파이썬2 === 수업 정보 === 가입 --- * [프로그래머스](https://programmers.co.kr/) * [Replit - 가상 코드](https://replit.com/home) * [github](https://github.com/) * 이 강의에서는 가입하지 않아도 됩니다. 다운로드 --- * [파이썬3 다운로드](https://www.python.org/downloads/) * Add Python 3.12.4 to PATH 체크하기 : 파이썬이 설치된 경로를 시스템이 인식해야 명령 프롬프트 어느 위치에서나 python 명령을 실행할 수 있다. * [파이참 다운로드](https://www.jetbrains.com/ko-kr/pycharm/download/?section=windows#section=windows) * 파이참이란? : 파이썬 프로그램을 쉽게 개발할 수 있는 통합 개발 환경(IDE) * IDE : 코딩, 디버그, 컴파일, 배포 등 프로그램 개발에 관련된 모든 작업을 하나의 프로그램 안에서 처리하는 환경을 제공하는 소프트웨어 * 모두 체크 후 설치 * [git](https://git-scm.com/) * 이 강의에서는 설치하지 않아도 됩니다. 링크 --- * [영상 - 나도코딩 : 1분 파이썬 - (1) 소개](https://www.youtube.com/watch?v=sj4vexbygKA) * [영상 - 나도코딩 : 파이썬 코딩 무료 강의 (활용편3) - 웹 크롤링? 웹 스크래핑! 제가 가진 모든 비법을 알려드리겠습니다.](https://www.youtube.com/watch?v=yQ20jZwDjTE&list=PLMsa_0kAjjrd8hYYCwbAuDsXZmHpqHvlV&index=5) * [영상 - 나도코딩 : 파이썬 코딩 무료 강의 (활용편4) - 업무자동화(RPA), 이제는 일하는 척(?)만 하세요](https://www.youtube.com/watch?v=exgO1LFl9x8&list=PLMsa_0kAjjrd8hYYCwbAuDsXZmHpqHvlV&index=6) * [code.org 코스 3](https://studio.code.org/s/course3) * [code.org 코스 4](https://studio.code.org/s/course4) * [프로그래머스 - 알고리즘 입문](https://school.programmers.co.kr/learn/challenges/beginner?order=acceptance_desc&page=1&languages=python3) * [코드업, 100제](https://codeup.kr/problemsetsol.php?psid=33) 웹 크롤링 === * 웹 크롤링 : 웹 페이지에서 필요한 데이터를 수집하는 과정 * 사용 브라우저 = 크롬 * 크롬에 있는 개발자 도구를 이용해서 크롤링을 수행할 때 필요한 정보를 확인할 수 있다. requests 라이브러리 설치 --- * 사용자는 웹을 이용할 때 서버에 여러 가지 요청을 합니다 * 검색어 입력 후 검색 결과 요청, 아이디와 비밀번호 입력 후 로그인 요청 등 * 사용자가 서버에 요청하는 것을 request(요청)이라고 합니다. * requests 라이브러리는 쉽고 편리하게 request를 처리할 수 있는 기능을 가지고 있습니다. * 외부 라이브러리이므로 설치해야 사용 가능 ```python pip install requests ``` * 파이썬의 표준 라이브러리에는 request를 처리하기 위해 urllib라는 패키지가 있다. * 하지만 사용법이 좀 더 직관적이고 쉬운 외부 라이브러리인 requests 라이브러리 사용 BeautifulSoup 패키지 설치 --- * BeautifulSoup(뷰티풀솝)은 구문을 분석해서 필요한 내용만을 추출할 수 있는 기능을 가짐 ```python pip install BeautifulSoup4 ``` 라이브러리, 패키지, 모듈의 관계 --- [![img.png](https://i.postimg.cc/C5p9LNtr/img.png)](https://postimg.cc/jwvMMzRy) * 모듈 : 파이썬 파일 * 패키지 : 모듈을 모아 놓은 컨테이너(디렉터리) * 여러 모듈과 패키지를 모아 놓은 컨테이너 웹 크롤링의 이해 === * 웹 크롤링(web crawling)이란 완성된 웹 페이지에서 필요한 정보를 수집하고 선별하여 추출하는 과정 * 웹 스크래핑(web scraping)이라고도 함 * 방대한 웹의 자료를 가져와서 가공하려면 우선 웹의 기초 지식을 갖추고 있어야 합니다. HTML의 개념 --- * HTML : Hyper Text Markup Language의 약자, 웹 페이지를 만드는 문법을 갖춘 언어 * 프로그래밍 언어는 아니고 웹페이지가 어떻게 구조화되어있는지 정의하는 마크업 언어 * 하이퍼텍스트(Hyper Text) : Hyper(초월한, 뛰어넘은)와 Text(문서)의 합성어 * 기존의 문서는 책처럼 순차적으로 하나씩 접근하는 