개발자 로드맵 - https://roadmap.sh/frontend    react

Python Package Index (PyPI) : https://pypi.org/

몇 줄의 Python 코드로 멋진 그림을 그리고 싶습니까? SketchPy가 도와드리겠습니다. 

이 글에서는 스케치파이가 무엇인지, 컴퓨터에서 파이썬으로 그림을 그리는 데 어떻게 활용할 수 있는지 알아보자.

https://pypi.org/project/sketchpy/

Install

    pip install sketchpy

it should probably work, If not then try the following code

    pip install turtle open-cv wheel sketchpy

Example

    from sketchpy import library as lib


    obj = lib.rdj()
    obj.draw()

from sketchpy import library
myObject = library.tom_holland()
myObject.draw()


from sketchpy import library
myObject = library.ironman_ascii()
myObject.draw()

https://pythonistaplanet.com/sketchpy/

[python] 공공데이터 OPEN API의 xml 을 DataFrame으로 변환하기(feat. 코로나 확진자 수)

https://greendreamtrre.tistory.com/268

# 모듈 import
import requests
import pprint


#인증키 입력
encoding = '발급받은 인코딩 인증키를 복사하여 붙여넣기 해 주세요.'
decoding = '발급받은 디코딩 인증키를 복사하여 붙여넣기 해 주세요.'

#url 입력
url = 'http://openapi.data.go.kr/openapi/service/rest/Covid19/getCovid19SidoInfStateJson'
params ={'serviceKey' : decoding , 'pageNo' : '1', 'numOfRows' : '10', 'startCreateDt' : '2020', 'endCreateDt' : '20211103' }

response = requests.get(url, params=params)

# xml 내용
content = response.text

# 깔끔한 출력 위한 코드
pp = pprint.PrettyPrinter(indent=4)
#print(pp.pprint(content))

### xml을 DataFrame으로 변환하기 ###
from os import name
import xml.etree.ElementTree as et
import pandas as pd
import bs4
from lxml import html
from urllib.parse import urlencode, quote_plus, unquote

## 각 컬럼 값 ## (포털 문서에서 꼭 확인하세요)
"""
SEQ : 게시글번호(국내 시도별 발생현황 고유값)
CREATE_DT: 	등록일시분초
DEATH_CNT: 	사망자 수
GUBUN: 	시도명(한글)
GUBUN_CN: 	시도명(중국어)
gubunEn: 시도명(영어)
INC_DEC: 전일대비 증감 수
ISOL_CLEAR_CNT: 격리 해제 수
QUR_RATE: 10만명당 발생률
STD_DAY: 기준일시
UPDATE_DT: 수정일시분초
DEF_CNT: 확진자 수
ISOL_ING_CNT: 격리중 환자수
OVER_FLOW_CNT: 해외유입 수
LOCAL_OCC_CNT: 지역발생 수

""" 

#bs4 사용하여 item 태그 분리

xml_obj = bs4.BeautifulSoup(content,'lxml-xml')
rows = xml_obj.findAll('item')
print(rows)
"""
# 컬럼 값 조회용
columns = rows[0].find_all()
print(columns)
"""

# 각 행의 컬럼, 이름, 값을 가지는 리스트 만들기
row_list = [] # 행값
name_list = [] # 열이름값
value_list = [] #데이터값

# xml 안의 데이터 수집
for i in range(0, len(rows)):
    columns = rows[i].find_all()
    #첫째 행 데이터 수집
    for j in range(0,len(columns)):
        if i ==0:
            # 컬럼 이름 값 저장
            name_list.append(columns[j].name)
        # 컬럼의 각 데이터 값 저장
        value_list.append(columns[j].text)
    # 각 행의 value값 전체 저장
    row_list.append(value_list)
    # 데이터 리스트 값 초기화
    value_list=[]

#xml값 DataFrame으로 만들기
corona_df = pd.DataFrame(row_list, columns=name_list)
print(corona_df.head(19)) 

#DataFrame CSV 파일로 저장
corona_df.to_csv('corona_kr.csv', encoding='utf-8-sig')

React Developer Tools

https://chrome.google.com/webstore/detail/react-developer-tools/fmkadmapgofadopljbjfkapdkoienihi?hl=en 

2023년 Web3의 주요 트렌드

Web3는 여전히 진화하고 정의되고 있으므로 확립되고 보편적으로 받아들여지는 정의는 없습니다. 그러나 Web3의 확산을 도운 투자자인 Packy McCormick은 Web3 를 " 토큰으로 조정된 빌더와 사용자가 소유한 인터넷 "으로 정의했습니다

Web3의 개념은 어리둥절하고 모호할 수 있습니다. 이해를 돕기 위해 다음은 수년에 걸친 인터넷의 진화에 대한 간략한 검토입니다.

웹 1.0— 정적 웹(1990~2005년경). 대체로 대화식 기능이 부족한 읽기 전용 웹 페이지로 구성되었습니다. 콘텐츠 생성이 제한되었고 정보를 찾기가 어려웠습니다.

웹 2.0 — 다이내믹 웹(2004년경부터). 웹에 구축된 새로운 소프트웨어 애플리케이션으로 제작되었습니다. 대부분의 가치는 Google, Apple, Amazon 및 Facebook과 같은 회사에서 생성됩니다.

Web3의 진화에는 다양한 경로가 있지만 업계 오피니언 리더는 종종 Web3를 정의하는 데 도움이 되는 다음 특성을 제안합니다.

• Semantic Web: 사용자가 검색 및 분석을 통해 링크 자료를 만들고 공유할 수 있도록 하는 향상된 웹 기술입니다. Web3의 검색 및 분석 기능은 단어의 의미와 단어 뒤에 있는 컨텍스트를 이해하는 데 더 중점을 둡니다.
• 탈중앙화 : Web 1.0 및 Web 2.0에서는 거버넌스와 애플리케이션이 대체로 중앙 집중화(Facebook/Meta를 생각해 보십시오)하는 것과는 달리 Web3는 모든 애플리케이션과 서비스가 중앙 권한이 없는 분산 방식으로 활성화되어 탈중앙화될 것입니다.
• 3D 그래픽 또는 메타버스: 일부 기술 전문가는 물리적 세계와 가상 세계 또는 메타버스 간의 새로운 수준의 몰입과 상호 작용을 생성할 수 있는 잠재력 때문에 Web3를 참조합니다. 게임, 건강, 부동산, 전자 상거래 등 모든 산업 분야에서 선구적인 애플리케이션을 볼 수 있습니다.
• 인공 지능: 시맨틱 기능과 AI의 조합을 통해 다수의 데이터를 이해하고 보다 빠르고 관련성이 높은 결과를 제공하는 상당한 개선이 가능합니다(예: 기후 예측 또는 편향된 제품 리뷰와 같은 인간 기반 부패 관행).

Web3의 다른 기능으로는 Ubiquity(즉, 어디서나/모든 곳), 블록체인(즉, 분산 원장) 및 에지 컴퓨팅이 있습니다.