Write a solution to find the average selling price for each product. average_price should be rounded to 2 decimal places. If a product does not have any sold units, its average selling price is assumed to be 0. Return the result table in any order.
SELECT p.product_id,
IFNULL(ROUND(SUM(u.units * p.price) / SUM(u.units), 2), 0) average_price
FROM Prices p LEFT JOIN UnitsSold u ON (p.product_id = u.product_id) AND
(u.purchase_date BETWEEN p.start_date AND p.end_date)
GROUP BY p.product_id
저런 방식으로 테이블을 JOIN 하는 것은 처음이었으나 사실 저 부분은 금방 작성했다. (시험 삼아 '되나?' 하고 작성해봤는데 그대로 됨)
그런데 SELECT절의 두 번째 컬럼 average_price를 계산하는 데 시간이 많이 걸렸다.
아, 그리고 처음에는 UnitsSold 테이블에 Prices 테이블을 LEFT JOIN 했는데 테이블 u에 판매된 내역이 없을 경우 그냥 텅 빈 결과 테이블이 조회된다고 틀렸다고 해서 위와 같이 JOIN 하고 SELECT절과 GROUP BY절도 테이블 p의 product_id로 수정했더니 각 제품 id별로 0이 출력되어 조회됐다.
def solution(n, m, section):
answer = 0
wall = [i for i in range(1, n+1)]
status = []
for i in wall:
if i in section:
status.append(0)
else:
status.append(1)
return answer
출력값을 보면 status가 어떻게 값을 담고 있는지 확인할 수 있다.
우선 벽이 칠해진 상태를 나타내는 리스트인 status를 만들었다.
빈 리스트를 열어놓고 section에 해당 구역의 숫자가 있으면 0(=칠해지지 않음)을, 없으면 1(=칠해짐)을 추가해서 status 리스트를 채웠다.
def solution(n, m, section):
answer = 0
wall = [i for i in range(1, n+1)]
status = []
for i in wall:
if i in section:
status.append(0)
else:
status.append(1)
while status.count(0) > 0: #status에서 0이 존재한다면
j = status.index(0) #status에서 첫 번째로 0이 등장하는 인덱스 j를 구해서
status[j:j+m] = [1 for k in range(0, m)] #status에서 j부터 롤러가 한 번 칠할 수 있는 부분을 칠하고(=숫자 1로 변경)
answer += 1 #answer에 1회 추가
return answer
그리고서 위와 같이 롤러를 칠한 횟수를 while 반복문으로 구하는 코드를 작성했다.
status에 0을 센 개수가 0보다 크다면 이하의 코드 블록을 반복한다.
(1) 현재 status 리스트에서 0이 처음으로 등장하는 인덱스 j를 구하고
(2) status에서 [ j : j+m ] (=롤러가 칠할 수 있는 범위) 만큼을 숫자 1로 바꿔줌
위의 부분에서 리스트에서 일정 구간의 값을 한번에 바꾸는 법을 구글링해서 참고
리스트 컴프리헨션으로 status[j:j+m]과 동일한 길이로 1로만 채워진 리스트를 생성함
복잡도 : 문제 해결에 필요한 입력값과 문제를 해결하는 프로그램이 주어졌을 때, 해당 프로그램이 입력값을 받아 동작하고 결과를 만들어내는 데 걸리는 정도
시간 복잡도 (Big-O표기법 기준) : 해당 프로그램이 입력값을 받아 동작하고 결과를 만들어내는 데 시간이 소요되는 정도를 입력된 N의 크기에 따라 실행되는 조작의 수
O(1) : 문제를 해결하는 데 오직 한 단계만 처리함
O(log n) : 문제를 해결하는 데 필요한 단계들이 연산마다 특정 요인에 의해 줄어듬. 크키가 커질수록 처리 시간이 짧아짐.
O(n) : 문제를 해결하기 위한 단계의 수와 입력값 n이 1:1 관계를 가짐. 해당 알고리즘을 주의해야 하는 것은 이를 2번 중첩해 사용할 시 바로 시간 복잡도는 O(n²)가 되어 시간이 대폭 길어짐.
O(n log n) : 문제를 해결하기 위한 단계의 수가 N*(log2N)번만큼의 수행 시간이 소요됨
O(n²) : 문제를 해결하기 위한 단계의 수는 입력값의 n의 제곱. for문을 2중 중첩으로 사용하거나 배열끼리 값을 비교/조작하거나 하면 이 정도의 시간이 소요된다고 함.
위와 같은 정보들을 참고해서 내가 작성한 코드를 보면, 음ㅎㅎ
#튜터님의 최적화된 코드 (section 리스트의 크기만큼만 딱 1번 반복하고 answer를 도출함)
def solution(n, m, section):
answer = 0 # 페인트칠 횟수를 저장할 변수
# 롤러가 칠한 구역의 끝 지점을 추적하는 변수
# 만약 롤러로 1~4번 구역을 칠했다면, roller_end = 4가 됨
roller_end = 0
# section 배열을 순서대로 확인 (section에는 페인트가 필요한 구역 번호가 담겨있음)
for s in section:
# 현재 확인 중인 구역(s)이 이전에 칠해진 영역(roller_end) 밖에 있는지 확인
if s > roller_end:
# 새로운 페인트칠 시작 (횟수 증가)
answer += 1
# 롤러로 페인트칠 시작점(s)부터 롤러 길이(m)만큼 칠함
# 롤러 길이가 m이면 s부터 s+m-1까지 칠할 수 있음
# 예: s=2, m=4일 때 2,3,4,5번 구역이 칠해짐
roller_end = s + m - 1
return answer # 최소 페인트칠 횟수 반환
그래서 튜터님이 보여주신 코드를 보면 꼭 필요한 만큼만 반복을 한다는 게 무엇인지 바로 알 수 있었다. 이렇게 간단한 구조로 코드를 작성할 수 있었다니...