방식이었다면 하이퍼텍스트는 링크에 따라 다른 페이지로 이동하거나 동일 페이지 내 다른 위치로 이동하는 비순차적 접근 방식 * 마크업 언어(Markup Language) : 태그 등을 이용하여 문서 혹은 데이터의 구조를 명기하는 언어 * 마크업 언어는 정적인 언어이기 때문에 프로그래밍 언어라고 하지 않는다. * HTML은 각자 역할이 정해진 태그(tag)들로 구성 됨 * 파이썬 홈페이지에 접속해서 확인해보자. [![image.png](https://i.postimg.cc/W1D3ZptR/image.png)](https://postimg.cc/nXJpbJvT) * 기본적으로 웹 페이지들은 '소스 보기'를 통해서 어떤 html 태그로 만들었는지 확인할 수 있다. * 화면 빈 공간에 마우스 우 클릭 > 소스 보기 [![image.png](https://i.postimg.cc/XqzWNFfr/image.png)](https://postimg.cc/xNMhtXFQ) [![image.png](https://i.postimg.cc/xTXYxxQM/image.png)](https://postimg.cc/8jgqsbjz) * 와 같이 <>로 쌓여 있는 것이 HTML 태그 HTML의 구조 --- * HTML 문서의 기본 구조 [![image.png](https://i.postimg.cc/2yBcvZpb/image.png)](https://postimg.cc/H8d91jkd) [![image.gif](https://i.postimg.cc/ydwqwBsR/image.gif)](https://postimg.cc/njYwDysV) * HTML 문서는 그림과 같이 상위 요소와 하위 요소가 존재하는 트리 구조(계층 구조) * \ : HTML임을 브라우저에게 알리는 선언문 * \ : 이 태그부터 실제 HTMl 태그 요소 * 전체 문서 내용은 \\ 사이에 작성 * 추가로 알고 있어야 할 HTMl 요소의 구조 [![img.png](https://i.postimg.cc/NjGnCLmV/img.png)](https://postimg.cc/gn54nzMq) URL --- * URL(Uniform Resource Locator) : 어떤 자원의 위치를 표기하는 방법을 의미 * 웹 브라우저의 주소 창에 인터넷 주소를 입력하는데 이때 입력한 주고 바로 URL이다. * URL 표기 형식 ``` 프로토콜://도메인:포트번호:경로 ``` [![images-0sunset0-post-5e75cb81-982a-44d6-bf7c-8c6b6c433c4b-image.png](https://i.postimg.cc/q7hjWKRm/images-0sunset0-post-5e75cb81-982a-44d6-bf7c-8c6b6c433c4b-image.png)](https://postimg.cc/kVCQbBW8) 웹 페이지 가져오기 === * 웹 크롤링을 위해서 설치한 외부 라이브러리들의 역할을 다시 정리 * 웹 페이지의 모든 정보가 담겨 있는 소스 코드를 가져오기 위해 requests 라이브러리 사용 * 그다음으로 원하는 정보만 추출하기 위해서 BeautifulSoup 라이브러리 사용 일반 웹 페이지 정보 가져오기 --- * 일반 웹 페이지의 내용을 가져오는 방법 * http 요청을 수행해서 웹 페이지의 소스 코드를 가져올 수 있는 requests 라이브러리를 활용해서 웹 페이지의 전체 소스 코드를 가져올 수 있다. * 실습에서는 네이버 메인 페이지를 사용 ```python import requests url = 'https://www.naver.com' response = requests.get(url) print(f'응답 코드: {response.status_code}') print(response.text) # 요청이 정상적으로 처리되었다면 응답 코드를 의미하는 status_code값 200이 반환 ``` 검색 결과 웹 페이지 정보 가져오기 === * 이번에는 네이버에서 '파이썬'이라는 검색어를 입력했을 때 결과 화면을 가져오는 방법 * 가장 먼저 알아야 할 것은 소스 코드를 가져오고자 하는 웹 페이지의 URL * 파이썬을 검색한 결과 화면의 URL [![URL.png](https://i.postimg.cc/8Pz3tjhY/URL.png)](https://postimg.cc/fk1BbWq7) * ?