4][4]
29
 cs

 

        - 메모리상에 ‘뷰’를 위한 원본 배열의 사본을 만들지 않기 때문에 ‘뷰’ 자체는 아무리 많이 만들어도 괜찮다.

        - ‘뷰’ 자체를 만든 정도의 메모리 사용량만 늘어날 뿐이다.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# # [][] 방법으로 8~12 요소들만 출력하시오?
 
>>> ar25size
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12],
       [13, 14, 15, 16, 17, 18],
       [19, 20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29, 30]])
 
>>> ar25size[ 1 ][ 1: ]
array([ 8,  9, 10, 11, 12])
 
>>> ar25size[ -1 ][ 2:5 ] #27 28 29
array([27, 28, 29])
 
 cs

 

        - ‘뷰’를 통해서 원본 배열의 일부분을 수정하게 되면 원본에도 영향을 끼치기 때문에 원본의 요소도 변경된다는 것을 주의하자!

        - 따라서 ‘뷰’는 단순히 어떤 원본 배열의 일부분을 보기(=접근하기, 참조하기)위한 ‘뷰’일 뿐이다. 라는 생각을 잊지말자!

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# a 변수에 담아서 값을 변경해보시오?
>>> ar30size
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12],
       [13, 14, 15, 16, 17, 18],
       [19, 20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29, 30]])
 
 
>>> a = ar25size[-1][ 2:5 ]
>>> a
array([27, 28, 29])
 
>>> a[-1] = 0
>>> a
array([27, 28,  0])
 
>>> ar30size
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12],
       [13, 14, 15, 16, 17, 18],
       [19, 20, 21, 22, 23, 24],
       [25, 26, 27, 28,  0, 30]])
 cs

 

4. numpy 고유 인덱싱 방법

    ① 개념

        - 예를 들어, [ 1, 1: ]와 같이 배열 요소에 접근하는 방식이 넘파이 고유 인덱싱 방식이다.

        - 파이썬 중첩 리스트에서는 이와 같은 방식으로 요소에 접근하면 에러가 발생한다.

1
2
3
4
5
6
7
8
9
>>> ar30size
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12],
       [13, 14, 15, 16, 17, 18],
       [19, 20, 21, 22, 23, 24],
       [25, 26, 27, 28,  0, 30]])
 
>>> ar30size[ 1, 1: ]
array([ 8,  9, 10, 11, 12])
 cs

 

        - 파이썬 배열 접근과 넘파이가 지정된 요소에 접근하는 방식을 구별하여 사용한다.

        -  넘파이 고유 인덱싱 방식이 더 빠르기 때문에 가능한 넘파이 고유 방식을 사용한다.

1
2
3
4
5
6
7
8
9
10
11
12
>>> ar2d_np = np.array( [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]] )
 
>>> ar2d_np
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10]])
 
>>> ar2d_np = np.array( [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]] )
 
>>> ar2d_np
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10]])
 
 cs

 

 

    ② 짝수 또는 홀수 행렬 출력

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# for문을 이용하여 홀수행만 출력
>>> ar30size = np.arange(1, 31).reshape(5, 6)
>>> ar30size
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12],
       [13, 14, 15, 16, 17, 18],
       [19, 20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29, 30]])
 
>>> for i in range(5):    # 5 대신 ar30size[ ar30size.shape[0] ]
    if i % 2 == 0:
       print( ar30size[i] )
 
[1 2 3 4 5 6]
[13 14 15 16 17 18]
[25 26 27 28 29 30]
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# for문을 이용하여 홀수열만 출력
>>> ar30size = np.arange(1, 31).reshape(5, 6)
>>> ar30size
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12],
       [13, 14, 15, 16, 17, 18],
       [19, 20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29, 30]])
 
>>> for i in range(5):            # 5 대신 ar30size[ ar30size.shape[0] ]
    for j in range(6):         # 6 대신 ar30size[ ar30size.shape[1] ]
        if j % 2 == 0:
            print( ar30size[i][j], end=‘ ‘ )
    print()
 
1 3 5 
7 9 11 
13 15 17 
19 21 23 
25 27 29
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# for문 대신 numpy 방식으로 출력
 
>>> ar30size
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12],
       [13, 14, 15, 16, 17, 18],
       [19, 20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29, 30]])
 
# 홀수 행만 출력
>>> ar30size[ : : 2 ]
array([[ 1,  2,  3,  4,  5,  6],
       [13, 14, 15, 16, 17, 18],
[25, 26, 27, 28, 29, 30]])
 
# 짝수 행만 출력
>>> ar30size[ 1 :  : 2 ]
array([[ 7,  8,  9, 10, 11, 12],
       [19, 20, 21, 22, 23, 24]])
 
>>> ar30size[ : : 3 ]
array([[ 1,  2,  3,  4,  5,  6],
       [19, 20, 21, 22, 23, 24]])
 
 cs

 

5. Broadcasting

    ① 개요

        - umpy에서는 형상(모양)이 다른 배열간의 연산을 효율적으로 그리고 빠르게 처리하기 위해서 형상(모양)을 맞춰서 연산시키려 한다.

        - 이러한 것을 배열 연산을 위한 ‘확장’이라고 표현하며 브로드캐스팅 처리라고 한다.

        - 즉, 넘파이 내부에서 형상(모양)이 다른 배열간의 효율적인 연산을 처리하기 위해서 배열의 형상(모양)을 확장시키는 것이다.

