1. 문제 위와 같은 데이터에서 9시부터 19시까지 각 시간대별 입양 이 몇건이나 발생했는지 조사. 2. 코드 SELECT HOUR(DATETIME),COUNT(DATETIME) FROM ANIMAL_OUTS WHERE HOUR(DATETIME)>=9 AND HOUR(DATETIME)=9 AND HOUR(DATETIME)

1. 문제 위와 같은 테이블에서 (1) NAME이 NULL인 ANIMAL_ID를 찾아라. (2) NAME이 NULL이 아닌 ANIMAL_ID를 찾아라. 2. 코드 (1) NULL인것? ( IS NULL ) SELECT ANIMAL_ID FROM ANIMAL_INS WHERE NAME IS NULL (2) NULL이 아닌것? ( IS NOT NULL ) SELECT ANIMAL_ID FROM ANIMAL_INS WHERE NAME IS NOT NULL ORDER BY ANIMAL_ID * name==null, name=null 같은거 안됨. 3. 결과

1. 문제 위와 같이 구성된 테이블에서 name이 null인 것은 "no name"으로 아래와 같이 표시하라 2. 풀이 SELECT ANIMAL_TYPE,IFNULL(NAME,"No name") as "NAME" ,SEX_UPON_INTAKE FROM ANIMAL_INS ORDER BY ANIMAL_ID * null값을 특정 값으로 바꾸고 싶다면 아래와 같은 명령을 쓴다 IFNULL(calname,바꿀값)

설명 1. 기본테이블 demo_people(왼), demo_property(오) 2. left join 쿼리문 select name, phone, selling from demo_people left join eomo_property on demo_people.pid = demo_property.pid 3. 결과 예제 1. 문제 위와같은 테이블에서 ANIMAL_OUTS에는 있지만, ANIMAL_INS 에는 없는 ANIMAL의 아이디를 출력하라. 2. 풀이 FROM ANIMAL_INS AS INS RIGHT JOIN ANIMAL_OUTS AS OUTS ON INS.ANIMAL_ID=OUTS.ANIMAL_ID 을 통해 ANIMAL_OUTS에 있는 모든 개체를 출력한다. 이때 OUTS에는 있지만, INS에는 ..

(가장빠른 or 가장느린)상위 n개의 값을 나타내고 싶을때 아래와 같이 한다. SELECT COLNAME FROM TABLE ORDER BY COLNAME2 LIMIT N

1. 박으로 시작하는 두글자이름? SELECT NAME FROM TABLE WHERE NAME LIKE "박?" 2. 변으로 시작하는 모든이름? (글자수와 상관없다) SELECT NAME FROM TABLE WHERE NAME LIKE "변%" * LIKE를 써야함을 주의한다!

NAME이 찾고자 하는 값중에 있는지? SELECT NAME FROM TABLE WHERE NAME IN ("DAVE","PARK","SON","KIM")

1. 문제 위와 같은 데이터에서 "중성화" 속성을 새로 만들고 중성화 되어있으면(Neutered or Spayed) "O", 그렇지 않으면 "X"를 표시하라. 2. 코드 SELECT ANIMAL_ID,NAME, CASE WHEN SEX_UPON_INTAKE LIKE "Spayed%" or SEX_UPON_INTAKE LIKE "Neutered%" THEN "O" ELSE "X" END AS "중성화" FROM ANIMAL_INS ORDER BY ANIMAL_ID 3. 결과

1. 문제 입양간 동물들 중 보호소에 가장 오래있었던 동물의 아이디와 이름을 구하라. 아래와 같이 나와야 함. 2. 코드 SELECT OUTS.ANIMAL_ID, OUTS.NAME FROM ANIMAL_INS AS INS, ANIMAL_OUTS AS OUTS WHERE INS.ANIMAL_ID=OUTS.ANIMAL_ID ORDER BY OUTS.DATETIME-INS.DATETIME DESC LIMIT 2 *DATETIME 속성은 (-) 연산이 가능하다

1. 풀이 위의 데이터 테이블에서 DATETIME을 DATE형식으로 아래와 같이 변환하여 출력하라 2. 코드 SELECT ANIMAL_ID, NAME, DATE_FORMAT(DATETIME, "%Y-%m-%d") AS 날짜 FROM ANIMAL_INS ORDER BY ANIMAL_ID * 날짜 입력에 따른 출력형태​ --1 "%Y-%M-%D" --2 "%y-%m-%d" --1 2014-June-21st --2 15-01-29

