XML 객체 생성 xml 파일을 통해 ElementTree 객체(XML 객체)를 생성합니다. from xml.etree.ElementTree import parse, 메소드 설명 parse('filename.xml') xml을 파싱(parsing)하여 ElementTree 객체 생성 tree = parse("meeting.xml") XML 문서 파싱하기 ElementTree 객체(XML 객체)를 통해 해당 태그요소에 접근할 수 있습니다. 메소드 설명 node객체.get("속성명") · 첫 번째 인자에 해당되는 속성(attribute) 값을 값을 리턴합니다. node객체.get("속성명", "default value") · 첫 번째 인자에 해당되는 속성(attribute) 값이 없을 경우 두 번째 인자로 ..

Test Fixture · 테스트 시나리오에 따라 테스트 전에 테스트를 위한 사전 준비 작업을 할 필요가 있습니다. 또한 테스트가 끝난 후 정리작업을 해야하는 경우도 있을 수 있습니다. · {unittest}는 이렇게 사전 준비 작업을 위해 setUp() 메서드를, 사후 정리 작업을 위해 tearDown() 메서드를 제공합니다. · setUp(), tearDown() 기능을 Test Fixture 라고 하며, Test Fixture는 각각의 테스트 메서드가 실행되기 전과 후에 매번 실행됩니다. method description setUp() · 사전 준비 작업 · 테스트 메서드가 실행되기 전 실행 tearDown() · 사후 정리 작업 · 테스트 메서드가 실행된 후 실행

xlim, ylim · 좌표축 값의 범위를 지정하는 옵션입니다. · plot()이 기본으로 지정하는 X, Y 축 값의 범위가 마음에 들지 않는다면 그래프에 그려질 x 값의 범위, y 값의 범위를 바꿔줄 수 있습니다. · xlim, ylim의 값은 c(최솟값, 최댓값) 형태로 지정합니다. c(최솟값, 최댓값) 데이터 값의 최소, 최대치 값 알아내기 min(), max() 함수에 na.rm=TRUE를 사용해 최솟값, 최댓값을 확인한 후 xlim, ylim옵션에 설정합니다.

axis() · 그래프의 축 그려주기 · outer margin이나 plot margin에 좌표축을 그리는 함수 axis(side, at = NULL, labels = TRUE, tick = TRUE, line = NA, pos = NA, outer = FALSE, font = NA, lty = "solid", lwd = 1, lwd.ticks = lwd, col = NULL, col.ticks = NULL, hadj = NA, padj = NA, ... ) 인자 설명 side 그래프의 어느 쪽에 축을 그릴지 지정하는 정수 값 방향 1 bottom(below) 2 left 3 top 4 right at 축의 눈금이 그려질 곳의 위치를 지정하는 점들 labels 축 눈금에 라벨 데이터를 입력하는 숫자형 벡..

VotingClassifier() · {sklearn.ensemble} 서브패키지의 메소드입니다. · 앙상블(Ensemble)의 다수결 기법(Voting)의 모형을 생성합니다. from sklearn.ensemble import VotingClassifier class sklearn.ensemble.VotingClassifier(estimators, voting='hard', weights=None, n_jobs=None, flatten_transform=True) parameter description estimators · 개별 모형 목록 · 리스트나 named parameter 형식으로 입력합니다. voting · 문자열 {hard, soft} · hard voting 과 soft voting 선택..

learning_curve() 학습 곡선을 그려줍니다. sklearn.model_selection.learning_curve(estimator, X, y, groups=None, train_sizes=array([0.1, 0.33, 0.55, 0.78, 1. ]), cv=None, scoring=None, exploit_incremental_learning=False, n_jobs=None, pre_dispatch='all', verbose=0, shuffle=False, random_state=None, error_score=nan, return_times=False) https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.l..