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# ndarray에 스칼라(상수) 3 값 더하기
>>> a = np.array( [1, 2, 3, 4, 5] )
>>> a
array([1, 2, 3, 4, 5])
 
>>> a.ndim
1
 
>>> a.shape
(5,)
 
>>> a.size
5
 
# a 배열에 스칼라 3을 더하면?
>>> a + 3
array([4, 5, 6, 7, 8])
 
# 이런 연산이 가능한 이유는
# 넘파이에서 '브로드캐스팅' 처리하여 이러한 계산을 가능하도록 해주기 때문이다.
# '브로드캐스팅'은 넘파이 모듈 내부에서 자동으로 수행되어, 
# 스칼라 3은 넘파이 내부에서 np.array([3, 3, 3, 3, 3])로 확장되어 계산된다.
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# 넘파이는 형상이 다르면 연산이 오류가 발생한다.
>>> a = np.array( [1, 2, 3, 4, 5] )
>>> b = np.array( [1, 2, 3] )
 
>>> a
array([1, 2, 3, 4, 5])
 
>>> b
array([1, 2, 3])
 
>>> a + b
Traceback (most recent call last):
  File "<pyshell#116>", line 1, in <module>
    a + b
ValueError: operands could not be broadcast together with shapes (5,) (3,) 
 
# 앞서의 스칼라 연산하고는 다르게 오류가 발생했다.
# 그럼 스칼라 연산을 다시 해보자.
>>> a + 1
array([2, 3, 4, 5, 6])
 
>>> b + 2
array([3, 4, 5])
 cs

 

    ② 규칙

        - 스칼라 값과의 연산은 브로드캐스팅이 가능하다.

        - 차원이 같거나 어느 한쪽의 배열 크기가 1인 경우(행이든 열이든) 브로드캐스팅이 가능하다.

        - 차원에 대해 축(Axis)의 길이가 동일하다면 브로드캐스팅이 가능하다.

1
2
3
4
5
6
7
8
9
10
>>> a = np.ones( (4, 4) )
>>> b = np.arange(4)
 
>>> # a + b 연산 결과는?
>>> a + b
array([[1., 2., 3., 4.],
       [1., 2., 3., 4.],
       [1., 2., 3., 4.],
       [1., 2., 3., 4.]])
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 브로드캐스팅 기본개념 이해2
>>> a = np.arange(5).reshape(5, 1)
>>> b = np.arange(5)
 
>>> a
array([[0],
       [1],
       [2],
       [3],
       [4]])
 
>>> b
array([0, 1, 2, 3, 4])
 
>>> a + b
array([[0, 1, 2, 3, 4],
       [1, 2, 3, 4, 5],
       [2, 3, 4, 5, 6],
       [3, 4, 5, 6, 7],
      [4, 5, 6, 7, 8]])
 cs

 

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# 브로드캐스팅 기본개념 이해3
>>> a = np.arange(5).reshape(5, 1)
>>> b = np.arange(3)
 
>>> a
array([[0],
       [1],
       [2],
       [3],
       [4]])
 
>>> b
array([0, 1, 2, 3, 4])
>>> 
>>> a + b
 
 cs

 

6. indexing, slicing

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
>>> a = np.array( [1, 2, 3, 4, 5, 6, 7, 8, 9] )
>>> a
array([1, 2, 3, 4, 5, 6, 7, 8, 9])
 
>>> a[ 4 : 8 ]
array([5, 6, 7, 8])
 
>>> a[ 5 : -1 ]
array([6, 7, 8])
 
>>> a[ 1 : 4 : 2 ]
array([2, 4])
 
>>> a[ 3 : 8 : 2 ]
array([4, 6, 8])
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
>>> a = np.arange(1, 10).reshape(3, 3)
>>> a
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
 
 
>>> a[0]
array([1, 2, 3])
 
>>> a[1]
array([4, 5, 6])
 
>>> a[2]
array([7, 8, 9])
 
>>> a[0][1]
2
 
>>> a[2][2]
9
 cs

 

7. 3차원 배열

1
2
3
4
5
6
7
8
9
10
11
12
13
# 3차원 배열 생성
>>> a = np.array([[[1, 2, 3, 4],[1, 2, 3, 4],[1, 2, 3, 4]],[[1, 2, 3, 4],[1, 2, 3, 4],[1, 2, 3, 4]]])
 
>>> a
array([[[1, 2, 3, 4],
         [1, 2, 3, 4],
         [1, 2, 3, 4]],
        [[1, 2, 3, 4],
         [1, 2, 3, 4],
         [1, 2, 3, 4]]])
 
>>> a.shape
(2, 3, 4)
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
# 3차원 배열 인덱싱
 
>>> a = np.arange(27).reshape(3, 3, 3)
 
>>> a
array([[[ 0,  1,  2],
         [ 3,  4,  5],
         [ 6,  7,  8]],
        [[ 9, 10, 11],
         [12, 13, 14],
         [15, 16, 17]],
        [[18, 19, 20],
         [21, 22, 23],
         [24, 25, 26]]])
 
>>> a[0]
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
 
 
>>> a[0, 2]
array([6, 7, 8])
 
 
>>> a[0, 2, -1]
8
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 3차원 배열 슬라이싱
 
>>> a
array([[[ 0,  1,  2],
         [ 3,  4,  5],
         [ 6,  7,  8]],
        [[ 9, 10, 11],
         [12, 13, 14],
         [15, 16, 17]],
        [[18, 19, 20],
         [21, 22, 23],
         [24, 25, 26]]])
 
>>> a[ -1, -1, :2 ]
array([24, 25])
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 3차원 배열 슬라이싱
>>> a = np.arange(1, 51).reshape( _______________ )
 
>>> a
array([[[ 1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10],
        [11, 12, 13, 14, 15],
        [16, 17, 18, 19, 20],
        [21, 22, 23, 24, 25]],
       [[26, 27, 28, 29, 30],
        [31, 32, 33, 34, 35],
        [36, 37, 38, 39, 40],
        [41, 42, 43, 44, 45],
        [46, 47, 48, 49, 50]]])
 
>>>_________________________________________
array([[37, 38, 39],
       [42, 43, 44],
       [47, 48, 49]])
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# (문제) 2차원 배열과 3차원 배열을 각각 arange()로 생성한 후 각 요소들의 값을 for문으로 출력하시오? 이때, 2차원 배열의 요소 수는 25개로 하고 3차원 배열의 요소 수는 60개로 한다.
 
