티스토리

Data 분석 공부

검색하기

블로그 홈

Data 분석 공부

datalearn.tistory.com/m

Data 학습자 님의 블로그입니다.

구독자: 0

방명록 방문하기

주요 글 목록

본 캠프 54일차 TIL Statistical Method: 통계적 방법Parametric 가우시안 분포 등 미리 정해진 확률 분포를 가정하여 데이터를 분석하는 방법이다.Gaussian Density Estimation 데이터를 하나의 가우시안 분포로 근사하여 분석한다.Mixture of Gaussian Density Estimation 다수의 가우시안 분포를 사용하여 분석한다.Non-parametric 미리 정해진 확률 분포를 가정하지 않고, 관측된 데이터 자체로부터 확률 분포를 추정한다.Histogram 데이터의 구간별 개수를 세어 확률을 추정한다.Kernel-density Estimation 각 데이터 포인트에 개별 확률 분포를 적용하여 전체 확률 분포를 추정한다.단점적절한 확률 분포를 찾기 어렵고, 다차원 데이터에 잘 적.. 공감수 0 댓글수 0 2024. 8. 16.
본 캠프 51일차 TIL 1. 이상 탐지의 정의이상 탐지는 특이한 값이나 보기 드문 사건을 탐지하는 과정으로, 정상과 다른 데이터 패턴을 찾아내는 것이 목적입니다. 이를 통해 조기 경고를 보내고 근본 원인을 해결하는 데 사용됩니다.2. Novelty와 OutlierNovelty는 이전에 본 적 없는 새로운 데이터로, 학습 데이터에 포함되지 않은 데이터를 탐지하는 것Outlier는 기존 데이터와 비교해 확연히 다른 데이터로, 학습 데이터 내에서 다르거나 벗어난 데이터를 제거하는 것3. 방법론 차이Novelty Detection은 정상 데이터만으로 학습한 후 새로운 입력 데이터를 검사합니다.Outlier Detection은 정상 및 이상 데이터를 모두 학습하고, 학습 데이터 내에서 벗어난 데이터를 제거합니다.4. 이상 탐지의 어려움.. 공감수 0 댓글수 0 2024. 8. 13.
본 캠프 50일차 TIL 이상치(Outlier)는 데이터 분석에서 관찰된 값들이 대부분의 데이터와 비교했을 때 상당히 다른 값을 가지는 데이터를 의미한다. 이상치는 데이터의 분포에서 벗어난 값으로, 데이터의 분석 결과에 큰 영향을 미칠 수 있기 때문에 이를 식별하고 처리하는 것이 매우 중요하다.이상치의 원인이상치는 여러 가지 원인으로 인해 발생할 수 있다. 주요 원인으로는 다음과 같은 것들이 있다 1. 측정 오류데이터 수집 과정에서 발생할 수 있는 오류로, 잘못된 장비 설정, 인간의 실수, 시스템 오류 등이 이상치를 유발할 수 있다.2. 데이터 입력 오류데이터를 수동으로 입력하는 과정에서 발생하는 오류로, 잘못된 값이 입력되면 이상치가 발생할 수 있다.3. 자연적인 변동실제로 발생하는 극단적인 상황으로 인해 이상치가 나타날 수 .. 공감수 0 댓글수 0 2024. 8. 12.
본 캠프 47일차 TIL 로지스틱 회귀의 주요 개념이진 분류(Binary Classification):로지스틱 회귀는 두 가지 가능한 결과(예: 성공/실패, 참/거짓, 예/아니오) 중 하나를 예측하는 이진 분류 문제에 사용된다.로짓 함수(Logit Function):로지스틱 회귀는 종속 변수를 예측하기 위해 로짓 함수를 사용한다. 로짓 함수는 확률을 로짓(logit)으로 변환한다.시그모이드 함수(Sigmoid Function):로지스틱 회귀의 핵심은 선형 회귀에서 얻은 결과를 시그모이드 함수에 통과시켜 0과 1 사이의 값을 갖는 확률로 변환하는 것이다.확률 예측:시그모이드 함수의 출력은 0과 1 사이의 값으로, 이 값은 특정 클래스에 속할 확률을 나타낸다.예를 들어, 0.7이라는 값이 나오면 이 샘플이 클래스 1에 속할 확률이 .. 공감수 0 댓글수 0 2024. 8. 9.
