1. 주어진 문자열의 총 모음 수와 각 모음의 개수
text = "Guvi Geeks Network Private Limited"
모음 = {'A':0,'E':0,'I':0,'O':0,'U':0}
텍스트 = text.upper()
문자 메시지:
내가 모음인 경우:
모음[i] = 1
total_vowels = sum(vowels.values())
print("각 모음의 개수 : ",vowels)
print("총 모음 수 : ",total_vowels)
2. for 루프를 사용하여 1부터 20까지의 숫자 피라미드
n = 20
strt = 1
행 = 6
범위(1,1행)에 있는 i의 경우:
범위(i)의 j에 대해:
strt 인 경우
인쇄(strt, end=" ")
strt = 1
그 외:
휴식
인쇄()
3. 문자열을 입력받아 모든 모음이 제거된 새 문자열을 반환하는 프로그램을 작성하세요.
oldstr = input("문자열을 입력하세요: ")
모음1 = ('a','e','i','o','u')
oldstr = oldstr.lower()
newstr = ""
oldstr의 나를 위해:
모음이 아닌 경우1:
newstr = 나
print("모음이 아닌 문자열: ",newstr)
4. 문자열을 입력받아 그 안의 고유한 문자 수를 반환하는 프로그램을 작성하세요.
str2 = input("문자열을 입력하세요: ")
str2 = str2.lower()
str2 = str2.replace(" ","")
myset = set(str2)
print("고유 문자 수 :" ,len(myset))
5. 문자열을 받아서 회문이면 true를 반환하고 그렇지 않으면 false를 반환하는 프로그램을 작성하세요.
mystr = input("문자열을 입력하세요: ")
mystr = mystr.lower().replace(" ","")
rev_mystr = mystr[::-1]
mystr == rev_mystr인 경우:
인쇄(참)
그 외:
인쇄(거짓)
7. 문자열을 가져와서 그 안에 가장 자주 사용되는 문자를 반환하는 프로그램을 작성하세요.
txt = input("문자열을 입력하세요: ")
txt = txt.lower().replace(" ","")
빈도 = {}
TXT의 경우:
내가 빈도에 속하지 않는다면:
빈도[i] = 1
그 외:
빈도[i] = 1
max_char = 최대(주파수,키=주파수.get)
print("가장 자주 사용되는 문자:",max_char)
8. 문자열을 가져와서 그것이 다른 문자열의 철자법이면 true를 반환하고 그렇지 않으면 false를 반환하는 프로그램을 작성하세요.
str_x = input("문자열을 입력하세요: ")
str_y = input("다른 문자열을 입력하세요: ")
str_x = str_x.lower().replace(" ","")
str_y = str_y.lower().replace(" ","")
sorted_x = 정렬(str_x)
sorted_y = 정렬(str_y)
sorted_x == sorted_y인 경우 :
인쇄(참)
그 외:
인쇄(거짓)
9. 문자열을 입력받아 그 안에 있는 단어 수를 반환하는 프로그램을 작성하세요.
str1 = input("문자열을 입력하세요: ")
str = str1.split()
print("단어 수 :",len(str))
위 내용은 문제 해결 TASK - 2의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

이 튜토리얼은 Python을 사용하여 Zipf의 법칙의 통계 개념을 처리하는 방법을 보여주고 법을 처리 할 때 Python의 읽기 및 대형 텍스트 파일을 정렬하는 효율성을 보여줍니다. ZIPF 분포라는 용어가 무엇을 의미하는지 궁금 할 것입니다. 이 용어를 이해하려면 먼저 Zipf의 법칙을 정의해야합니다. 걱정하지 마세요. 지침을 단순화하려고 노력할 것입니다. Zipf의 법칙 Zipf의 법칙은 단순히 : 큰 자연어 코퍼스에서 가장 자주 발생하는 단어는 두 번째 빈번한 단어, 세 번째 빈번한 단어보다 세 번, 네 번째 빈번한 단어 등 4 배나 자주 발생합니다. 예를 살펴 보겠습니다. 미국 영어로 브라운 코퍼스를 보면 가장 빈번한 단어는 "TH입니다.