>>> ar2d = np.arange( 1, 26 ).reshape( 5, 5 )
 
>>> ar2d
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])
 
>>> for x_ in range(0, 5):
    for y_ in range(0, 5):
        ar2d[x_][y_] = a[x_][y_]
        print( ar2d[x_][y_], end='\t' )
    print()
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
>>> ar3d = np.arange( 1 , 61 ).reshape( 3, 4, 5 )
>>> ar3d
array([[[ 1,  2,  3,  4,  5],
         [ 6,  7,  8,  9, 10],
         [11, 12, 13, 14, 15],
         [16, 17, 18, 19, 20]],
        [[21, 22, 23, 24, 25],
         [26, 27, 28, 29, 30],
         [31, 32, 33, 34, 35],
         [36, 37, 38, 39, 40]],
        [[41, 42, 43, 44, 45],
         [46, 47, 48, 49, 50],
         [51, 52, 53, 54, 55],
         [56, 57, 58, 59, 60]]])
 
for x_ in range(0, 3):
    for y_ in range(0, 4):
        for z_ in range(0, 5):
         ar3d[x_][y_][z_] = ar3d[x_][y_][z_]
         print( ar3d[x_][y_][z_], end='\t' )
 print()
    print()
 cs

 

반응형
저작자표시

'파이썬' 카테고리의 다른 글

유튜브 자막추출 파이썬 코드 (feat. yotube_transcript_api 라이브러리)  (5) 2024.09.07
텍스트 음성변환(SST; SpeechToText) 파이썬 코드  (1) 2024.09.07
numpy 사용법 기초 (1/2)  (2) 2024.09.07
wxPython 라이브러리 설치 및 기본 사용법  (1) 2024.09.07
우분투(Ubuntu) 환경에서 파이썬 설치 매뉴얼 문서(word)  (0) 2024.06.12
반응형

1. 소개

    ① 개요

    - 넘파이는 Numerical Python의 합성어. (Numerical : 수의, 수와 관련된, 숫자로 나타낸)

    - 이름에서 알 수 있듯이 넘파이는 수와 관련된 부분을 지원하는 라이브러리임을 알 수 있다.

    - 주로 행렬이나 다차원 배열을 쉽게 처리하고 고속의 연산을 수행할 수 있도록 지원하는 파이썬 라이브러리이다.

    - 그러다보니 머신러닝, 딥러닝, 데이터 분석 및 과학 분야에서 많이 사용된다.

 

2. import, version, array, shape

    ① numpy import

1
2
3
# python에서 numpy 임포트 하기
>>> # numpy import
>>> import numpy as np
 cs

 

    ② numpy version 확인

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 2.2.    numpy version 확인
>>> # numpy import
>>> import numpy as np
>>>
>>> np._version_
Traceback (most recent call last):
  File "<pyshell#73>", line 1, in <module>
    np._version_
  File "C:\Users\web\AppData\Local\Programs\Python\Python38\lib\site-packages\numpy\__init__.py", line 219, in __getattr__
    raise AttributeError("module {!r} has no attribute "
AttributeError: module 'numpy' has no attribute '_version_'
>>> 
>>> np.__version__
'1.18.5'
>>>
 cs

 

    ③ np.array를 이용하여 numpy array 생성

1
2
3
4
5
6
7
8
9
>>> # numpy를 이용하여 1차원 배열 만들기
>>> ar1 = np.array( [ 1, 2, 3, 4, 5 ] )
>>> ar1
array([1, 2, 3, 4, 5])
 
# 배열의 모양(형태)을 알 수 있다.
>>> ar1.shape
(5,)
 
 cs

 

1
2
3
4
5
6
7
8
9
# 파이선 리스트 변수를 만들어 삽입도 가능
>>> lst = [ 6, 7, 8, 9, 10 ]
>>> ar2 = np.array(lst)
 
>>> ar2
array([ 6,  7,  8,  9, 10])
 
>>> ar2.shape
(5,)
 cs

 

    ④ shape 명령어로 np.array 형태 확인

1
2
3
4
5
6
7
8
9
10
11
12
# 1차원 np.array 형태
>>> arr1 = np.array( [1, 2, 3] )
>>> arr1.shape
(3,)
 
>>> arr2 = np.array( ['a', 'b', 'c'] )
>>> arr2.shape
(3,)
 
>>> arr3 = np.array( [1, 2, 3, 'a', 'b', 'c'] )
>>> arr3.shape
(6,)
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 다차원 np.array 형태
>>> arr1 = np.array( [1, 2, 3], [4, 5, 6] )
Traceback (most recent call last):
  File "<pyshell#81>", line 1, in <module>
    arr1 = np.array( [1, 2, 3], [4, 5, 6] )
TypeError: data type not understood
 
>>> arr1 = np.array( [[1, 2, 3], [4, 5, 6]] )
>>> arr1.shape
(2, 3)
 
>>> arr2 = np.array( [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]] )
>>> arr2.shape
(3, 4)
 
>>> arr3 = np.array( [[1, 2, 3], [5, 6, 7], [10, 11, 12]] )
>>> arr3.shape
(3, 3)
 
 cs

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# 넘파이 배열 출력
>>> arr1
array([[1, 2, 3],
       [4, 5, 6]])
 
>>> arr2
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])
 
>>> arr3
array([[ 1,  2,  3],
      [ 5,  6,  7],
       [10, 11, 12]])
 
>>> print(arr1)
[[1 2 3]
 [4 5 6]]
 
>>> print(arr2)
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
 cs

 

3. type, size, ndim

    ① type

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# list type과 numpy.ndarray type
>>> arr = [ 1, 2, 3, 4 ]
>>> arr
[1, 2, 3, 4]
 
>>> type(arr)
<class 'list'>
 
>>> ndarr = np.array( arr )
>>> ndarr
array([1, 2, 3, 4])
 
>>> type(ndarr)
<class 'numpy.ndarray'>
 
>>> ndarr.shape
(4,)
 
>>> arr.shape
Traceback (most recent call last):
  File "<pyshell#147>", line 1, in <module>
    arr.shape
AttributeError: 'list' object has no attribute 'shape'
 
 cs

 