본 캠프 46일차 TIL 오늘 배운 것모수의 추정모수의 추정은 모집단의 특성을 나타내는 모수를 표본 데이터를 이용해 추정하는 과정입니다. 모수에는 평균, 분산, 비율 등이 포함됩니다.점추정(Point Estimation): 모집단의 모수를 단일 값으로 추정하는 방법입니다. 예를 들어, 표본 평균은 모집단 평균의 점추정량이 됩니다.구간추정(Interval Estimation): 모집단의 모수를 특정 신뢰 수준 하에 하나의 구간으로 추정하는 방법입니다. 예를 들어, 모집단 평균의 구간추정은 특정 신뢰 수준에서 평균이 포함될 것으로 기대되는 값의 범위를 제공합니다.가설검정에서의 개념가설검정(Hypothesis Testing)은 모집단에 대한 주장이나 가설을 표본 데이터를 사용하여 검증하는 통계적 방법입니다.1. 귀무가설(Null Hy.. 공감수 0 댓글수 0 2024. 8. 9.
본 캠프 45일차 TIL 데이터 마트의 이해데이터 마트(Data Mart)는 특정 부서나 업무 목적에 맞춘 데이터 웨어하우스의 하위 집합이다. 이를 통해 더 구체적이고 전문화된 데이터를 제공하여 사용자들이 쉽게 접근하고 분석할 수 있도록 돕는다. 데이터 마트는 대규모 데이터 웨어하우스의 일부로 운영되며, 특정 부서나 기능별 요구를 충족시키기 위해 설계된다.데이터 마트1. 정의와 목적정의데이터 마트는 특정 비즈니스 부서나 사용자 그룹이 필요로 하는 데이터만을 포함하는 소규모 데이터 웨어하우스이다.목적특정 부서의 요구 사항을 충족시키기 위해 데이터 분석 및 보고를 용이하게 하여 의사 결정 과정을 지원한다.2. 유형분석형 데이터 마트분석 및 보고를 위해 사용되는 데이터 마트로, 주로 경영진이나 분석가들이 사용한다.운영형 데이터 마트운.. 공감수 0 댓글수 0 2024. 8. 7.
본 캠프 44일차 TIL 오늘 배운 것거버넌스 체계 개요 및 구성 요소거버넌스 체계 개요거버넌스 체계는 조직 내에서 데이터와 IT 자산을 관리하고 통제하는 프레임워크이다. 이는 데이터 품질, 데이터 보안, 데이터 활용, 데이터 정책 등을 포함하여 데이터를 효과적으로 관리하고 조직의 목표를 지원하는 데 초점을 맞춘다.구성 요소1. 정책 및 절차 (Policies and Procedures)데이터 관리 정책: 데이터 생성, 저장, 처리, 폐기 등의 관리 방침데이터 보안 정책: 데이터 접근, 암호화, 보안 위협 대응 방침데이터 품질 정책: 데이터의 정확성, 완전성, 일관성 유지 방침2. 데이터 소유권 및 책임 (Data Ownership and Stewardship)데이터 소유자: 특정 데이터 세트에 대한 책임과 권한을 가진 개인 또.. 공감수 0 댓글수 0 2024. 8. 6.
본 캠프 43일차 TIL 피어슨 상관계수 (Pearson Correlation Coefficient)피어슨 상관계수는 두 변수 간의 선형 관계를 측정하는 통계량입니다. 이 값은 -1과 1 사이의 값을 가지며, 값의 크기에 따라 두 변수 간의 관계를 다음과 같이 해석할 수 있습니다:1: 완벽한 양의 선형 관계0: 선형 관계가 없음-1: 완벽한 음의 선형 관계피어슨 상관계수는 다음의 수식을 통해 계산됩니다:r = ∑(X − X̄)(Y − Ȳ) / √[ ∑(X − X̄)² ∑(Y − Ȳ)² ] 여기서 X와 Y는 두 변수, X̄와 Ȳ는 각각의 평균입니다.스피어만 순위 상관계수 (Spearman's Rank Correlation Coefficient)스피어만 순위 상관계수는 두 변수 간의 모노톤 관계(단조 관계)를 측정합니다. 이 상관계.. 공감수 0 댓글수 0 2024. 8. 5.
