본문 바로가기

분류 전체보기144

N+1 문제와 해결방법문제와 해결방법 N+1 문제란?쿼리 한번으로 N 건의 데이터를 가져왔을 때, 데이터를 얻기 위해 N건의 데이터를 가져온 데이터 수만큼 반복해서 2차적으로 쿼리를 수행하는 문제왜 발생하는가?한 번의 쿼리로 N개의 관련 객체를 불러온 후, 각 객체에 대해 추가적인 쿼리가 필요할 때 사용.예를 들어, 게시글 목록을 불러온 후 각 게시글의 작성자 정보를 불러오기 위해 별도의 쿼리를 실행하는 상황에서 만약, 100 개의 게시글이 있고 각 게시글마다 작성자 정보를 조회하는 쿼리를 실행한다면, 최초의 1번 쿼리와 각 게시글에 대한 100번의 쿼리, 총 101번의 데이터베이스 쿼리가 필요하게 되어 성능이 크게 저하 됨.N+1 문제의 해결방법조인(Joins)SQL 조인을 사용하여 필요한 모든 데이터를 한번의 쿼리로 가져올 수 있습니다... 2024. 11. 7.
Djnago, 테스트 폴더 안 테스트 파일을 인식하지 못할 때 Django에서 test.py를 만들고  python manage.py test 를 입력하면 테스트를 진행할 수 있다. 하지만 패키지 구조를 관리하기 위해 앱별로 test 폴더를 만들어 test를 관리하게 될 경우 테스트가 진행되지 않는 경우가 있다. 첫 번째, test 파일의 이름이 test로 시작 되지 않을 때, 예를 들어 test_view.py 와 같이 test로 시작 할 수 있도록 파일 명을 변경해 주어야 한다. 두 번쩨. test폴더 안에 __init__.py가 없는 경우, 이 경우에는 __init__.py라는 이름을 가진 빈 파일을 생성해 주면 해결이 된다. 2024. 10. 31.
Windows, python 가상환경에 환경변수 생성했는데 모듈을 찾지 못할 때 문제윈도우즈에서 파이썬 가상환경을 사용하던 도중 no_module... 에러가 발생했다. 해결방법은 시스템 변수의 path에 등록된 가상환경 경로가 여러 개일 경우 사용하려던 가상환경의 경로를 맨 위로 옮겨주어야 한다. 2024. 10. 31.
APIClient와 APIRequestFactory의 차이 Django Rest Frameworkd(DRF)에서는 API를 테스트할 때 사용할 수 있는 여러 유틸리티를 제공하는데, APIClient와 APIRequestFactory는 그 중에서도 가장 자주 사용되는 도구입니다. 각각의 사용 목적과 기능적 차이를 아래와 같이 설명하려 합니다.1. APIClientAPIClient 는 DRF의 테스트를 위한 가장 강력한 도구 중 하나로, 완전한 웹 브라우저와 유사한 방식으로 작동합니다. 즉, 클라이언트는 HTTP 요청을 서버에 보내고 응답을 받는 과정을 시뮬레이션할 수 있습니다. APIClient를 사용하면 인증, 쿠키, 세션 등의 상태를 관리하면서 HTTP 메서드(GET, POST,PUT, DELETE 등)를 통한 요청을 손쉽게 만들 수 있습니다.from rest.. 2024. 10. 9.
Django 사용자 모델 커스터마이징하기 Django의 기본 사용자 모델은 많은 프로젝트에 충분하지만, 때로는 추가 정보를 저장하거나 기본 동작을 변경해야 할 필요가 있습니다. 이러한 요구사항을 충족하기 위해 Django는 사용자 모델을 커스터마이징할 수 있는 기능을 제공합니다. 다음은 커스텀 사용자 모델을 구현하는 방법을 단계별로 설명합니다.1. settings.py에서 사용자 모델 설정하기프로젝트의 settings.py 파일에서 AUTH_USER_MODEL 설정을 추가하여 Django에게 기본 사용자 모델 대신 사용할 모델을 알립니다.config/settings.pyAUTH_USER_MODEL = 'user.User'이 설정은 user앱의 User모델을 참조합니다. 이렇게 설정함으로써, Django는 모든 인증 관련 구조에서 이 커스텀 모델.. 2024. 10. 9.