    ② size

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
# numpy.array의 size
>>> arr1
array([[1, 2, 3],
       [4, 5, 6]])
 
>>> arr1.size
6
 
>>> arr2
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])
 
>>> arr2.size
12
 
>>> arr3
array([[ 1,  2,  3],
       [ 5,  6,  7],
       [10, 11, 12]])
 
>>> arr3.size
9
 
>>> arr3.shape
(3, 3)
 cs

 

    ③ ndim

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# numpy.array의 차원 확인
 
# 배열의 차원만 알고자 할 때 ndim 사용
>>> a = np.array( [[ 1, 2, 3 ], [ 4, 5, 6 ]] )
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
 
# size는 차원에 대한 정보를 전혀 알 수 없음.
>>> a.size
6 
 
# shape으로도 알 수 있음.
>>> a.shape 
(2, 3)
 
# 차원만 출력.
>>> a.ndim 
2
 cs

 

    ④ size와 len의 차이점

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# size : numpy array의 원소의 개수를 출력
# len() : numpy array의 행의 개수를 출력. 차원을 의미하는 것이 아님에 주의.
 
>>> import numpy as np
>>> lst = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
>>> ndarr = np.array( lst )
 
>>> ndarr
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
 
>>> print(ndarr)
[[1 2 3]
 [4 5 6]
 [7 8 9]]
 
>>> ndarr.size
9
 
>>> len(ndarr)
3
 cs

 

♣ shape의 결과 값이 행과 열의 값으로 출력된다는걸 알았는데요. 예를들어, arr1의 경우 shape의 출력값이 (2, 4)로 나오는데 arr2의 경우 분명히 1행 x 5열로 구성된 것 같은데 shape 메서드로 찍으면 결과가 (5,)로 출력되는 이유는 무엇인가? (1, 5)로 출력되는 것이 맞지 않나?

☞ 1행으로만 구성된 경우, 생략되기 때문이다.

 

    ⑤ identical type

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# numpy 행렬의 모든 요소는 동일한 데이터 타입으로 통일
#     파이썬 list 보다 연산 처리 속도가 빠르다.
 
>>> arr3 = np.array( [1, 2, 3, 'a', 'b', 'c'] )
>>> arr3[0]
______
>>> 
>>> type(arr3[0])
<class ‘_________________'>
>>> 
>>> lst = [ 1, 2, 3, 'a', 'b', 'c' ]
>>> lst
[1, 2, 3, 'a', 'b', 'c']
>>> 
>>> lst[0]
1
>>> 
>>> type(lst[0])
<class 'int'>
 cs

 

4. 다차원 배열

    ① 다차원 배열의 크기, 차원, 길이, 요소

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
# 다차원 배열: 배열의 배열
# np.shape(arr)
>>> import numpy as np
>>> a = np.array( [[ 1, 2, 3 ], [ 4, 5, 6 ]] )
>>> 
>>> a.shape
(2, 3)
 
>>> a.ndim
2
 
>>> a.size
6
 
>>> len(a)
2
 
>>> a[ 1, 0 ]
4
 
>>> a[ 1, 2 ]
6
 
>>> a[ 0, 2 ]
3
 
 cs

 

    ② shape으로 행과 열 구하기

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# shape로 행, 열만 구하기
# arr.shape[0]
>>> arr = np.array( [[ 1, 2, 3 ], [ 4, 5, 6 ]] )
>>> 
>>> arr
array([[1, 2, 3],
       [4, 5, 6]])
>>> 
>>> arr.shape
(2, 3)
>>> 
>>> arr.shape[0]
2
>>> 
>>> arr.shape[1]
3
>>> 
>>> 
>>> np.shape( [[ 1, 2, 3 ], [ 4, 5, 6]] )
(2, 3)
>>> arr.shape[2]
Traceback (most recent call last):
  File "<pyshell#208>", line 1, in <module>
    arr.shape[2]
IndexError: tuple index out of range
 cs

 

    ③ 행렬 재배열

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 구조 변경 : .reshape(행,열)
>>> arr = np.array( [[ 1, 2, 3, 4, 5, 6 ], [ 1, 2, 3, 4, 5, 6 ]] )
>>> arr
array([[1, 2, 3, 4, 5, 6],
       [1, 2, 3, 4, 5, 6]])
 
>>> print(arr)
[[1 2 3 4 5 6]
 [1 2 3 4 5 6]]
 
>>> # 3 x 4 shape change
>>> arr = np.array( [[ 1, 2, 3, 4, 5, 6 ], [ 1, 2, 3, 4, 5, 6 ]] ).reshape( 3, 4 )
 
>>> arr
array([[1, 2, 3, 4],
       [5, 6, 1, 2],
       [3, 4, 5, 6]])
 
>>> arr.shape
(3, 4)
 cs

 

5. 행렬의 종류

    ① 영행렬

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# .zeros(행, 열)
# 모든 요소를 0으로 갖는 행렬 생성
>>> arr = np.zeros( (2, 2) )
>>> arr
array([[0., 0.],
       [0., 0.]])
 
>>> arr = np.zeros( (3, 4) )
>>> arr
array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])
 
# 행렬간의 연산(+, -, *) 결과 값을 저장할 때
# 처음에 0으로 만들어야 할 때
 
 cs

 

    ② 일행렬

1
2
3
4
5
6
7
8
9
10
11
12
13
# .ones(행, 열)
# 모든 요소를 1로 갖는 행렬 생성
>>> arr = np.ones( (2, 2) )
>>> arr
array([[1., 1.],
       [1., 1.]])
 
>>> arr = np.ones( (3, 4) )
>>> arr
array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])
 
 cs

 

    ③ 단위 행렬

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
# .eye(행)
# 단위 행렬(identity matrix) : 
주대각선(Main diagonal)의 원소가 모두 1이고, 다른 요소들은 0으로 하는
정사각형 행렬
# 1차 단위행렬
>>> arr = np.eye(1)
>>> arr
array([[1.]])
 