본 캠프 42일차 TIL 오늘 배운 것 A/B 테스트의 이유성능 기반 의사결정실제 사용자 데이터를 사용하여 어떤 요소가 성과에 기여하는지 명확하게 이해할 수 있음사용자 경험 최적화사용자 인터페이스(UI)나 사용자 경험(UX)의 개선 사항을 테스트하여 사용자 만족도를 향상시킴위험 관리큰 변경 사항을 전체적으로 적용하기 전에 소규모 그룹을 대상으로 테스트하여 리스크를 최소화혁신 촉진새로운 아이디어를 신속하게 테스트하고 반응을 측정함으로써 혁신을 장려하고 빠르게 반복 개선 가능A/B 테스트의 특징간단성A/B 테스트는 비교적 간단하게 설계하고 실행할 수 있으며, 큰 비용 없이도 테스트 할 수 있음통계적 유의성결과의 통계적 유의성을 검증할 수 있어, 우연히 발생한 결과가 아닌 실제 효과를 파악하기 쉬움실시간 피드백실제 사용자의 반응을 통.. 공감수 0 댓글수 0 2024. 8. 5.
본 캠프 41일차 TIL 오늘 배운 것 분석 기획과 분석 방법은 데이터 기반 의사결정 과정에서 매우 중요하다. 이들은 데이터 분석 프로젝트의 성공을 위해 필수적으로 고려되어야 하는 요소이다.분석 기획분석 기획은 프로젝트의 목적을 명확히 하고, 어떤 데이터가 필요하며, 이를 통해 어떤 문제를 해결하려고 하는지를 정의하는 과정입니다. 이 단계에서는 다음과 같은 요소들을 고려합니다:목적 정의프로젝트의 목표와 목적을 명확히 한다. 이는 프로젝트의 방향성을 결정하며, 모든 팀원이 같은 목표를 향해 나아갈 수 있도록 한다.데이터 요구사항 필요한 데이터의 종류와 출처를 식별합니다. 어떤 데이터가 필요한지, 어떻게 수집할 것인지 등을 결정한다.이해관계자 분석프로젝트 결과에 영향을 받을 이해관계자들을 식별하고, 그들의 요구사항을 파악한다.리소스.. 공감수 0 댓글수 0 2024. 8. 4.
본 캠프 40일차 TIL 오늘 배운 것파이썬 문제풀이 접근법이 중요한 이유 공부하는데 사용한 문제https://school.programmers.co.kr/learn/courses/30/lessons/133502 프로그래머스코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요.programmers.co.kr내가 문제 풀이를 하려고 접근한 방식def solution(ingredient): # 필요한 패턴 burger_pattern = [1, 2, 3, 1] # 햄버거 카운터 answer = 0 # 재료 리스트를 순회하면서 검사 while len(ingredient) >= 4: # 현.. 공감수 0 댓글수 0 2024. 8. 2.
본 캠프 39일차 TIL 오늘 배운 것통계학 기초 기술통계 주로 평균, 중앙값, 분산, 표준편차 등을 사용합니다.즉, 데이터를 특정 대표값으로 요약 (정량 데이터)데이터에 대한 대략적인 특징을 간단하고 쉽게 알 수 있음단, 데이터 중 예외(이상치)라는게 항상 존재할 수 있고 데이터의 모든 부분을 확인할 수 있는 것은 아님활용법 - 회사의 매출 데이터를 요약하기 위해 평균 매출, 매출의 표준편차 등을 계산하는데 활용 추론통계주로 신뢰구간, 가설검정 등을 사용합니다.즉, 데이터의 일부를 가지고 데이터 전체를 추정하는 것이 핵심 (정성 데이터)활용법 - 일부 고객의 설문조사를 통해 전체 고객의 만족도를 추정하는데 쓰임 공감수 0 댓글수 0 2024. 8. 1.
본 캠프 38일차 TIL 오늘 배운 것OOT 기법객체 지향 프로그래밍(OOP)이란?객체 지향 프로그래밍은 코드를 객체라는 논리적 단위로 구조화하는 프로그래밍 패러다임객체는 데이터(속성)와 그 데이터를 처리하는 메서드(함수)를 하나의 단위로 묶은 것 OOP의 주요 특징캡슐화: 데이터와 메서드를 하나의 단위로 묶어 외부로부터 보호상속: 기존 클래스의 특성을 새로운 클래스가 물려받을 수 있음다형성: 같은 이름의 메서드가 다른 기능을 수행할 수 있음왜 OOP로 리팩토링을 하는가?코드 구조화: 관련 기능을 하나의 클래스로 묶어 코드를 더 논리적으로 구조화할 수 있다.재사용성: 클래스를 만들면 다른 프로젝트에서도 쉽게 재사용할 수 있다.유지보수: 기능별로 메서드를 분리하여 수정이 필요한 부분만 쉽게 찾아 변경할 수 있다.확장성: 상속을 통.. 공감수 0 댓글수 0 2024. 7. 31.