의 오른쪽 부분을 확인해보자 * 이 부분이 사용자가 서버에게 요청하는 정보들이 전달되는 구역 * '파라미터명=값'의 형식으로 전달 * 정보가 여러 개인 경우 &를 이용하여 '파라미터명=값&파라미터명=값'과 같은 형식으로 전달 * 입력한 파이썬은 query라는 파라미터로 전달 * 나머지 파라미터를 제거하고 검색해도 검색 결과 페이지는 같다. * 요청 파라미터가 있는 웹 페이지는 URL 자체와 요청 파라미터를 분리해서 정보 요청 ```python import requests url = 'https://search.naver.com/search.naver' param = {'query': '파이썬'} response = requests.get(url, params=param) print(f'응답 코드: {response.status_code}') print(response.text) ``` * requests 모듈의 get() 메소드에 params 인자에 값을 요청 파라미터값을 저장해서 요청하고 있다. * 요청 파라미터는 딕셔너리를 사용 * 만약 둘 이상의 파라미터값을 보내고자 한다면 다음과 같이 작성 ```python params = {'query': '파이썬', 'ie': 'utf8'} response = requests.get(url, params=params) ``` * HTTP 응답 코드를 통해서 현재 요청의 진행 상황과 서버의 상태를 예측할 수 있다. * 응답 코드는 크게 5가지 | 응답 코드 | 설명 | | --- | --- | | 1 X X | 요청되었으며 현재 작업 중 | | 2 X X | 요청이 성공적으로 수행 | | 3 X X | 요청이 완료되었으나 리다이렉션이 필요 | | 4 X X | 사용자의 요청이 잘못됨 | | 5 X X | 서버에 오류 발생 | 예제 --- * 네이버 영화에서 영화 '기생충'의 소개 페이지를 가져오는 프로그램 $$hide ```python import requests url = 'https://movie.naver.com/movie.bi/mi/basic.nhn' param = {'code': '161967'} response = requests.get(url, params=param) # 인코딩 설정 response.encoding = 'utf-8' print(f'응답 코드: {response.status_code}') print(response.text) ``` $$ 웹 페이지 분석 및 추출 === * 지금까지 requests를 통해 웹 페이지를 가져오는 작업을 함 * requests를 이용해서 가져온 웹 페이지의 소스 코드는 파이썬에 str 자료형으로 저장 * 파이썬의 내장 함수와 문자열 메소드를 이용해서 파싱(parsing)한 뒤 원하는 정보만 추출 * BeautifulSoup을 이용하면 보다 쉽게 정보 추출이 가능 BeautifulSoup 객체 생성 --- * requests를 사용해 가져온 웹 페이지는 BeautifulSoup() 함수와 html 파서(html.parser)를 이용해서 쉽게 해석이 가능한 BeautifulSoup 객체로 변경한 뒤 데이터를 추출 ```python import requests from bs4 import BeautifulSoup url = '검색 대상 URL' response = requests.get(url) html = response.text soup = BeautifulSoup(html, 'html.parser') ``` BeautifulSoup 메소드 사용하기 --- * BeautifulSoup 객체인 soup이 생성되면 원하는 정보를 추출하는 메소드 사용 가능 * 대표적인 메소드들을 알아보자 **find()** * 지정된 태그들 중에서 가장 첫 번째 태그만 가져오는 메소드 * 일반적으로 하나의 태그만 존재하는 경우 사용 * 만약 여러 태그가 있으면 첫 번째 태그만 가져옴 ```python import requests from bs4 import BeautifulSoup url = 'https://www.naver.com/' response = requests.get(url) html = response.text soup = BeautifulSoup(html, 'html.parser') print(soup.find('a')) print(soup.find('a').text) print(soup.find('a').get('href')) print(soup.find('title')) ``` **find_all()** * 지정한 태그들을 모두 가져오는 메소드 * 가져온 태그들은 모두 리스트에 보관 ```html

영화
여행
독서

``` ```python soup.find_all('li') soup.find_all('li')[0].text # 영화 soup.find_all('li')[1].text # 여행 soup.find_all('li')[2].text # 독서 soup.find_all('li')[0].get('id') # movie ``` **class 속성 활용** * 공통적인 특징을 갖는 태그들은 같은 class 속성값을 가지고 있다. * 크롤링에서 자주 사용되는 속성이기 때문에 특정 class 속성값을 찾는 방법이 따로 있음 * find()와 find_all()메소드 모두 동일하게 지원 ```html

뉴스

지도

``` ```python soup.find_all('div', class_='gnb') # [

뉴스

지도

