OneBook(Python & Deep Learning)
  • 한곳에서 끝내는 파이썬 & 머신러닝 & 딥러닝
  • 문서 작업을 시작하며
  • 1. 인공지능(Artificial Intelligence) 시대
    • 1.1. 인공지능이란 도대체 무엇인가?
    • 1.2. 4차 산업혁명
    • 1.3. 인공지능의 역사
    • 1.4. 인공지능 > 머신러닝 > 딥러닝
    • 1.5. 머신러닝
    • 1.6. 머신러닝 알고리즘
      • 1.6.1. 지도 학습 (Supervised Learning)
      • 1.6.2. 비지도 학습 (Unsupervised learning)
      • 1.6.3. 강화 학습(Reinforcement Learning)
    • 1.7. 인공신경망(ANN)
    • 1.8. 딥러닝
  • 2. 기본 상식
    • 2.1. 기본 용어의 이해
      • 2.1.1. CPU와 GPU의 차이
      • 2.1.2. 오픈소스(Open Source)
      • 2.1.3. 깃허브(GitHub)
      • 2.1.4. 위키 Wiki
      • 2.1.5. 아나콘다(Anaconda)
      • 2.1.6. 활성화 함수
      • 2.1.5. 딥러닝 프레임워크 소개
    • 2.2. 텐서플로(Tensorflow)
    • 2.3. 케라스(Keras)
    • 2.4. 파이토치(PyTorch)
    • 2.5. 학습에 필요한 중요한 도구와 라이브러리들
      • 2.5.1. 주피터 노트북(Jupyter Notebook)
      • 2.5.2. 파이참(PyCharm)
      • 2.5.3. 스파이더(Spyder)
      • 2.5.4. 넘파이(NumPy)
      • 2.5.5. 싸이파이(SciPy)
      • 2.5.6. Matplotlib
      • 2.5.7. 판다스(Pandas)
      • 2.5.8. 장고(Django)
      • 2.5.9. 파이큐티(pyQT)
      • 2.5.10. 싸이킷런(Scikit-learn)(Sklearn)
      • 2.5.11. CUDA & cuDNN
      • 2.5.12. 파이썬 표준 내장 라이브러리
    • 2.6. AI공부에 필요한 기본지식 3가지
      • 2.6.1. 수학
      • 2.6.2. 프로그래밍 기술
      • 2.6.3. AI의 적용 대상 산업에 대한 지식
  • 3. 개발 환경설정
    • 3.1. 윈도우 환경에서 설치하기
      • 3.1.1. 아나콘다 설치 (파이썬 설치)
        • 1) 아나콘다 패키지 업데이트
        • 2) conda에서 파이썬 가상 환경 (virtual environments) 생성하기
        • 3) NVIDIA GPU 환경 설정하기
      • 3.1.2. 텐서플로 설치
      • 3.1.3. 케라스 설치
      • 3.1.4. Jupyter Notebook 설치
      • 3.1.5. Visual Studio Code 설치
      • 3.1.6. 파이참 설치
        • 1) 파이참 가상환경 설정
        • 2) 파이참 환경 설정
        • 3) 설치된 라이브러리들의 버전 확인 하기
    • 3.2. 리눅스 환경에서 설치하기
      • 3.2.1. 아나콘다 설치(파이썬 설치)
      • 3.2.2. 텐서플로 설치
      • 3.2.3. 케라스 설치
      • 3.2.4. 장고 설치
      • 3.2.5. 파이참(PyCharm) 설치
        • 1) 파이참 가상환경 설정
  • 4. 파이썬 기초 학습
    • 4.1. 파이썬(Python)
    • 4.2. 파이썬의 특징
    • 4.3. 파이썬 기본 문법
      • 4.3.1. 대화형과 스크립트 모드 프로그래밍
      • 4.3.2. 모듈의 사용(import)
      • 4.3.3. 파이썬 식별자(Identifiers)