본 캠프 37일차 TIL 오늘 배운 것시각화에서 일반적인 오류나 잘못된 접근은 데이터를 왜곡하거나 잘못 해석하도록 이끌 수 있습니다. 여기 몇 가지 추가적인 예시들을 소개합니다:3D 차트 사용 (그림자 기능)특히 3D 파이 차트나 바 차트는 깊이와 각도로 인해 실제 비율이나 값들이 왜곡되어 보일 수 있습니다. 이는 데이터의 정확한 비교를 어렵게 만들며, 때로는 더 크거나 작게 보이는 효과를 줍니다.눈금 간격 조절차트의 축 눈금 간격을 조절하여, 작은 차이를 크게 보이게 하거나 큰 차이를 작게 보이게 하는 방식은 데이터의 실제 트렌드를 오해하게 만들 수 있습니다. 예를 들어, 축의 시작점을 0이 아니라 더 큰 숫자로 설정하면, 그래프의 변화량이 실제보다 과장되게 표현될 수 있습니다.색상의 오용데이터 포인트 간의 비교를 명확히 하기.. 공감수 0 댓글수 0 2024. 7. 30.
본 캠프 36일차 TIL 오늘 배운 것 내가 아무리 옳다고 생각하더라도 팀원 전체가 그 내용에 반대를 한다면 내가 주장하는 논리가 틀린 부분이 없는지 고려해봐야 할 필요성을 느꼈다. 팀원조차 설득하지 못한 논리는 그 단계에서 이미 틀린 논제이며 어떻게하면 더 효과적으로 나의 주장을 옳게 말을 할 수 있는지 나의 논리에서 틀린 부분이 어느 부분인지에 대해 고찰해봐야 할 필요성이 있으며 좀 더 격양되지 않고 차분하게 말을 해야할 필요성이 있다고 느껴졌다. 그리고 팀원이 아니라고 생각하는 부분이 있다면 그 부분도 적극 수용을 해야할 필요성이 있다고 느껴졌으며 보다 좋은 설득력과 화법을 얻기 위해서 스피치에 대한 공부를 하고 지금보다 더욱 책을 많이 읽어볼 필요성이 있고 말을 하기 전에 한번 더 깊이 생각을 거쳐본 후 나의 생각을 전.. 공감수 0 댓글수 0 2024. 7. 29.
본 캠프 35일차 TIL 오늘 배운 것 오늘은 구글 클라우드 서비스인 빅쿼리를 다루는 법에 대한 강의를 보았다.실습을 하기 위한 데이터도 제공을 받았으나 강의 내용과 달리 데이터 테이블을 생성하니 한글이 깨지는 현상이 반복되어 대처할 방안이 없었다. 한글로 되어있는 컬럼은 직접 영문으로 바꾸어서 컬럼이 정상 출력되게 할 수 있었지만 그 데이터 안에 있는 값들도 한글이 많아 말 그대로 강의 내용을 보기만하고 실습은 해보지 못하였지만 구글 애널리틱스랑 조작 방식이 비슷하여 다룬다고 하면 큰 어려움은 없을 것 같다는 생각이 들었다. 그리고 SQL문으로 작동하는 빅쿼리의 특성상 왜 SQL도 공부를 게을리 하면 안되는지 느끼게 되었다. 공감수 0 댓글수 0 2024. 7. 28.
본 캠프 34일차 TIL 오늘 배운 것 맷플롯립(Matplotlib)에서 스타일 명령어를 사용하면 그래프의 모양과 느낌을 쉽게 변경할 수 있다. 이를 통해 일관된 스타일을 적용하거나, 특정한 스타일 테마를 빠르게 설정할 수 있다. 자주 사용하는 스타일 시트1. default :기본 스타일. matplotlib의 기본 설정2. ggplot:R의 ggplot2 라이브러리와 유사한 스타일을 제공예시: plt.style.use('ggplot')3. fivethirtyeight:FiveThirtyEight 웹사이트의 스타일을 흉내낸 테마예시: plt.style.use('fivethirtyeight')4. bmh:Bayesian Methods for Hackers 스타일을 사용예시: plt.style.use('bmh')5. dark_bac.. 공감수 0 댓글수 0 2024. 7. 28.