앞으로는 알고리즘 문제 푼다고 끝이 아니라 다른 사람들이 제출한 코드도 좀 확인하고 최적화된 코드는 무엇일지도 고민해보는 습관을 가져야겠다.
파이썬 공부②:[데이터 전처리 & 시각화] 4주차 수강하기
Matplotlib 라이브러리로 데이터 시각화 구현하기
plot() 메소드로 선 그래프 그리기 (기본)
import matplotlib.pyplot as plt #matplotlib 라이브러리 사용하기 위해 라이브러리 구현하기
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y) #plot() 메소드로 x축과 y축 구현하기
plt.show() #그린 함수 보기
plt.plot(x, y)
plt.xlabel('X-axis') #x축 이름 설정
plt.ylabel('Y-axis') #y축 이름 설정
plt.title('Example') #그래프 제목 설정
#선 그래프에 스타일 주기
df.plot(x='A', y='B',
color='red', #그래프 색상 설정
linestyle='--', #선 스타일은 점선으로
marker='o', #마커는 원으로
label= 'Data Series') #범례의 이름은 Data Series로
plt.show()
#범례 주는 방법
#방법1. .plot() 메소드에서 label 옵션으로 주기
f.plot(x='A', y='B', color='red', linestyle='--', marker='o', label= 'Data Series')
#방법2. .legend() 메소드로 입력하기
ax = df.plot(x='A', y='B', color='red', linestyle='--', marker='o')
ax.legend(['Data Series'])
#plot을 변수에 할당해서 사용할 수 있는 메소드
ax = df.plot(x='A', y='B', color='red', linestyle='--', marker='o')
ax.legend(['Data Series']) #범례 설정
ax.set_xlabel('X-axis') #x축 이름 설정
ax.set_ylabel('Y-label') #y축 이름 설정
ax.set_title('Title') #도표 제목 설정
ax.text(3, 3, 'Some Text', fontsize=12) #설명 텍스트 삽입
ax.text(2, 4.5, 'Some Text2', fontsize=10)
#도표 크기 설정하기
#방법1: .figure() 메소드 사용하기
plt.figure(figsize=(5,3))
#방법2: .subplots() 메소드 사용하기
fig, ax = plt.subplots(figsize=(7, 4))
ax = df.plot(x='A', y='B', color='red', linestyle='--', marker='o', ax=ax) #여기에도 ax=ax라는 옵션을 줘야 함
그래프 6가지 그려보기
선 그래프(Line Plot) : 데이터의 변화 및 추이를 시각화
막대 그래프(Bar Plot) : 범주별 값의 크기를 시각적으로 비교
히스토그램(Histogram) : 연속형 데이터의 분포, 빈도, 패턴 등을 이해할 때 사용
원 그래프(Pie Chart) : 범주별 상대적 비율을 부채꼴 모양으로 시각화
상자 그림(Box Plot) : 중앙값, 사분위수, 최솟값, 최댓값, 이상치를 비롯한 데이터의 통계적 특성을 파악하는 데 용이
산점도(Scatter Plot) : 변수 간 관계, 군집, 이상치 등을 확인
#(1)선 그래프 그리기
#사용할 데이터 가공하기
import seaborn as sns
data = sns.load_dataset('flights')
data_grouped = data[['year', 'passengers']].groupby('year').sum().reset_index()
#선 그래프 그리기: .plot() 메소드 사용
plt.plot(data_grouped['year'], data_grouped['passengers'])
plt.xlabel('year')
plt.ylabel('passengers')
plt.show()
#(2) 막대 그래프 그리기
#사용할 데이터 만들기: .DataFrame() 메소드 사용하기
df = pd.DataFrame({
'도시' : ['서울', '부산', '대전', '대구', '광주'],
'인구' : [9400000, 3250000, 1500000, 2300000, 1400000]
})
#한글 사용 시 폰트 깨지는 경우 추가할 코드
plt.rcParams['font.family'] = 'AppleGothic' #맥북 기준은 AppleGothic 등이 있음
plt.rcParams['axes.unicode_minus'] = False
#막대 그래프 그리기: .bar() 메소드 사용하기
plt.bar(df['도시'], df['인구'])
plt.xlabel('도시')
plt.ylabel('인구')
plt.title('도시별 인구 수')
plt.show()
#(3) 히스토그램 그리기
#사용할 데이터 만들기
import numpy as np
data = np.random.randn(1000)
#히스토그램 그리기: .hist() 메소드 사용하기
plt.hist(data, bins=30) #bins는 데이터의 구간 수, 구간의 경계를 정의함
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram')
plt.show()
#(4) 원 그래프 그리기
#사용할 데이터 만들기
sizes = [30, 20, 25, 15, 10]
labels = ['A', 'B', 'C', 'D', 'E']
#원 그래프 그리기: .pie() 메소드 사용하기
plt.pie(sizes, labels=labels)
plt.title('Pie Chart')
plt.show()
# (5) 상자 그림 그리기
#사용할 데이터 가공하기
iris = sns.load_dataset('iris')
species = iris['species'].unique()
sepal_lenghts_list = [iris[iris['species'] == s]['sepal_length'].tolist() for s in species]
#상자 그림 그리기: .boxplot() 메소드 사용하기
plt.boxplot(sepal_lenghts_list, labels=species) #matplotlib 라이브러리 사용
plt.xlabel('Species')
plt.ylabel('Sepal Length')
plt.title('Box Plot')
plt.show()
#상자 그림 그리기: .boxplot() 메소드 사용하기
sns.boxplot(x='species', y='sepal_length', data=iris) #seaborn 라이브러리 사용
plt.show()