# 2차 단위행렬
>>> arr = np.eye(2)
>>> arr
array([[1., 0.],
       [0., 1.]])
 
# 3차 단위행렬
>>> arr = np.eye(3)
>>> arr
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])
 
# 4차 단위행렬
>>> arr = np.eye(4)
>>> arr
array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.]])
 
 cs

 

6. 행렬의 연산

    ① 행렬 곱셈

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# np.dot()
# 행렬의 곱셈
>>> ar1 = np.eye(2)
>>> ar2 = np.array( [[3, 4,], [5, 6]] )
>>> ar1
array([[1., 0.],
       [0., 1.]])
>>> ar2
array([[3, 4],
       [5, 6]])
 
>>> ar1xar2 = np.dot( ar1, ar2 )
>>> ar1xar2
array([[3., 4.],
       [5., 6.]])
 
>>> test = ar1 * ar2
>>> test
array([[3., 0.],
       [0., 6.]])
 cs

 

7. 행렬 생성

    ① 범위, 간격 지정

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# np.arange(시작, 종료, 간격)
# arange로 원하는 숫자 범위, 간격을 지정.
>>> arr = np.arange(10) #python range
>>> arr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
 
>>> arr = np.arange(20)
>>> arr
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19])
 
>>> arr = np.arange( 0, 10, 3 )
>>> arr
array([0, 3, 6, 9])
 
>>> arr = np.arange( 1, 20, 2 )
>>> arr
array([ 1,  3,  5,  7,  9, 11, 13, 15, 17, 19])
 cs

 

    ② 짝수, 홀수를 요소로 갖는 행렬

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# np.arange(시작, 종료, 간격)
# 짝수 출력, 0.5 간격
>>> arr = np.arange( 0, 20, 2 )
>>> arr
array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18])
 
>>> arr = np.arange( 0, 21, 2 )
>>> arr
array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18, 20])
 
arr = np.arange( 1, 10, .5 )
>>> arr
array([1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5, 5. , 5.5, 6. , 6.5, 7. ,
       7.5, 8. , 8.5, 9. , 9.5])
 
 cs

 

    ③ 범위, 간격, shape을 이용한 행렬

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# .arange()와 .rehape()을 이용하여 3Ⅹ3 행렬 만들기
>>> arr = np.array( [[1, 2, 3], [4, 5, 6], [7, 8, 9]] )
>>> arr
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
 
>>> arr.shape
(3, 3)
 
>>> arr.arange(9)
Traceback (most recent call last):
  File "<pyshell#491>", line 1, in <module>
    arr.arange(9)
AttributeError: 'numpy.ndarray' object has no attribute 'arange'
 
>>> arr_new = np.arange(9)
>>> arr_new
array([0, 1, 2, 3, 4, 5, 6, 7, 8])
 
>>> arr_new.reshape( 3, 3 )
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
 
 cs

 

    ④ arrange()와 reshape() 조합

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# arrange() 배열 생성 후 reshape()
# 6 x 6 행렬
 
>>> arr = np.arange( 1, 37 )
>>> arr
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
       18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34,
       35, 36])
 
>>> arr = arr.reshape(6, 6)
>>> arr
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12],
       [13, 14, 15, 16, 17, 18],
       [19, 20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29, 30],
       [31, 32, 33, 34, 35, 36]])
 
 cs

 

    ⑤ reshape(-1, n[열])

        - .reshape(-1, n) 또는 .reshape(n, -1) 메소드는 주어진 배열의 요소 사이즈와 연관성이 높다.
        -  배열에 있는 요소가 재배열 되려는 배열의 모양구조에 빠짐없이 배분이 되어질 수 있느냐 없느냐가 중요한 핵심이다.
        -  제대로 분배가 안되어지는 경우의 모양은 에러가 발생한다.
        -  예를들어, 12개 배열 요소에서 .reshape(-1, 5) 혹은 .reshape(7, -1)로 재배열하려고 한면 에러가 발생한다.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
# .reshape(-1, 열)
# shape( -1, n[정수] )
>>> ar = np.arange(12).reshape(3, 4)
>>> ar
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
 
>>> ar1 = ar.reshape(-1, 1)
>>> ar1
array([[ 0],
       [ 1],
       [ 2],
       [ 3],
       [ 4],
       [ 5],
       [ 6],
       [ 7],
       [ 8],
       [ 9],
       [10],
       [11]])
# (-1, 1) == (12, 1)
>>> ar2 = ar.reshape( -1, 2 )
>>> ar2
array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11]])
 
>>> ar3 = ar.reshape( -1, 3 )
>>> ar3
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
 
>>> ar4 = ar.reshape( -1, 5 )
Traceback (most recent call last):
  File "<pyshell#855>", line 1, in <module>
    ar4 = ar.reshape( -1, 5 )
ValueError: cannot reshape array of size 12 into shape (5)
 
>>> ar3 = ar.reshape( -1, 6 ) # == (2, 6)
>>> ar3
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])
 
 cs

 

    ⑥ reshape(n[행], -1)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# .reshape(행, -1)
# shape( n[정수], -1 )
>>> ar = np.arange(12)
 
>>> ar1 = ar.reshape(1, -1)
>>> ar1
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11]])
 
>>> ar2 = ar.reshape(2, -1)
>>> ar2
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])
 
>>> ar3 = ar.reshape(3, -1)
>>> ar3
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
 
>>> ar5 = ar.reshape(5, -1)
Traceback (most recent call last):
    ar5 = ar.reshape(5, -1)
ValueError: cannot reshape array of size 12 into shape (5,newaxis)
 
 cs

 

    ⑦ reshape(-1)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
# reshape(-1)
>>> ar = np.arange(12).reshape(3, 4)
>>> ar
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
 
>>> ar1 = ar.reshape(-1)
>>> ar1
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
 
>>> ar2 = ar.reshape(1, -1)
>>> ar2
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11]])
 
>>> ar3 = ar.reshape(-1, 1)
>>> ar3
array([[ 0],
       [ 1],
       [ 2],
       [ 3],
       [ 4],
       [ 5],
       [ 6],
       [ 7],
       [ 8],
       [ 9],
       [10],
       [11]])
 
 cs

 

    ⑧ reshape() 기타

        - .reshape(-1, -1) : 행과 열에 명확한 기준값이 없으므로 에러가 발생한다.

