일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
- 자료구조
- 시큐리티
- spring
- JPA
- 네트워크
- CS지식
- Spring Security
- Oracle
- 스프링
- Flutter
- 프로그래머스
- 백준
- 자바
- CS
- 자바스크립트
- DB
- postgresql
- python
- springboot
- javascript
- 데이터베이스
- Java
- baekjoon
- 스프링 부트 쇼핑몰 프로젝트 with JPA
- 리눅스
- 플러터
- 데이터
- 파이썬
- 스프링부트
- backjoon
- Today
- Total
목록전체 글 (557)
Jin's Dev Story
LEVEL을 활용한 문제https://school.programmers.co.kr/learn/courses/30/lessons/59413 프로그래머스코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요.programmers.co.kr -- 코드 풀이SELECT B.TIME AS HOUR , NVL(COUNT(AO.ANIMAL_ID), 0) AS COUNT FROM ANIMAL_OUTS AO RIGHT OUTER JOIN (SELECT LEVEL -1 TIME FROM DUAL CONNECT BY LEVEL LEVE..
Bar 차트 - 막대 차트Pie 차트 - 원형 차트Line 차트 - 선 차트Scatter 차트 - 점 차트Heat Map 차트 - 열 차트Histogram 차트 - 빈포 분도 차트Box 차트 - 박스 차트 시각화 라이브러리matplotlib파이썬으로 기본적인 차트들을 쉽게 그릴 수 있도록 도와주는 시각화 라이브러리seabornmatplotlib 기반으로 만들어진 통계 데이터 시각화 라이브러리import numpy as np import pandas as pdimport matplotlib.pyplot as plt import seaborn as sns import warnings # 시각화 관련 버전 등의 경고(없애기위함) # 시각화 하기 전 준비 (안해도 되는 과정) plt.rcParams['fig..
apply 함수 활용DataFrame 타입의 객체에서 호출가능한 apply 함수에 대해 살펴보자본인이 원하는 행과 열에 연산 혹은 function을 적용할 수 있음열 기준으로 집계하고 싶은 경우 axis = 0행 기준으로 집계하고 싶은 경우 axis = 1열 기준 집계# apply 함수# 열 기준 집계abalone_df[['diameter']].apply(np.average, axis=0)행 기준 집계# 행 기준 집계abalone_df[['diameter']].apply(np.average, axis=1)사용자 함수를 통한 집계# 사용자 함수를 통한 집계 ★★★★★import mathdef avg_ceil(x, y, z): return math.ceil((x+y+z)/3) # ceil 올림abalo..
데이터프레임 그룹 생성pandas의 groupby() 연산자를 사용하여 집단, 그룹별로 데이터를 집계 및 요약 할 수 있음dataframe을 지정한 그룹으로 나누고, 각 그룹별로 집계함수를 적용하고, 그룹별 집계 결과를 하나로 합치는 과정을 거침abalone_src = base_src + '/abalone.data'데이터 읽어오기header : none인 경우 헤더를 가져오지 않겠다는 의미sep : 어떤 구분자를 통해 데이터를 구분할 것인지names : 컬럼명abalone_df = pd.read_csv(abalone_src, header=None, sep=',',names=['sex','length','diameter','height', 'whole_weight','shu..
# DataFrame 실습df = pd.DataFrame({'a':[2,3], 'b':[5, 10]})dfdf = pd.DataFrame([[2, 5], [3, 10], [10, 20]], columns=['a', 'b'])df데이터프레임 행, 열 삭제df.drop([지울 행이나 열], axis=축(0 or 1))열 지울 땐 axis = 1행 지울 땐 axis = 0df.drop(['B', 'C'], axis=1)inplace = True변수 할당 없이 변수에 적용하겠다는 뜻df.drop(['B', 'C'], axis=1, inplace=True)== 같은 뜻df = df.drop(['B', 'C'], axis=1) 계산 기능mean() : 평균 값 구하기데이터프레임 수정# 1행의 C열의 값을 육으로 변..
df.iloc[숫자]→ 시리즈로 행 가져오기df.iloc[[숫자]]→ 데이터프레임으로 행 가져오기df[컬럼명]→ 컬럼에 해당하는 값 모두 가져오기df.loc[문자열]→ 문자열, 즉 데이터프레임에 있는 형태 그대로 가져옴iloc와 loc 의 차이점(상황에 맞게 선택)iloc는 인덱스와 컬럼을 리스트 배열로 선택하는 것loc는 인덱스와 컬럼을 문자로 선택하는 것인덱스를 [0, 1, 2, 3, 4, 5]에서 [1, 2, 3, 4, 5, 6]으로 변경 후 2열의 있는 값 가져오기iloc는 리스트 기준이기 때문에 변경 전 Nate를 가져오고 loc는 변경 후 2열에 있는 Jenny를 가져옴