데이터분석을 위한 판다스입문 4, 5, 6장

 

✏️학습 목차

---

1. 데이터분석을 위한 판다스입문 4장
   • 막대그래프부터 박스플롯까지 다양한 그래프를 그려보고 대시보드를 만들었다.
2. 데이터분석을 위한 판다스입문 5장
   • 깔끔한 데이터 만들기를 위해 행과 열의 위치를 바꾸는 과정을 실습했다.
3. 데이터분석을 위한 판다스입문 6장
   • apply() 메서드를 이용해서 사용자 정의 함수를 DF, 시리즈에 적용했다.

 

✏️학습 후기

---

특별히 어려워서 더이상 진도가 나가지 않는 부분은 없고 이해갈 때까지 읽었고 실습했고 모르는 것은 아래와 같이 물어봤고 전체적으로 이해하려고 노력했기에 07장으로 넘어갈 수 있겠다.

 

✏️학습과정에서의 문제 해결

---

1. "enumerate" 메서드의 이해 부족으로 코드 어렵게 느껴짐 해결하기

 

- enumerate가 두 개의 인자를 전달 받는다는 것을 이해한다.

- 처음엔 0부터 인덱스번호를 전달받고, 다른 하나는 전달인자 그대로 받는다.

 

 

2. return값이 없는 함수를 데이터프레임에 적용했을 때, 두 개의 열을 모두 연산하고 남은 None값은 뭔가?

 

링크: 판다스 데이터프레임 apply 함수 적용 궁금증 해결완료 (tistory.com)

판다스 데이터프레임 apply 함수 적용 궁금증 해결완료

 

3. 스칼라와 벡터의 개념이해 해결하기

 

1) 스칼라(Scalar): 크기만을 가지고 있고 방향이 없는 수를 말한다. 예를 들어, 방의 온도를 설명할 때 "30도"라고 말하는 것은 스칼라이다. 온도에는 방향이 없으며, 단지 크기만을 가지고 있다.
2) 벡터(Vector): 크기와 방향을 가지고 있는 수를 말한다. 예를 들어, "5km/h로 북쪽으로 이동한다"는 것은 벡터이다. 속도에는 크기와 방향이 모두 포함되어 있다.

 

4. 벡터화 할 수 있는/없는 함수 이해하기

 

1) 벡터화할 수 없는 함수: IF, 조건문, 반복문 (연속적이지 않고 돌아감)
2) 벡터화할 수 있는 함수: 하단 코드 참고

 

import numpy as np

arr = np.array([1, 4, 9, 16])
sqrt_arr = np.sqrt(arr)
print(sqrt_arr)

결과 [1. 2. 3. 4.]