        - .reshape(6, -2) : -1 보다 작은 값을 입력해도 동일한 의미를 갖는다.

 

반응형
저작자표시

'파이썬' 카테고리의 다른 글

텍스트 음성변환(SST; SpeechToText) 파이썬 코드  (1) 2024.09.07
numpy 사용법 기초 (2/2)  (6) 2024.09.07
wxPython 라이브러리 설치 및 기본 사용법  (1) 2024.09.07
우분투(Ubuntu) 환경에서 파이썬 설치 매뉴얼 문서(word)  (0) 2024.06.12
python 가상환경 다루기 (venv)  (0) 2023.08.15
반응형

1. 시험환경

    · python v3.7.2 (64 bit)

    · wxPython

 

2. 목적

    · pip를 이용하여 wxPython 라이브러리를 설치한다.

    · wxPython 윈도우/속성/메뉴 생성 등 기본 사용법을 알아보자.

 

3. 적용

    ①  pip를 이용하여 wxPython 라이브러리를 설치한다.

        - pip 업데이트를 진행한다: pip  -m  pip  install  -upgrade  pip

 

        - wxPython 라이브러리를 설치한다: pip  install  wxPython

 

        -  정상 설치 여부를 확인한다: python 프롬프트에서 import wx 실행

 

 

    ② wx.Frame을 이용한 Window 생성 예제

        - 파일명: 01_wxFrame_basic.py

1
2
3
4
5
6
7
8
9
import wx
 
app = wx.App()
 
frame = wx.Frame(None, -1, "Hello World!")
frame.Show()
 
app.MainLoop()
 
 cs

 

        - 결과) “Hello World!”라는 title을 갖는 window 생성

01_wxFrame_basic.py 실행화면

 

 

    ③ wx.Frame 속성을 적용한 Window 생성

        - 파일명: 02_wxFrame_setting.py

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import wx
 
#    SetSize(width, height) : wx.Frame의 “가로 x 세로” 크기 설정
#    SetBackgroundColour(“color”) : wx.Frame 배경색 설정
#    CreateStatusBar() : 상태 표시줄 설정
#    Centre() : 화면 가운데 위치로 윈도우 이동
#    Move(wx.Point point) : 설정값 위치로 윈도우 이동
#    MoveXY(int x, int y) : 설정 좌표로 윈도우 이동
#    SetPosition(wx.Point point) : 윈도우의 위치 설정
#    SetDimensions(x, y, width, height, sizeFlags) : 윈도우의 위치와 크기 설정
 
class WxFrame_Setting(wx.Frame):
 
    def __init__(self, parent, title):
        super().__init__(parent, title = title)
        self.SetSize(600, 400)
        self.SetBackgroundColour("gray")
        self.CreateStatusBar()
        self.Centre()
        self.Show()
 
 
if __name__ == "__main__":
    app = wx.App()
    WxFrame_Setting(None, title = "wx.Frame Setting")
    app.MainLoop()
 cs

 

 

        - 결과) 설정이 반영된 윈도우 화면

02_wxFrame_setting.py 실행화면

 

    ④ wx.Menu 속성을 이용한 메뉴 구성 예제

        - 파일명: 03_menu_setting.py

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
import wx
 
# wx.MenuBar : wx.Frame 상단에 위치한 메뉴를 구성하는 Bar
# wx.Menu : 메뉴에 기본적으로 나타나는 항목
# wx.MenuItem : wx.Menu 클릭시 나타나는 메뉴 항목
 
class wxMenu_setting(wx.Frame):
 
    def __init__(self, parent, title):
        super().__init__(parent, title = title)
        self.SetSize(600, 400)
        self.SetBackgroundColour("gray")
        self.CreateStatusBar()
        self.Centre()
 
        menu = wx.Menu()
        menu.Append(wx.ID_ABOUT, "About", "description_1 in status bar")
        menu.AppendSeparator()
        Exit_ = menu.Append(wx.ID_EXIT, "Exit\tCtrl+E", "description_2 in status bar")
        self.Bind(wx.EVT_MENU, self.evt_exit_click, Exit_)
 
        menuBar = wx.MenuBar()
        menuBar.Append(menu, "&File")
 
        self.SetMenuBar(menuBar)
        self.Show()
 
 
    # binding function
    def evt_exit_click(self, e):
        self.Close()
 
 
if __name__ == "__main__":
    app = wx.App()
    wxMenu_setting(None, "wx.Menu setting")
    app.MainLoop()
 
 cs

 

        - 결과) 설정 메뉴 확인 및 <Alt>를 누르면 코드에서 지정한 단축키가 밑줄로 표시

 

 

    ⑤ Sub Menu 구성 예제

        - 파일명: 04_wxMenu_SubMenu_setting.py

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
import wx
 
# 동일한 서브메뉴를 구성하는 항목들은 동일한 ID로 설정해야 한다.
class wxMenu_SubMenu_setting(wx.Frame):
 
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        self.createWidget()
 
 
    def createWidget(self):
        menu = wx.Menu()
        menu.Append(wx.ID_NEW, "&New")
        menu.Append(wx.ID_OPEN, "&Open")
        menu.Append(wx.ID_SAVE, "&Save")
 
        menu.AppendSeparator()
 
        subMenu = wx.Menu()
        subMenu.Append(wx.ID_ANY, "Import File")
        subMenu.Append(wx.ID_ANY, "Import Image")
        subMenu.Append(wx.ID_ANY, "Export File")
 
        menu.Append(wx.ID_ANY, "Import/Export", subMenu)
 