      • 4.3.4. 예약어(Reserved Words)
      • 4.3.5. 행(Lines)과 들여쓰기(Indentation)
      • 4.3.6. 문자열 표시
      • 4.3.7. 주석
      • 4.3.8. 파이썬 변수(Variables)
    • 4.4. 자료형과 연산자
      • 4.4.1. 자료형
      • 4.4.2. 파이썬 연산자
    • 4.5. 조건문과 반복문
      • 4.5.1. 조건문
      • 4.5.2. 반복문
    • 4.6. 함수
      • 4.6.1. 함수의 종류
    • 4.7. 모듈(Modules)
      • 4.7.1. 모듈의 참조 위치
      • 4.7.2. 네임스페이스(Namespace)와 범위(Scoping)
      • 4.7.3. dir( ) 함수
      • 4.7.4. 패키지(Packages)
      • 4.7.5. 기본 내장 모듈
    • 4.8. 숫자형 활용
      • 4.8.1. 실습: 계산기 만들기
    • 4.9. 문자열(Strings) 활용
      • 4.9.1. Unicode 한글의 사용
      • 4.9.2. 이스케이프 문자
      • 4.9.3. 문자열 연산자
      • 4.9.4. 문자열 포맷 연산자
      • 4.9.5. 내장 문자열 함수
    • 4.10. 시퀀스(Sequence) 자료형 활용
      • 4.10.1. 리스트(Lists)
      • 4.10.2. 튜플(Tuple)
      • 4.10.3. 딕셔너리(Dictionary)
    • 4.11 Class
    • 4.12. Date & Time
    • 4.13. 파이썬 에러처리
  • 5. 기초수학
  • 6. 머신러닝을 위한 파이썬
  • 7. 텐서플로 2.x
  • 8. 딥러닝을 이용한 자연어 처리 입문
  • 9. 파이토치로 시작하는 딥 러닝 입문
  • 9.6 6. Pytorch lightning
  • A1. 필수 학습 라이브러리들
    • 4.1 NumPy
      • 4.1.1. Basic Operations
      • 4.1.2. Indexing, Slicing 그리고 Iterating
      • 3.13.3. Shape Manipulation
    • 4.2 Matplotlib
    • 4.3 SciPy
      • 4.3.1. Interpolation
      • 4.3.2. Optimization
      • 4.3.3. Fast Fourier transforms: scipy.fftpack
    • 4.4 Pandas
      • 4.4.1 Pandas 자료구조
      • 4.4.2 Pandas 활용하기
  • A2. 머신러닝 & 딥러닝
    • 5.1. 머신러닝 개념 소개
      • 5.1.1. 경사하강법(Gradient Descent )
      • 5.1.2. 분류 (Classification)
      • 5.1.3. MNIST Dataset 소개
    • 5.2. 딥러닝 개념 소개
      • 5.2.1. 퍼셉트론
      • 5.2.2. 인공 신경망
      • 5.2.3. 대표적인 딥러닝 모델
    • 5.3. Tensorflow를 사용한 학습
      • 5.3.1. TensorFlow 기본 메커니즘
      • 5.3.2. Tensorflow Types
      • 5.3.3. 기본 동작 실습
      • 5.3.4. 선형 회귀
      • 5.3.5 로지스틱 회귀
    • 5.4. Keras를 사용한 학습
      • 5.4.1. Keras로 분석한 선형 회귀
      • 5.4.2. CNN(Convolutional Neural Network)
      • 5.4.3. Fashion MNIST with Keras
    • 5.5. 웹 크롤링
      • 5.5.1. requests와 BeautifulSoup으로 웹 크롤러 만들기
Powered by GitBook
On this page