] soup.find_all('div', class_='gnb')[0].text # 뉴스 soup.find_all('div', class_='gnb')[1].text # 지도 ``` **id속성 활용** * 같은 웹 페이지에서 같은 id 속성값을 가진 태그는 존재하지 않음 * 따라서 특정 id 속성값을 가진 태그는 오직 하나 * find() 메소드와 같이 사용 ```html

왼쪽 영역

오른쪽 영역

``` ```python soup.find('div', id='left') #

왼쪽 영역

soup.find('div', id='left').text # 왼쪽 영역 ``` **요소의 태그 구성 알아내기** * F12를 누르면 개발자 도구가 실행 * 개발자 도구가 실행되면 코드 인스펙트 버튼을 클릭한 뒤 원하는 요소를 클릭해서 소스 코드를 알 수 있다. * 코드 인스펙트 버튼 단축키 : Ctrl + Shitf + C 예제 --- * 구글에 '파이썬' 검색을 하면 나오는 페이지의 제목들을 출력하는 프로그램 $$hide ```python import requests from bs4 import BeautifulSoup # URL 설정 url = 'https://www.google.com/search' params = {'q': '파이썬'} # 요청 보내기 response = requests.get(url, params=params) # 응답 코드 출력 print(f'응답 코드: {response.status_code}') # 응답이 성공적이면 파싱 시작 if response.status_code == 200: html = response.text soup = BeautifulSoup(html, 'html.parser') # 검색 결과 목록 찾기 result_list = soup.find_all('div', class_='BNeawe vvjwJb AP7Wnd') # 각 검색 결과 출력 for result in result_list: print(result.text.strip()) else: print("웹 페이지를 불러오는데 실패했습니다.") ``` $$ 데이터 시각화 === 데이터 시각화 --- * 데이터를 분석한 결과를 사용자가 쉽게 이해할 수 있도록 표현하여 전달하는 것 * 데이터 시각화가 필요한 이유 ``` 1. 많은 양의 데이터를 한눈에 볼 수 있다. 2. 전문 지식이 없어도 누구나 쉽게 해당 데이터를 인지하고 사용할 수 있다. 3. 단순한 데이터의 요약이나 나열보다 더 정확한 데이터 분석 결과를 얻을 수 있다. 4. 단순한 데이터에서는 알 수 없었던 중요한 정보를 파악할 수 있다. ``` 파이썬의 데이터 시각화 --- * 파이썬에서는 데이터 시각화를 위한 다양한 라이브러리 제공 * matplotlib, seaborn, pyecharts, wordcloud 등 * 대부분 그래프를 쉽게 그려주는 라이브러리 matplotlib --- * 파이썬에서 가장 널리 사용되는 대표적인 시각화 라이브러리 * png, jpg 등의 다양한 출력 형식 지원 * matlab 프로그램과 유사한 인터페이스 matplotlib 설치 --- ``` pip install matplotlib ``` figure와 subplot --- * figure : subplot을 포함할 수 있는 전체 영역을 의미 * 한 figure 안에 여러 개의 subplot이 포함될 수 있다 * subplot : 실제로 그래프를 그리는 영역을 의미 [![image.png](https://i.postimg.cc/ncXVc6ZS/image.png)](https://postimg.cc/tYHGBvsF) * figure는 figure() 함수를 이용해서 생성 * subplot은 add_subplot() 함수를 이용해서 생성 * subplot을 생성하기 위한 add_subplot() 함수의 사용법 ```python add_subplot(행, 열, 번호) ``` * 전체 영역은 행과 열로 결정 * 원하는 만큼 영역 설정 가능 * 생성된 영역마다 subplot을 삽입할 수 있다 * 어떤 영역에 추가할 subplot인지를 구분하기 위해 마지막에 각 subplot의 번호를 지정 [![image.png](https://i.postimg.cc/zv6sBD1J/image.png)](https://postimg.cc/0KGWXsQ3) * 1개 영역에 1개의 subplot을 생성 ```python import matplotlib.pyplot as plt figure = plt.figure() axes = figure.add_subplot(1, 1, 1) plt.show() ``` * figure에 2개의 subplot이 포함되는 예제 ```python import matplotlib.pyplot as plt figure = plt.figure() axes1 = figure.add_subplot(1, 2, 1) axes2 = figure.add_subplot(1, 2, 2) plt.show() ``` plot() 함수 --- * plot() 함수는 꺾은선형그래프를 그리는 함수 * plot(x, y)와 같이 x축에 