본 캠프 33일차 TIL 오늘 배운 것autotext는 파이 차트를 생성할 때 각 조각(wedge)에 비율 값을 표시하기 위해 사용되는 텍스트 객체입니다. ax.pie 함수는 각 조각에 자동으로 비율 값을 표시하는 텍스트 객체들을 생성하며, 이 객체들을 autotexts 리스트로 반환합니다.for wedge, autotext in zip(wedges, autotexts): # 각 wedge의 중심 각도를 계산 angle = (wedge.theta2 - wedge.theta1) / 2 + wedge.theta1 # 비율 텍스트의 x, y 좌표를 계산 (도넛 모양의 가운데 위치시키기) x = 0.65 * np.cos(np.radians(angle)) y = 0.65 * np.sin(np.radians(an.. 공감수 0 댓글수 0 2024. 7. 26.
본 캠프 32일차 TIL 오늘 배운 것 matplotlib 에서 파이차트를 그릴때 유용한 함수 이런식으로 숫자가 겹쳤을때 explode 함수를 사용하여 분할하여 차트를 확인해 볼 수 있다age_count_modified.plot(kind='pie', autopct='%1.1f%%', startangle=90, colors=['blue', 'orange', 'green', 'red'], explode = [0.01, 0.01, 0.01, 0.05]) 또는 autopct에 람다 함수를 적용하여 일정 수치 이하의 값이 노출되지 않게 변환할 수 있다.autopct=lambda pct: ('%1.1f%%' % pct) if pct > 4 else ''와 같은 코드를 작성하면 4이하의 결과치를 노출되지 않게 할 수 있다. 공감수 0 댓글수 0 2024. 7. 25.
본 캠프 31일차 TIL 오늘 배운 것라프텔 데이터 분석가가 되어 기획서 써보기 프로젝트를 진행하였습니다. 기획서를 써야할 때 고려해야 할 부분이 어떤 점들이 있는지, 팀원들과 소통을 얼마나 잘해야하는지에 대해 배웠습니다. 다소 팀원분들과 의견이 대립하게 되어 다툼이 발생할 수 있지만 결국 서로 한발 양보하며 같이 업무를 진행해 나가는 것이 바람직한 협업이 진행가능하다는 이야기를 들었습니다. 아직까지 그런 경험이 없어서 자세히는 모르겠지만 데이터 분석가 특성상 다른 팀들과 자주 교류를 하게되며 사소한 시비가 붙을지도 모른다는 생각도 들었으며 그런 상황에 어떻게 대처해야 좋을지 미리 생각을 정리해볼 수 있는 기회가 되었습니다. 공감수 0 댓글수 0 2024. 7. 24.
본 캠프 30일차 TIL 오늘 공부 한 것이상치란? 이상치(Outliers)는 데이터 세트 내에서 다른 데이터 점들과 현저히 다른 값들을 의미합니다. 이는 통계 분석 및 데이터 분석 과정에서 중요한 요소로, 다양한 원인으로 인해 발생할 수 있습니다. 이상치는 데이터 분석 결과에 큰 영향을 미칠 수 있으며, 이를 적절히 식별하고 처리하는 것이 중요합니다.이상치의 원인데이터 입력 오류:설명: 데이터 수집 과정에서 입력 오류가 발생할 수 있습니다.예시: 설문조사에서 응답자가 잘못된 값을 입력하거나, 센서에서 오류가 발생한 경우.극단적인 값:설명: 자연적인 분포에서 극단적인 값이 나타날 수 있습니다.예시: 키와 몸무게 데이터에서 매우 키가 크거나 몸무게가 많은 사람.데이터 변동:설명: 데이터가 변동성이 큰 경우 이상치가 나타날 수 있.. 공감수 0 댓글수 0 2024. 7. 23.