후보키 유일성과 최소성을 만족하는 키 * 유일성 : 하나의 키값으로 하나의 튜플만을 식별하는 것 * 최소성 : 유일성을 만족시키는 꼭 필요한 속성만으로 구성될것 ex) 학반+번호, 주민번호+이름은 모두 유일성을 만족한다. 하지만 (주민번호+이름)는 이름 속성을 제외하더라도(주민번호만으로) 유일성을 만족하기 때문에 최소성에 위배된다고 볼 수 있다. 1. 주키,기본키(primary key) : 후보키중 선택한 키 * 개체 무결성 : 주키는 NULL값이나 중복된 값을 가질 수 없다 2. 대체키(alternate key) : 후보키중 주키를 제외한 나머지 키 ​ 슈퍼키 - 유일성만 만족하는 키(최소성은 만족하지 않는다) ​ 외래키 관계를 맺고잇는 두 릴레이션 A,B에 대하여 A 릴레이션의 주키를 참조하는 B 릴..

1. 외출여부 판단 퍼셉트론 함수# 1. 신호의 총합과 외출 여부를 반환하는 Perceptron 함수를 완성하세요.def Perceptron(x_1,x_2,w_1,w_2): # bias는 외출을 좋아하는 정도로 -1로 설정되어 있습니다. bias = -1 # 입력 받은 값과 편향(bias)값을 이용하여 신호의 총합을 구하세요. output = w_1*x_1+w_2*x_2+bias # 지시한 Activation 함수를 참고하여 외출 여부(0 or 1)를 설정하세요. # 외출 안한다 : 0 / 외출 한다 : 1 if output>0: y = 1 else: y=0 return output, y # 값을..

1. 차원축소하기(pca) : 여러가지 att가 존재할 때 내가 원하는만큼 차원을 축소 # [차원축소하기 PCA] import sklearn.decomposition import matplotlib.pyplot as plt import numpy as np def main(): X, attributes = input_data() pca_array = normalize(X) pca, pca_array = run_PCA(X, 2) visualize_2d_wine(pca_array) def input_data(): f = open("data/attributes.txt", 'r') attributes = [] while True: line = f.readline().strip("\n") if not line: ..

파일 읽기 1. 기본 내장 함수 words = [] f = open("words.txt", 'r') while True: line = f.readline().strip("\n") if not line: break words.append(line) ''' 코드처리 ''' f.close() 2. 기본 내장 함수 (with이용) with open('경로/파일이름', 'r') as f: line = f.read() print(line) 3. 판다스(pandas) read_csv csv파일을 읽을 때 사용 import pandas as pd pd.read_csv("경로/파일이름") 파일 쓰기 1. 기본 내장 함수 f = open("경로/파일이름", 'w') for i in range(10): line = f"{i..

1. 하드 클러스터링 : 하나의 데이터가 정확히 하나의 군집에 할당하는 것 -> hierarchical clustering, k-means, dbscan, optics 2. 소프트 클러스터링 : 하나의 데이터가 다수의 군집에 할당하는 것 -> topic models, fcm, soft k-means

* 파일을 처음부터 읽으면 한줄씩 읽어진다. 이때 첫째줄은 목차가 나오므로 첫줄을 뛰어넘어야한다. next() 함수를 이용하여 첫줄을 뛰어넘을 수 있다. f = open("body.txt", 'r') next(f) #이부분!! while True: ''' 파일처리 ''' f.close() 위와같은 코드로 목차를 생략할 수 있다.

1. 이항분포 # [이항분포] import numpy as np import matplotlib.pyplot as plt import scipy as sp from scipy import stats # 이항분포 생성 n, p = 10, 0.3 stat_bin = sp.stats.binom(n, p) # 그리기 fig, ax = plt.subplots() #확률밀도함수 x_axis = np.arange(n + 1) plt.bar(x_axis, stat_bin.pmf(x_axis)) plt.show() fig.savefig("pmf_plot.png") #확률질량함수 x_axis = np.arange(n + 1) plt.bar(x_axis, stat_bin.cdf(x_axis)) plt.show() fig.s..

# [중복 순열] from itertools import product from itertools import combinations_with_replacement # 중복순열 re_per = list(product(['A', 'B','C','D','E'], repeat = 3)) re_per_num = len(re_per) print(re_per) print(re_per_num) # [중복 조합] from itertools import product from itertools import combinations_with_replacement # 중복조합 re_com = list(combinations_with_replacement(['A','B','C','D','E'], 3)) re_com_num = ..