사용할 데이터, y축에 사용할 데이터를 각각 리스트로 만든 뒤 인수로 전달 * TIP : figure.add_subplot(111)처럼 쉼표 생략 가능 ```python import matplotlib.pyplot as plt figure = plt.figure() axes = figure.add_subplot(111) x = [0, 1, 2, 3, 4] y = [4, 1, 3, 5, 2] axes.plot(x, y) plt.show() ``` * plot() 함수는 꺾은선형그래프를 그리는 함수 ```python import matplotlib.pyplot as plt figure = plt.figure() axes = figure.add_subplot(111) x1 = [0, 1, 2, 3, 4] y1 = [4, 1, 3, 5, 2] x2 = [0, 1, 2, 3, 4] y2 = [0, 8, 5, 3, 1] axes.plot(x1, y1, x2, y2) plt.show() ``` * plot() 함수는 다양한 옵션을 사용할 수 있다. | 구분 | 의미 | 종류 | | --- | --- | --- | | linestyle | 선의 형태 | 실선('-', 'solid'), 대시('- -', 'dashed'), 점선(':', 'dotted') | | linewidth | 선의 굵기 | 포인트(pt) 단위 실수 | | color | 선의 색상 | 빨강('r'), 파랑('b') | | marker | 표식 | ('.'), ('o'), ('v'), ('^') | ```python import matplotlib.pyplot as plt figure = plt.figure() axes = figure.add_subplot(111) axes.plot([0, 1, 2, 3, 4], [0, 3, 0, 3, 0], linestyle='dotted', linewidth=5.0) axes.plot([0, 1, 2, 3, 4], [1, 2, 3, 4, 5], color='r', marker='v') plt.show() ``` matplotlib 라이브러리 한글 처리 --- * matplotlib 한글을 사용하면 정상적으로 표시되지 않음 * font-manager와 rc를 이용해서 사용하고자 하는 한글 폰트를 등록하면 이 문제를 해결할 수 있다. * 사용하고자 하는 폰트를 선정하고 해당 폰트의 경로와 파일명을 확인 * 윈도우 10 운영체제의 경우 C:/Windows/Fonts 디렉터리에 시스템에 설치된 폰트가 있다. ```python import matplotlib.pyplot as plt from matplotlib import font_manager, rc import matplotlib font_path = 'C:/Windows/Fonts/malgun.ttf' font_name = font_manager.FontProperties(fname=font_path).get_name() matplotlib.rc('font', family=font_name) plt.plot(['봄', '여름', '가을', '겨울'], [20.5, 30.5, 15.5, 1.5]) plt.show() ``` 예제 --- * 상반기(1~6월)의 매출 데이터를 꺾은선형그래프로 나타내서 매출 추세를 알아보는 프로그램 * 가로툭은 Jan~Jun으로 표시, 세로축은 매출액을 표시 ``` x = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'jun'] y = [1200, 800, 500, 400, 700, 800] ``` $$hide ```python import matplotlib.pyplot as plt figure = plt.figure() axes = figure.add_subplot(111) x = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'jun'] y = [1200, 800, 500, 400, 700, 800] axes.plot(x, y) plt.show() ``` $$ bar() 함수 --- * 막대그래프를 그리는 방법 * 막대그래프는 어떤 데이터의 많고 적음을 나타낼 때 주로 사용 * 파이썬에서는 bar() 함수로 그릴 수 있다. * plot() 함수와 같은 방법으로 사용 ```python import matplotlib.pyplot as plt figure = plt.figure() axes = figure.add_subplot(111) x = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun'] y = [8, 6, 5, 4, 7, 9, 5] axes.bar(x, y) plt.title('weekday call') plt.xlabel('week') plt.ylabel('call') plt.show() ``` scatter() 함수 --- * 산포그래프 * 산포그래프(scatter plot) : 