본 캠프 29일차 TIL 오늘 배운 것mode() :mode() 함수: 는 데이터프레임이나 시리즈에서 가장 빈번하게 발생하는 값을 반환합니다. 즉, 최빈값(최다빈도값)을 구하는 함수입니다. 여러 최빈값이 있을 경우, 모두 반환합니다. import pandas as pd# 예제 시리즈 생성data = pd.Series([1, 2, 2, 3, 4, 4, 4, 5])# 최빈값 구하기mode_value = data.mode()print(mode_value) 위 코드에서는 시리즈에서 가장 빈번하게 발생하는 값, 즉 최빈값을 구합니다. 결과는 4가 됩니다.데이터프레임에서 사용import pandas as pd# 예제 데이터프레임 생성data = { 'A': [1, 2, 2, 3], 'B': [4, 4, 4, 5], 'C':.. 공감수 0 댓글수 1 2024. 7. 23.
본 캠프 28일차 TIL 데이터 분석에서 올바른 지표를 선택하기 위해 고려해야 할 점들은 다음과 같습니다:1. 비즈니스 목표와의 일치목표 설정: 분석의 목적을 명확히 하고, 이를 달성하기 위한 지표를 선택합니다. 예를 들어, 고객 만족도를 높이는 것이 목표라면 고객 만족도(CSAT)나 고객 유지율을 고려할 수 있습니다.2. 지표의 관련성관련성 확인: 선택한 지표가 분석 목표와 얼마나 관련이 있는지를 평가합니다. 예를 들어, 마케팅 캠페인의 성공을 평가할 때 클릭률(CTR)과 전환율을 사용하는 것이 적절합니다.업계 표준: 업계에서 일반적으로 사용하는 지표를 참고하여 선택합니다. 이러한 지표들은 신뢰성과 유효성이 검증된 경우가 많습니다.3. 데이터의 가용성 및 품질데이터 가용성: 필요한 데이터를 확보할 수 있는지 확인합니.. 공감수 0 댓글수 1 2024. 7. 22.
본 캠프 27일차 TIL 오늘 공부해본 것머신러닝(Machine Learning) 개요**머신러닝(Machine Learning)**은 인공지능(AI)의 한 분야로, 명시적으로 프로그래밍되지 않아도 컴퓨터가 데이터를 통해 학습하고 예측할 수 있도록 하는 기술입니다. 머신러닝은 다양한 데이터에서 패턴을 인식하고 이를 바탕으로 새로운 데이터를 분석하거나 예측하는 시스템을 개발합니다.머신러닝의 주요 유형 1.지도 학습(Supervised Learning)정의: 레이블이 있는 데이터를 사용하여 모델을 학습시킵니다.적용 예시: 스팸 이메일 필터링, 이미지 분류.설명: 지도 학습 모델은 입력 데이터와 해당 출력 레이블을 기반으로 학습합니다. 2. 비지도 학습(Unsupervised Learning)정의: 레이블이 없는 데이터를 사용하여 패.. 공감수 0 댓글수 0 2024. 7. 21.
본 캠프 26일차 TIL 오늘 공부한 내용영상 플랫폼 별 추천 알고리즘 구성 및 특징 각 플랫폼의 추천 알고리즘은 유사한 기본 원칙을 따르지만, 디테일하게 보면 차별화된 접근 방식을 가지고 있습니다. 각 플랫폼의 고유한 차별화 요소와 이를 어떻게 활용하는지 설명해 보겠습니다.1. YouTube YouTube의 추천 알고리즘은 다음과 같은 요소들을 고려하여 작동합니다.주요 요소:사용자 참여: 시청 시간, 클릭, 댓글, 좋아요 및 공유 등의 사용자 활동을 분석하여 사용자의 선호 콘텐츠를 파악.비디오 메타데이터: 제목, 설명, 태그, 썸네일 등의 비디오 메타데이터를 분석하여 관련 콘텐츠를 추천.개인 정보 수집: 사용자의 시청 기록, 검색 기록, 구독 정보 등을 기반으로 맞춤형 추천을 제공합니다.세션 시간: 사용자가 플랫폼에서 보내는 .. 공감수 0 댓글수 0 2024. 7. 19.
