python pair plot 

데이터 세트의 숫자 변수 간의 쌍 관계를 보여주는 산점도 그리드입니다. 일반적으로 데이터 분포와 변수 간의 관계를 이해하는 데 사용됩니다.

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

import sklearn
print(sklearn.__version__)

# Sample dataset (Iris dataset)
from sklearn.datasets import load_iris


iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['species'] = [iris.target_names[i] for i in iris.target]

# Create a pair plot
sns.set(style="ticks")
pairplot = sns.pairplot(df, hue="species", diag_kind="kde")

# Save the pair plot as an image
output_file = "pair_plot.png"
pairplot.savefig(output_file)
print(f"Pair plot saved as {output_file}")

# Show the pair plot
plt.show()

富士山ライブ配信 ふもとっぱらキャンプサイトから - Mount Fuji Live from Fumotoppara (Shizuoka Japan)https://www.youtube.com/live/EMbzjZJ1eQU

ふもとっぱら(キャンプサイト)

https://maps.app.goo.gl/DkJWZTeeU17bi5Zb9

한 치 앞도
보이지 않는 칠흑의 어둠이어야
볼 수 있는 은하수를 그리면서 생각했다.
어쩌면 칠흑같이 캄캄한 인생이라야 보이는
내 인생의 은하수 같은 것들을 떠올렸다. 안온할
때는 보이지 않았던 것들. 지친 하루에도 때가 되면
찾아갈 집과 가족이 있는 것이라든지 외로운 싸움을
하는 중에도 몇 마디 말로 내 편을 들어줄 친구가
있는 것 등, 그럼에도 불구하고 살 만하고
살 이유가 있다는 것에
감사하기로 했다.


- 이기주의 《그리다가, 뭉클》 중에서 -


* 칠흑 같은 어둠이 있기에
별이 빛나고 은빛 은하수가 보입니다.
계곡이 깊다는 것은 봉우리가 높다는 뜻도 됩니다.
인생도 역사도 깊은 절망의 계곡과 굴곡이 있기에
더 높은 희망의 봉우리를 바라볼 수 있습니다.
진흙 속에서 청정한 연꽃이 피어나고,
불행은 행운의 전반부라는 것을
깨닫게 됩니다.

'안목'의 반대말은 선입견이다.
나는 사람을 볼 줄 모른다고 생각했다.
한두 번 본 사람을 쉽게 오해하기도 하고
반대로 쉽게 마음을 주기도 한다. 오래 두고 봐야
선입견의 흑막이 걷혀 제대로 그 사람을 보게 된다는
걸 알지만 이게 말이 쉽지, 나이를 더 먹으면 나아질
거라고 눙친다. 이왕이면 그림 그리다가 덤으로
사람 볼 줄 아는 안목까지 생기면 좋겠다.
선입견 같은 건 없는 진짜 어른이
되고 싶으니까.


- 이기주의 《그리다가, 뭉클》 중에서 -


* 사람을 대할 때
가장 위험한 것이 선입견입니다.
지레 짐작하고 섣불리 판단하는 것이야말로
매우 어리석은 일입니다. 나의 눈에 색깔을 입혀
본래 모습을 보지 못하고 왜곡하는 일이 없도록 그냥
그대로 바라보는 태도가 중요합니다. '진짜 어른'이
되려면, 역설적이게도 순수한 어린아이의 눈으로
돌아가려는 노력이 필요합니다. 그런 점에서
어린아이와 진짜 어른은 통합니다.

[VSCODE] 14 VS Code Extensions Every Data Engineer Should Swear By for Maximum Productivity

1. Jupyter (85M+ downloads)

For Interactive Notebooks and Data Exploration

If you’re working with Python and data science, chances are you’ve used Jupyter notebooks. Well, this extension brings Jupyter functionality directly into VS Code. Whether you’re exploring datasets, running Python scripts, or testing ETL pipelines, this extension allows you to work in an interactive, notebook-style environment without leaving your code editor. It’s perfect for ad-hoc analysis, experimenting with new ideas, and visualizing your data right within your development setup.

Download extension here

 

8. Pylance (118M+ downloads)

For Python IntelliSense and Type Checking

Python is the lingua franca of data engineering, and Pylance supercharges your coding experience with advanced IntelliSense features. It provides type-checking, better autocompletion, and more accurate suggestions, all of which help you write cleaner, more efficient Python code. As a data engineer, you’re likely juggling multiple libraries, so having robust type information can prevent bugs and improve your productivity.

Get extension here

 [javascript] input 정규식 사용시 모바일 천지인 키보드 입력(여예요) 안될 경우

 const regex = /[^가-힣ㆍᆞᆢㄱ-ㅎㅏ-ㅣ]/g;



// 천지인 키보드 한글 입력 필터링
$(document).on("keyup", "#inputField", function () {
  // 현재 입력된 값
  let currentVal = $(this).val();

  // 한글 초성, 중성, 완성된 한글만 허용
  let filteredVal = currentVal.replace(/[^가-힣ㆍᆞᆢㄱ-ㅎㅏ-ㅣ]/g, "");

  // 필터링된 값 다시 입력
  $(this).val(filteredVal);
});