어떤 두 변수 사이의 상관관계를 나타낼 때 사용 [![2021b-Grouped-Marginal-Histogram.png](https://i.postimg.cc/1Xc1XhM2/2021b-Grouped-Marginal-Histogram.png)](https://postimg.cc/H8xhvNq9) ```python import matplotlib.pyplot as plt figure = plt.figure() axes = figure.add_subplot(111) x = [1,2,3,4,5,6] y = [6,4,1,2,7,5] area = [50,100,150,200,250,300] # 각 점의 크기 color = ['red', 'green', 'blue', 'orange', 'aqua', 'crimson'] # 각 점의 색상 axes.scatter(x, y, s=area, c=color) plt.show() ``` 예제 --- * 어느 집단의 소음에 따른 스트레스 지수를 조사하였더니 다음과 같다. * 소음과 스트레스 지수의 상관관계를 시각적으로 표시하는 산포그래프를 그리는 프로그램 | 소음 | 20 | 25 | 30 | 35 | 40 | 45 | 50 | 55 | 60 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 스트레스 | 10 | 11 | 15 | 20 | 30 | 42 | 55 | 70 | 88 | $$hide ```python import matplotlib.pyplot as plt figure = plt.figure() axes = figure.add_subplot(111) noise = [20,25,30,35,40,45,50,55,60] stress = [10,11,15,20,30,42,55,70,88] axes.scatter(noise, stress, s=50) plt.xlabel('noise') plt.ylabel('stress') plt.show() ``` $$ pie() 함수 --- * 원형그래프 ```python import matplotlib.pyplot as plt figure = plt.figure() axes = figure.add_subplot(111) data = [1, 2, 3] axes.pie(data) plt.axis('equal') plt.show() ``` * 형태가 타원이 아닌 일반 원의 형태로 출력하도록 axis('equal') 사용 * 원형그래프만으로 정보를 전달하기 부족하기 때문에 범례나 레이블 등 추가 정보를 포함해서 작성하는 것이 좋다. * 범례 : legend() * 레이블 : labels 옵션이나 autopct 옵션을 이용 ```python import matplotlib.pyplot as plt figure = plt.figure() axes = figure.add_subplot(111) data = [1, 2, 3] label = ['Good', 'Bad', 'Normal'] axes.pie(data, labels=label, autopct='%d%%') plt.axis('equal') plt.legend(label, loc="center left") plt.show() # autopct='%d%%' 옵션 : 문자열 포맷팅을 활용하기 때문에 소숫점 표현도 가능 # %%: %를 표시, 이스케이프 문자이기 때문에 %%처럼 작성해야 함 ``` wordcloud === * 외부 라이브러리 ``` pip install wordcloud ``` wordcloud 생성하기 --- * wordcloud 라이브러리는 matplotlib 라이브러리와 함께 사용 * 가장 먼저 wordcloud 모듈로 워드클라우드를 생성 * 생성된 워드클라우드를 matplotlib 라이브러리로 출력 ```python import wordcloud import matplotlib.pyplot as plt words = { 'Python': 10, 'Java': 5, 'C': 7, 'C++': 9, 'JSP': 12 } wc = wordcloud.WordCloud() cloud = wc.generate_from_frequencies(words) plt.figure() plt.imshow(cloud) plt.show() ``` * 한글을 이용해서 생성하려면 추가 작업 필요 * 글꼴을 한글 폰트로 변경하는 작업이 필요하다. ```python import wordcloud import matplotlib.pyplot as plt words = { '파이썬': 20, '빅데이터': 5, '웹크롤링': 7, '인공지능': 9, '딥러닝': 12 } wc = wordcloud.WordCloud(font_path='C:/Windows/Fonts/malgun.ttf') cloud = wc.generate_from_frequencies(words) plt.figure() plt.imshow(cloud) plt.show() ```

게시글 상세