본 캠프 25일차 TIL 오늘 배운 것API를 사용해야하는 이유웹 크롤링은 정보 제공자에게 허가를 받지않은 위법성 기술이라 사용을 할때 고려해야 할 요인이 많다.API를 이용한 자료조사는 정보제공자가 가입자에게 일정량의 정보를 서버를 통해 전달해주고 전달받는 방식이다 HTTP 호출과 API 호출의 차이목적:HTTP 호출: 일반적인 웹 페이지나 리소스 요청에 사용됩니다.API 호출: 특정 기능이나 데이터에 접근하기 위해 사용됩니다.응답 형식:HTTP 호출: 주로 HTML, CSS, JavaScript 등의 웹 문서를 반환합니다.API 호출: 대부분 JSON이나 XML 같은 구조화된 데이터 형식으로 응답합니다. API 활용해보기NEWS API쿼리 스트링 방식URL의 뒤에 입력 데이터를 함께 제공하는 가장 단순한 데이터 전달 방법ur.. 공감수 1 댓글수 1 2024. 7. 19.
본 캠프 24일차 TIL 오늘 배운 것데이터 분석가가 크롤링을 배워야 하는 이유다양한 데이터 소스를 수집 및 맞춤형 데이터셋을 구축하는데 도움이 될 수 있으며비정형 데이터를 구조화 할 수 있는 능력을 기를 수 있으며 자동화 및 비용 절감의 장점이 있기 때문이다. Requests의 사용법import requestsr = requests.get('https://www.naver.com')print(r.text) Requests를 사용하여 불러온 naver의 정보 BeautifulSoup4 사용법import requestsfrom bs4 import BeautifulSoupr = requests.get('https://zdnet.co.kr/newskey/?lstcode=%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5.. 공감수 0 댓글수 0 2024. 7. 17.
본 캠프 23일차 TIL 자료 구조 1. Array (배열)동일한 타입의 데이터들을 저장하며 고정된 크기를 가지고 있다.인덱싱 되어 있어 인덱스 번호로 데이터에 접근 할 수 있다.평가: 가장 기본적인 자료 구조형으로, 고정된 크기의 연속된 메모리 블록에 데이터를 저장합니다. 인덱스를 통해 빠르게 접근할 수 있습니다. 비유: 박스 안에 물건을 하나씩 차례로 넣고, 인덱스라는 번호를 통해 원하는 물건을 빠르게 꺼내 사용할 수 있는 서랍장과 같 배열명 > A → 1, 2, 3 0 1 2 배열의 크기 > 3 ┘ 2. Linked List (연결 리스트)각 데이터의 시퀀스가 순서로 연결되어 있는 구조동적인 데이터 추가 및 삭제에 유리하다.평가: 동적으로 크기를 조절할 수 있.. 공감수 0 댓글수 0 2024. 7. 16.
본 캠프 22일차 TIL TIL: Python 학습 내용오늘 풀어본 문제: 수포자 삼인방은 모의고사에 수학 문제를 전부 찍습니다. 1번 문제부터 마지막 문제까지 각 수포자의 정답 패턴이 주어질 때, 가장 많은 문제를 맞힌 사람을 찾는 문제입니다. 가장 높은 점수를 받은 사람이 여럿일 경우, 오름차순으로 정렬하여 반환합니다. 제한 조건:시험은 최대 10,000 문제로 구성됩니다.문제의 정답은 1, 2, 3, 4, 5 중 하나입니다.가장 높은 점수를 받은 사람이 여럿일 경우, return하는 값을 오름차순 정렬합니다.구체적 구현: def solution(answers): # 각 수포자의 정답 패턴 정의 arr1 = [1, 2, 3, 4, 5] arr2 = [2, 1, 2, 3, 2, 4, 2, 5] arr3 =.. 공감수 0 댓글수 3 2024. 7. 15.
본 캠프 21일차 TIL TIL: Python 학습 내용오늘 풀어본 문제:과일 장수가 사과 상자를 포장하는 문제입니다. 사과는 상태에 따라 1점부터 k점까지의 점수로 분류되며, 한 상자의 가격은 상자에 담긴 사과 중 가장 낮은 점수(p)와 상자에 담긴 사과의 개수(m)의 곱으로 결정됩니다. 가능한 많은 사과를 팔았을 때 얻을 수 있는 최대 이익을 계산하는 함수를 작성합니다.제한사항:3 ≤ k ≤ 93 ≤ m ≤ 107 ≤ score의 길이 ≤ 1,000,0001 ≤ score[i] ≤ k이익이 발생하지 않는 경우에는 0을 return구체적 구현: def solution(k, m, score): # 사과 점수를 내림차순으로 정렬 score.sort(reverse=True) max_value = 0 # .. 공감수 0 댓글수 0 2024. 7. 14.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.