Python은 인터넷에서 파일을 다운로드하는 다양한 방법을 제공하며 Urllib 패키지 또는 요청 도서관을 사용하여 HTTP를 통해 다운로드 할 수 있습니다. 이 튜토리얼은 이러한 라이브러리를 사용하여 Python의 URL에서 파일을 다운로드하는 방법을 설명합니다. 도서관을 요청합니다 요청은 Python에서 가장 인기있는 라이브러리 중 하나입니다. URL에 쿼리 문자열을 수동으로 추가하지 않고 HTTP/1.1 요청을 보낼 수 있습니다. 요청 라이브러리는 다음을 포함하여 많은 기능을 수행 할 수 있습니다. 양식 데이터 추가 다중 부문 파일을 추가하십시오 파이썬 응답 데이터에 액세스하십시오 요청하십시오 머리

시끄러운 이미지를 다루는 것은 특히 휴대폰 또는 저해상도 카메라 사진에서 일반적인 문제입니다. 이 튜토리얼은 OpenCV를 사용 하여이 문제를 해결하기 위해 Python의 이미지 필터링 기술을 탐구합니다. 이미지 필터링 : 강력한 도구 이미지 필터

이 기사에서는 HTML을 구문 분석하기 위해 파이썬 라이브러리 인 아름다운 수프를 사용하는 방법을 설명합니다. 데이터 추출, 다양한 HTML 구조 및 오류 처리 및 대안 (SEL과 같은 Find (), find_all (), select () 및 get_text ()와 같은 일반적인 방법을 자세히 설명합니다.

PDF 파일은 운영 체제, 읽기 장치 및 소프트웨어 전체에서 일관된 콘텐츠 및 레이아웃과 함께 크로스 플랫폼 호환성에 인기가 있습니다. 그러나 Python Processing Plain Text 파일과 달리 PDF 파일은 더 복잡한 구조를 가진 이진 파일이며 글꼴, 색상 및 이미지와 같은 요소를 포함합니다. 다행히도 Python의 외부 모듈로 PDF 파일을 처리하는 것은 어렵지 않습니다. 이 기사는 PYPDF2 모듈을 사용하여 PDF 파일을 열고 페이지를 인쇄하고 텍스트를 추출하는 방법을 보여줍니다. PDF 파일의 생성 및 편집에 대해서는 저의 다른 튜토리얼을 참조하십시오. 준비 핵심은 외부 모듈 PYPDF2를 사용하는 데 있습니다. 먼저 PIP를 사용하여 설치하십시오. PIP는 p입니다

이 튜토리얼은 Redis 캐싱을 활용하여 특히 Django 프레임 워크 내에서 Python 응용 프로그램의 성능을 향상시키는 방법을 보여줍니다. 우리는 Redis 설치, Django 구성 및 성능 비교를 다루어 Bene을 강조합니다.

NLP (Natural Language Processing)는 인간 언어의 자동 또는 반자동 처리입니다. NLP는 언어학과 밀접한 관련이 있으며인지 과학, 심리학, 생리학 및 수학에 대한 연구와 관련이 있습니다. 컴퓨터 과학에서

이 기사는 딥 러닝을 위해 텐서 플로와 Pytorch를 비교합니다. 데이터 준비, 모델 구축, 교육, 평가 및 배포와 관련된 단계에 대해 자세히 설명합니다. 프레임 워크, 특히 계산 포도와 관련하여 주요 차이점


핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

WebStorm Mac 버전
유용한 JavaScript 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

안전한 시험 브라우저
안전한 시험 브라우저는 온라인 시험을 안전하게 치르기 위한 보안 브라우저 환경입니다. 이 소프트웨어는 모든 컴퓨터를 안전한 워크스테이션으로 바꿔줍니다. 이는 모든 유틸리티에 대한 액세스를 제어하고 학생들이 승인되지 않은 리소스를 사용하는 것을 방지합니다.

Dreamweaver Mac版
시각적 웹 개발 도구