Was this helpful?

  1. 4. 파이썬 기초 학습
  2. 4.9. 문자열(Strings) 활용

4.9.5. 내장 문자열 함수

Python에는 문자열을 조작하는 다음과 같은 내장 메서드가 포함되어 있습니다.

Previous4.9.4. 문자열 포맷 연산자Next4.10. 시퀀스(Sequence) 자료형 활용

Last updated 6 years ago

Was this helpful?

문자열의 첫 글자를 대문자로 바꿉니다.

원래 문자열 앞뒤에 주어진 길이가 되도록 추가할 문자를 채워서 반환합니다.

문자열에 시작 인덱스 beg와 종료 인덱스 end 사이에 주어진 문자열 str이 몇 번 발생하는지 계산

문자열 또는 부분 문자열 (시작 색인 beg 및 종료 색인 end가 지정된 경우)이 접미어로 끝나는 지 여부를 결정합니다. 있으면 true를 반환하고 그렇지 않으면 false를 반환합니다.

문자열의 탭을 여러 공백으로 확장합니다. 탭 크기가 제공되지 않으면 탭 당 8 공백이 기본값입니다.

문자열의 beg에서 end까지 부분 문자열이 발생하는지 확인합니다. 발견되면 색인을 반환하고 그렇지 않으면 -1을 반환합니다.

find ()와 동일하지만, str이 발견되지 않으면 예외 에러가 발생합니다.

문자열이 1 문자 이상이고 모든 문자가 영숫자의 경우는 true, 그렇지 않은 경우는 false를 돌려줍니다.

문자열이 1 문자 이상이고 모든 문자가 영문자의 경우는 true, 그렇지 않은 경우는 false를 돌려줍니다.

문자열에 숫자 만 포함되어 있으면 true를 반환하고 그렇지 않으면 false를 반환합니다.

문자열이 1 문자 이상이고 모든 문자가 소문자인 경우는 true, 그렇지 않은 경우는 false를 리턴.

유니코드 문자열에 숫자만 포함되어 있으면 true를 반환하고 그렇지 않으면 false를 반환.

문자열에 공백 문자가 있으면 true를 그렇지 않으면 false를 리턴.

첫문자는 대문자 나머지는 소문자인 "titlecased"가 올바르게 지정되어 있는 경우는 true, 그렇지 않은 경우는 false

문자열이 1 문자 이상이고 모든 문자가 대문자인 경우는 true, 그렇지 않은 경우는 false를 리턴.

문자열 seq에 있는 문자열을 분리 문자열로 연결

문자열의 길리

원래 문자열 왼쪽에 총 width 열 공백으로 채워진 문자열을 반환.

모든 대문자를 소문자로 변환

문자열의 모든 선행 공백을 제거

translate 함수에서 사용할 변환 테이블을 반환

문자열 str에서 최대 알파벳 문자를 반환

문자열 str에서 최소 알파벳 문자를 반환

문자열에서 모든 old 항목을 new 로 변경.

find ()와 동일하지만 문자열 뒤에서 검색

index ()와 같지만 문자열 뒤에서 검색

원래 문자열 오른쪽에 총 width 열 공백으로 채워진 문자열을 반환.

문자열의 모든 공백을 제거

구분 기호 str (제공되지 않은 경우 공백)에 따라 문자열을 분할하고 하위 문자열 목록을 반환

문자열을 모두 (또는 num) NEWLINE에서 분할하고 NEWLINE이 제거 된 각 줄의 목록을 반환

문자열이 부분문자열 str로 시작하는지 판단. 있으면 true를 반환하고 그렇지 않으면 false를 반환

문자열에 대해 lstrip () 및 rstrip ()을 수행

문자열의 모든 대소문자를 스왑

문자열의 "titlecased"버전을 반환. 즉, 모든 단어는 대문자로 시작하고 나머지는 소문자로 변환됩니다.

문자열을 변환 테이블 str(256 문자)에 따라 변환하고 deletechars의 문자를 제거.

문자열의 소문자를 대문자로 변환

. 총 width 문자에 0으로 왼쪽 패딩 된 원래 문자열을 반환

유니코드 문자열에 decimal 문자 만 들어 있으면 true를 그렇지 않으면 false를 반환

capitalize()
center(길이, 추가할 문자)
count(str, beg= 0,end=len(string))
endswith(suffix, beg=0, end=len(string))
expandtabs(tabsize=8)
find(str, beg=0 end=len(string))
index(str, beg=0, end=len(string))
isalnum()
isalpha()
isdigit()
islower()
isnumeric()
isspace()
istitle()
isupper()
join(seq)
len(string)
ljust(width[, fillchar])
lower()
lstrip()
maketrans()
max(str)
min(str)
replace(old, new [, max])
rfind(str, beg=0,end=len(string))
rindex( str, beg=0, end=len(string))
rjust(width,[, fillchar])
rstrip()
split(str="", num=string.count(str))
splitlines( num=string.count('\n'))
startswith(str, beg=0,end=len(string))
strip([chars])
swapcase()
title()
translate(table, deletechars="")
upper()
zfill (width)
isdecimal()