가장 빠른 풀스택을 위한 Flask & FaskAPI 예제 연습 기록 캐싱(caching)은 한번 받아온 데이터를 임시 저장 공간에 보관함으로써 동일한 요청이 왔을 때 빠르게 접근할 수 있도록 하는 기술이다. 캐싱을 활용하면 시스템의 성능을 향상시킬 수 있다. 반복적인 요청에 대한 응답 시간을 줄일 수 있고, 서버의 부하를 감소시킬 수 있다. 다만, 페이지가 동적으로 변경되어야 하는 상황에서 캐싱된 데이터는 최신 데이터가 아닐 수 있으므로, 데이터의 유효성을 주기적으로 확인하고 업데이트를 할 필요가 있다. flask-caching을 이용하면 캐싱을 쉽게 구현할 수 있다. 우선 flask-caching을 다음 명령어로 설치한다.pip install Flask-Caching==2.1.0 아래와 같이 코드를 ..

가장 빠른 풀스택을 위한 Flask & FaskAPI 예제 연습 기록 우선 전체 코드는 아래와 같다.from flask import Flask, request, redirect, url_forfrom flask_sqlalchemy import SQLAlchemyfrom flask_login import ( LoginManager, UserMixin, login_required, login_user, logout_user, current_user,)app = Flask(__name__)# 데이터베이스 설정app.config["SQLALCHEMY_DATABASE_URI"] = ( "mysql+pymysql://username:password@localhost:3306/d..

HTML의 form 태그를 이용하여 간단한 회원가입 폼을 만들고, 사용자가 입력을 한 후 '가입하기' 버튼을 클릭하면 POST 요청을 보내고 SQLAlchemy를 사용해서 해당 내용을 DB에 저장할 수 있도록 구현했다.index.html 회원가입 아이디: 이름: 이메일: 비밀번호: 가입하기  위의 회원가입 폼에 대한 HTML 코드이다. app.pyfrom flask import Flask, render_template, requestfrom flask_sqlalchemy import SQLAlchemyapp = Flask(__name__, template_folder='templates')..

파이썬 데이터 분석에서 넘파이(NumPy)는 필수적인 라이브러리이다. 특히 대규모 배열 연산과 빠른 수학적 처리를 제공하여 효율적인 데이터 분석을 가능하게 한다. 이번 글에서는 넘파이가 제공하는 통계 처리 함수 중 자주 사용되는 기능을 중심으로 살펴보겠다. 각각의 기능은 코드를 통해 간단히 설명하며, 데이터를 다룰 때 유용한 팁도 함께 제공한다. 합계, 평균, 표준편차 계산넘파이는 배열의 기본 통계량을 쉽게 계산할 수 있는 함수를 제공한다.합계(sum): 배열의 요소를 모두 더한다.평균(mean): 배열의 평균값을 계산한다.표준편차(std): 데이터의 분포가 평균에서 얼마나 퍼져있는지를 나타낸다.import numpy as npdata = np.array([1, 2, 3, 4, 5])print("합계:"..

넘파이를 활용하면 무작위 데이터를 쉽게 생성할 수 있다. 무작위의 난수를 생성하는 건 넘파이의 numpy.random 모듈을 활용하면 되는데 이 도구를 사용해서 어떻게 난수를 생성할 수 있는지, 그리고 어떻게 활용할 수 있는지, 시드(seed)란 무엇이며 시드 설정은 어떻게 할 수 있는지 간단히 알아보도록 하자.  넘파이에서 난수 생성하기넘파이의 numpy.random 모듈은 다양한 난수 생성 기능을 제공한다. 대표적인 함수를 정리해 보았다.np.random.rand()0과 1 사이의 균등 분포에서 난수를 생성한다. 인자로 원하는 shape를 지정할 수 있다. import numpy as np# 0과 1 사이의 난수 1개 생성print(np.random.rand()) # 0.5488135039273248..

넘파이(Numpy)란?파이썬을 사용하다 보면 데이터 처리가 필요한 경우가 많다. 넘파이(Numpy)는 파이썬에서 고성능의 수치 계산을 위한 라이브러리로, 다차원 배열을 다루는 데 매우 유용하고 강력한 도구이다. 넘파이의 기본 개념과 배열을 이해하는 데 필요한 핵심 내용을 간단한 예제와 함께 짚고 넘어가자. 물론 파이썬에서 기본으로 지원하는 리스트가 있지만, 넘파이에서 지원하는 배열이 훨씬 더 빠르고 효율적이다. 이러한 장점들 때문에 데이터 분석, 과학적 계산, 머신러닝 등 다양한 분야에서 넘파이가 많이 활용된다. 넘파이의 ndarray(N-dimensional array)는 다차원 배열을 표현하는 핵심 자료구조로, 파이썬 리스트와 비슷하지만 훨씬 많은 기능과 성능을 제공한다. 넘파이 배열의 특징을 정리해..

파이썬을 사용하다 보면 데이터 처리가 필요한 경우가 많다. 넘파이(Numpy)는 파이썬에서 고성능의 수치 계산을 위한 라이브러리로, 다차원 배열을 다루는 데 매우 유용하고 강력한 도구이다. 넘파이가 가지고 있는 강점 덕에 데이터 분석, 과학적 계산, 머신러닝 등 다양한 분야에서 넘파이가 많이 활용되고 있다. 넘파이가 가지고 있는 강점이 어떻길래!넘파이의 대표적인 강점 7가지를 정리해 보았다. 1. 고성능 연산넘파이는 파이썬의 기본 리스트보다 훨씬 빠른 속도로 대규모 데이터 연산을 처리할 수 있다. 이는 넘파이가 C로 구현된 내부 루틴을 사용하기 때문인데, 덕분에 복잡한 수치 계산도 효율적으로 수행할 수 있다. 예를 들어, 큰 배열에 대한 덧셈이나 곱셈 같은 연산을 훨씬 빠르게 처리할 수 있어 데이터 과학..

파이썬은 광범위한 라이브러리 생태계를 통해 다양한 분야에서 활용되고 있다. 현재 137,000개가 넘는 파이썬 라이브러리가 있을 정도로 방대한 라이브러리 생태계가 바로 많은 사람들이 파이썬을 선택하는 이유이기도 하다. 파이썬을 배우면 무엇을 할 수 있을까? 데이터 분석, 웹 개발, 인공지능 등 각 분야에서 자주 사용되는 라이브러리와 그 활용 사례를 소개한다. 데이터 분석 및 처리Pandas (판다스)Pandas는 데이터프레임을 이용해 구조화된 데이터를 처리할 수 있는 강력한 도구이다. 대용량 CSV 파일 분석, 엑셀 데이터 처리 등 데이터 분석에 필수적인 기능을 제공하며, 많은 기업이 데이터를 가공하는 데 Pandas를 사용한다. 예를 들어, 금융 회사는 대규모 거래 데이터를 분석하고 통계를 산출하는 데..