확률변수의 함수의 분포: 이산형 분포의 근사, 체비셰프 부등식과 확률수렴, 극한 적률생성함수 이산형 분포의 근사(Approximation of Discrete Distributions)이산형 분포의 근사는 이산 확률분포를 연속 확률분포로 근사하여 계산을 간단하게 하거나 이론적 분석을 용이하게 하는 방법입니다. 대표적인 예로 포아송 분포와 이항 분포의 정규 분포로의 근사가 있습니다.포아송 분포의 정규근사평균 $\lambda$가 큰 포아송 분포는 평균과 분산이 $\lambda$인 정규 분포로 근사할 수 있습니다. 일반적으로 $\lambda \ge 30$일 때 유효하다고 여겨집니다.이항 분포의 정규근사시행 횟수 n이 크고, 성공확률 p가 0과 1에서 너무 멀지 않은 경우, 이항 분포 B(n,p)는 평균 np와 분산 np(1-p)를 가진 정규 분포로 근사할 수 있습니다. n이 크고 np와 n(1-p)가.. 2024. 10. 3.
확률변수의 함수의 분포: 적률생성함수기법, 정규분포와 관련된 확률함수, 중심극한정리 적률생성함수(Moment Generating Function, MGF)적률생성함수는 확률변수의 모든 적률(기댓값의 연산으로 정의되는 통계량)을 생성하는 함수입니다. 이 함수는 확률변수 X에 대한 정보를 포함하며, 특히 확률변수의 분포를 완전히 특정짓는 데 사용될 수 있습니다. 적률생성함수 $M_x(t)$는 다음과 같이 정의됩니다.$$ M_x(t) = E[e^tX] $$여기서 E는 기댓값을 의미하며, t는 실수입니다.활용적률생성함수는 분포의 모든 적률을 계산할 수 있게 해주며, 두 확률변수가 같은 분포를 갖는지 비교하는 데 유용합니다. 또한, 확률변수의 합의 분포를 찾는 데에도 사용됩니다. 예를 들어, 독립적인 확률변수들의 합의 적률생성함수는 각 확률변수의 적률생성함수의 곱과 같습니다.정규분포와 관련된 확.. 2024. 10. 3.
확률변수의 함수의 분포:한 확률변수의 함수, 두 확률변수의 변환, 여러 독립인 확률 변수 한 확률변수의 함수(Function of a Random Variable)확률변수의 함수는 어떤 확률변수 X에 대해 정의된 함수 Y = g(X)로, X의 각 값에 함수 g를 적용하여 새로운 확률변수 Y를 생성합니다. 이는 X의 확률 분포를 이용해 Y의 분포를 유도하는 과정입니다.예시만약 X가 표준 정규 분포를 따르는 확률변수라면, Y = $X^2$은 카이제곱 분포를 따릅니다. 이를 통해 X의 값을 제곱함으로써 Y 의 확률 분포를 얻을 수 있습니다.두 확률변수의 변환(Transformation of Two Random Variables)두 확률변수 X와 Y에 대해 정의된 함수 Z = g(X,Y)는 두 변수의 결합 분포를 사용하여 Z의 분포를 찾습니다. 이는 두 변수의 상호작용을 통해 새로운 확률변수를 형성.. 2024. 10. 3.
이변량 분포: 연속형 이변량 분포, 이변량 정규분포 연속형 이변량 분포(Continuous Bivariate Distribution)연속형 이변량 분포는 두 연속 변수의 결합된 확률 분포를 나타냅니다. 이는 두 변수가 각각 취할 수 있는 연속적인 값을 가지며, 이 두 변수 간의 확률적 관계를 모델링합니다.예시예를 들어, 어느 지역의 일일 최고기온과 일일 강수량을 생각해볼 수 있습니다. 이 두 변수는 연속적인 값을 가지며, 최고기온과 강수량의 결합 분포를 통해 어떤 기온에서 어떤 양의 비가 내릴 확률이 가장 높은지를 분석할 수 있습니다.활용이변량 연속 분포는 공학, 경제학, 환경과학 등 다양한 분야에서 두 변수 간의 관계를 파악하고 예측 모델을 만드는 데 사용됩니다.이변량 정규분포(Bivariate Normal Distribution)이변량 정규분포는 두 .. 2024. 10. 3.

티스토리툴바