        Exit_ = menu.Append(wx.ID_EXIT, "&Exit")
        self.Bind(wx.EVT_MENU, self.evt_exit_click, Exit_)
 
        menuBar = wx.MenuBar()
        menuBar.Append(menu, "&Menu1")
 
        self.SetMenuBar(menuBar)
 
        self.Show(True)
 
 
    def evt_exit_click(self, e):
        self.Close()
 
 
if __name__ == "__main__":
    app = wx.App()
    wxMenu_SubMenu_setting(None)
    app.MainLoop()
 
 cs

 

        - 결과) 메뉴 및 서브메뉴 구성 확인

04_wxMenu_SubMenu_setting.py 실행화면

 

    ⑥ Check Menu 구성 예제

        - 파일명: 05_wxMenu_Check_setting.py

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
import wx
 
#     menu item 생성시 wx.ITEM_CHECK 속성을 이용하여 check menu로 설정
class wxMenu_Check_setting(wx.Frame):
 
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        self.createWidget()
 
    def createWidget(self):
 
        menuBar = wx.MenuBar()
 
        # 1. File Menu
        m_file = wx.Menu()
        menuBar.Append(m_file, "&File")
 
        # 2. View Menu
        m_view = wx.Menu()
 
        # kind: Menu Type parameter
        # wx.ITEM_NORMAL(default), wx.ITEM_CHECK(check menu)
        self.show_tb = m_view.Append(wx.ID_ANY, "툴바 보기", "툴바 ON/OFF", kind = wx.ITEM_CHECK)
        self.show_sb = m_view.Append(wx.ID_ANY, "상태바 보기", "상태바 ON/OFF", kind = wx.ITEM_CHECK)
        
        # Default Set : ToolBar(Checked), StatusBar(Checked)
        m_view.Check(self.show_tb.GetId(), True)
        m_view.Check(self.show_sb.GetId(), True)
        
        # Binding event function
        self.Bind(wx.EVT_MENU, self.toolbar_click, self.show_tb)
        self.Bind(wx.EVT_MENU, self.statusbar_click, self.show_sb)
        
        menuBar.Append(m_view, "&View")
 
        self.SetMenuBar(menuBar)
 
        self.toolbar = self.CreateToolBar()
 
        self.statusBar = self.CreateStatusBar()
        self.statusBar.SetStatusText("Ready")
 
        self.Show(True)
 
 
    def toolbar_click(self, e):
        if self.show_tb.IsChecked():
            self.toolbar.Show()
        else:
            self.toolbar.Hide()
 
 
    def statusbar_click(self, e):
        if self.show_sb.IsChecked():
            self.statusBar.Show()
        else:
            self.statusBar.Hide()
 
 
if __name__ == "__main__":
    app = wx.App()
    wxMenu_Check_setting(None)
    app.MainLoop()
 
 cs

 

        - 결과) 체크 메뉴 선택에 따른 툴바 및 상태바 ON/OFF 기능

 

 

    ⑦ Pop-Up Menu 예제

        - 파일명: 07_wxMenu_PopUp_setting.py

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
import wx
 
#     MenuItem 클래스를 이용한 Pop-Up Menu 구성
class PopupMenu_setting(wx.Menu):
 
    def __init__(self, parent):
        super().__init__()
        self.parent = parent
 
        m_minimize = wx.MenuItem(self, wx.NewId(), "최소화")
        self.Append(m_minimize)
        self.Bind(wx.EVT_MENU, self.exec_minimize_func, m_minimize)
 
        m_exit = wx.MenuItem(self, wx.NewId(), "종료")
        self.Append(m_exit)
        self.Bind(wx.EVT_MENU, self.exec_exit_func, m_exit)
 
    def exec_minimize_func(self, e):
        self.parent.Iconize()
 
    def exec_exit_func(self, e):
        self.parent.Close()
 
        
class WinFrame(wx.Frame):
 
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        self.createWidget()
 
    def createWidget(self):
        # 1. Event : right click on mouse
        self.Bind(wx.EVT_RIGHT_DOWN, self.exec_right_down_func)
        self.Show(True)
 
    # Binding Function
    def exec_right_down_func(self, e):
        # 2. get the position(x, y) on the screen and show your definded popoup menu
        self.PopupMenu(PopupMenu_setting(self), e.GetPosition())
 
    def main():
        app = wx.App()
        WinFrame(None)
        app.MainLoop()
 
 
if __name__ == "__main__":
    WinFrame.main()
 
 cs

 

        - 결과) 마우스 우클릭시 나타나는 팝업 메뉴 구성 및 기능 확인

07_wxMenu_PopUp_setting.py 실행화면

 

    ⑧ ToolBar 및 Icon 구성 예제

        - 파일명: 08_Toolbar_Icon_setting.py

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
import wx
 
class Toolbar_Icon_setting(wx.Frame):
 
    def __init__(self, *args, **kw):
        super().__init__(*args, **kw)
        self.createWidget()
 
    def createWidget(self):
 
        # Create a ToolBar in wx.Frame
        # CreateToolBar()를 이용하여 생성된 ToolBar에 Icon 이미지 및 기능 추가
        tb = self.CreateToolBar()
 
        # Insert icon image into the ToolBar
        Exit_ = tb.AddTool(wx.ID_ANY, "Exit", wx.Bitmap("icon_image/icon_01.jpg"))
        self.Bind(wx.EVT_TOOL, self.exec_exit_func, Exit_)
 
        # essential code to show icon image for Win/Mac
        tb.Realize()
 
        self.Show(True)
 
    def exec_exit_func(self, e):
        self.Close()
 
 
if __name__ == "__main__":
    app = wx.App()
    app.locale = wx.Locale(wx.LANGUAGE_ENGLISH)
    Toolbar_Icon_setting(None)
    app.MainLoop()
 
 cs

 

        - 결과) ToolBar에 추가된 Icon 이미지 및 기능 확인

08_Toolbar_Icon_setting.py 실행화면

 

    ⑨ Multiple ToolBar 및 Icon 예제

        - 파일명: 09_Toolbar_Multiple_setting.py

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
import wx
 
# 여러 개의 ToolBar를 사용하여 wx.Frame에 배치하는 경우, 겹쳐서 표현되는 문제를 해결해야 함
# wx.BoxSizer(wx.VERTICAL|wx.HORIZONTAL) : wx.Frame을 구획
# Add(ToolBar 객체, 구획비율, wx.EXPAND) : WindowFrame에 설정값으로 ToolBar 추가
class Toolbar_Multiple_setting(wx.Frame):
 
    def __init__(self, *args, **kw):
        super().__init__(*args, **kw)
        self.createWidget()
 
    def createWidget(self):
 
        # Use wx.ToolBar() instread of wx.CreateToolBar() to create Multiple ToolBar
        tb1 = wx.ToolBar(self)
        tb1.AddTool(wx.ID_ANY, "New", wx.Bitmap("icon_image/new.png"))
        tb1.AddTool(wx.ID_ANY, "Open", wx.Bitmap("icon_image/open.png"))
        tb1.AddTool(wx.ID_ANY, "Save", wx.Bitmap("icon_image/save.png"))
        tb1.Realize()
 
        # Use wx.ToolBar() instread of wx.CreateToolBar() to create Multiple ToolBar
        tb2 = wx.ToolBar(self)
        Exit_ = tb2.AddTool(wx.ID_ANY, "Exit", wx.Bitmap("icon_image/icon_01.jpg"))
        self.Bind(wx.EVT_TOOL, self.exec_exit_func, Exit_)
        tb2.Realize()
 
        # Set horizontal position of ToolBars in wx.Frame
        hBox = wx.BoxSizer(wx.HORIZONTAL)
        hBox.Add(tb1, 2, wx.EXPAND)
        hBox.Add(tb2, 1, wx.EXPAND)
        self.SetSizer(hBox)
 
        '''
        # Set vertical position of ToolBars in wx.Frame
        vBox = wx.BoxSizer(wx.VERTICAL)
        vBox.Add(tb1, 0, wx.EXPAND)
        vBox.Add(tb2, 0, wx.EXPAND)
        self.SetSizer(vBox)
        '''
        self.Show(True)
 
 
    def exec_exit_func(self, e):
        self.Close()
 
 
if __name__ == "__main__":
    app = wx.App()
    app.locale = wx.Locale(wx.LANGUAGE_ENGLISH)
    Toolbar_Multiple_setting(None)
    app.MainLoop()
 
 cs

 

        - 결과) wx.HORIZONTAL/wx.VERTICAL 및 구획비율을 변경하며 테스트

09_Toolbar_Multiple_setting.py 실행화면

 

    ⑩ ToolBar의 아이콘(버튼) 활성/비활성 제어

        - 파일명: 10_Toolbar_icon_active_nonactive.py

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
import wx
 
# EnableTool(“object ID”, True | False)
class Toolbar_icon_Act_NonAct(wx.Frame):
 
    def __init__(self, *args, **kw):
        super().__init__(*args, **kw)
        self.createWidget()
 
 
    def createWidget(self):
        self.count = 5
 
        self.toolbar = self.CreateToolBar()
        toolbar_undo = self.toolbar.AddTool(wx.ID_UNDO, 'undo', wx.Bitmap('icon_image/undo.png'))
        toolbar_redo = self.toolbar.AddTool(wx.ID_REDO, 'redo', wx.Bitmap('icon_image/redo.png'))
 
        self.toolbar.AddSeparator()
 
        toolbar_exit = self.toolbar.AddTool(wx.ID_EXIT, 'exit', wx.Bitmap('icon_image/exit.png'))
 
        self.Bind(wx.EVT_TOOL, self.onUndo, toolbar_undo)
        self.Bind(wx.EVT_TOOL, self.onRedo, toolbar_redo)
        self.Bind(wx.EVT_TOOL, self.onExit, toolbar_exit)
 
        self.toolbar.Realize()
 
        self.Show(True)
 
 
    def onUndo(self, e):
        if self.count > 1 and self.count <= 5:
            self.count -= 1
        elif self.count == 1:
            self.toolbar.EnableTool(wx.ID_UNDO, False)
        elif self.count == 4:
            self.toolbar.EnableTool(wx.ID_REDO, True)
 
 
    def onRedo(self, e):
        if self.count >= 1 and self.count < 5:
            self.count += 1
        elif self.count == 5:
            self.toolbar.EnableTool(wx.ID_REDO, False)
        elif self.count == 2:
            self.toolbar.EnableTool(wx.ID_UNDO, True)
 
 
    def onExit(self, e):
        self.Close()
 
 
if __name__ == "__main__":
    app = wx.App()
    app.locale = wx.Locale(wx.LANGUAGE_ENGLISH)
    Toolbar_icon_Act_NonAct(None)
    app.MainLoop()
 
 cs

 

        - 결과) ToolBar 버튼 활성화/비활성화

 

4. 결과

    · 소스코드 파일첨부

Python_GUI_wxPython.zip
0.02MB

 

 

반응형
저작자표시

'파이썬' 카테고리의 다른 글

numpy 사용법 기초 (2/2)  (6) 2024.09.07
numpy 사용법 기초 (1/2)  (2) 2024.09.07
우분투(Ubuntu) 환경에서 파이썬 설치 매뉴얼 문서(word)  (0) 2024.06.12
python 가상환경 다루기 (venv)  (0) 2023.08.15
Window 파이썬(python) 설치하기  (0) 2023.07.10
반응형

목차

1. 파이썬 프로그램 다운로드
1.1. 최신버전 다운로드
1.2. 인스톨
1.3. Python 우선순위 설정

2. 필수 라이브러리 설치
2.1. pip

 

Python 설치.docx
1.22MB

반응형
저작자표시

'파이썬' 카테고리의 다른 글

numpy 사용법 기초 (1/2)  (2) 2024.09.07
wxPython 라이브러리 설치 및 기본 사용법  (1) 2024.09.07
python 가상환경 다루기 (venv)  (0) 2023.08.15
Window 파이썬(python) 설치하기  (0) 2023.07.10
python pandas를 이용하여 excel(엑셀) 파일 읽기, 쓰기  (0) 2023.06.11

+ Recent posts

티스토리툴바