티스토리

엑셀투파이썬
검색하기

블로그 홈

엑셀투파이썬

kimpanda.tistory.com/m

김판다t 님의 블로그입니다.

구독자
17
방명록 방문하기
공지 파이썬의 엑셀, 판다스 라이브러리 출⋯ 모두보기

주요 글 목록

  • 기초 파이썬 교재 목차 및 일부 페이지 미리 보기 안녕하세요, 수강생 여러분! 😊오늘도 열심히 공부하는 여러분이 정말 자랑스럽습니다. 🎉이번 강의에서는 총 126페이지 분량의 서적 형태로 구성된 PDF 교재를 제공합니다. 📖강의를 수강하는 것만으로 평생 참고할 파이썬 책을 PDF 파일로 받을 수 있습니다. 아래에서 교재의 목차와 일부 페이지를 미리 확인해 보세요!즐겁고 유익한 학습이 되길 바랍니다. 함께 열심히 해봐요! 💪목차Chapter 1. 변수     1.1. 변수         1.1.1. 변수를 지정하는 방법         1.1.2. 변수를 사용하는 이유         1.1.3. 변수의 업데이트         1.1.4. 변수명을 지정하는 규칙         심화Chapter 2. 자료형     2.1. 정수         2.1.1.. 공감수 0 댓글수 0 2025. 3. 9.
  • 데이터 분석 입문자를 위한 기초 파이썬 with ChatGPT 데이터 분석 입문자를 위한 기초 파이썬 강의가 개설되었습니다.   ❗ 이런 걸 배울 수 있어요    • 데이터 분석 학습을 위한 파이썬 기본기    • 올바른 데이터 분석 학습 방향    • 코딩 학습에 대한 두려움 극복과 자신감 향상    • ChatGPT 활용의 기초    • 엑셀에서 파이썬을 활용하기 위한 선수 학습  파이썬 데이터 분석, 당신의 데이터 처리 속도를 10배 높여 드립니다!파이썬은 데이터를 빠르고 효율적으로 다루는 데 탁월한 프로그래밍 언어입니다. 파이썬의 데이터 분석을 익히면 방대한 데이터를 손쉽게 처리할 수 있어, 데이터 처리 속도가 눈에 띄게 빨라집니다.⭐ 파이썬 데이터 분석    • 데이터 처리 속도가 빨라지고 데이터 처리 역량이 눈에 띄게 성장합니다.    • 이제 엑셀의 구.. 공감수 0 댓글수 0 2025. 3. 9.
  • 카멜 표기법과 스네이크 표기법 네이밍 규칙: 카멜 표기법과 스네이크 표기법파이썬에서의 네이밍 규칙은 PEP 8(Python Enhancement Proposal 8) 스타일 가이드에 기반하여, 코드의 명확성과 일관성을 추구합니다. 이 가이드에 따르면 네이밍 규칙은 주로 카멜 표기법(CamelCase)과 스네이크 표기법(snake_case)으로 나뉘며, 각각 다른 목적으로 사용됩니다. 카멜 표기법(CamelCase)용도: 클래스 이름형식: 단어의 첫 글자를 대문자로 작성하고, 단어 사이에 공백이나 언더스코어(_)를 사용하지 않습니다.특징:첫 단어와 이후 단어의 첫 글자는 대문자로 시작합니다.파이썬에서는 클래스 정의에 주로 사용됩니다.예시: # 클래스 정의class MyCar: pass 스네이크 표기법(snake_case)용도: .. 공감수 0 댓글수 0 2024. 11. 16.
  • [numpy] np.sort 함수로 행이나 열의 개별적 정렬 넘파이의 np.sort 함수를 사용해 행이나 열을 개별적으로 정렬하기판다스의 sort_values 함수로 특정 열을 기준으로 정렬할 수 있지만, 행이나 열을 개별적으로 정렬하려면 넘파이의 np.sort 함수를 사용하는 것이 더 편리합니다. 이해를 돕기 위해 간단한 예시를 살펴보겠습니다. 예시 다음 예시 데이터 프레임은 각 학생의 선택 과목을 포함하고 있습니다.import pandas as pdimport numpy as np# 예시 데이터 프레임 생성data = {'선택1': ['물리', '화학', '물리', '화학', '물리'], '선택2': ['화학', '물리', '화학', '생물', '지학'], '선택3': ['지학', '지학', '생물', '역사', '화학']}df =.. 공감수 5 댓글수 4 2024. 10. 26.
  • [numpy] np.fmax와 np.fmin 함수를 이용해 배열 비교 넘파이의 np.fmax와 np.fmin 함수를 이용해 배열 비교 넘파이의 np.fmax와 np.fmin 함수는 두 배열을 비교하여 각 위치에서 더 큰 값이나 더 작은 값을 반환하는 유용한 함수입니다. 물론 불리언 마스킹으로도 구현할 수 있지만, 불리언 마스킹에 비해 더 간결한 코드로 수행할 수 있습니다. 이해를 돕기 위해 간단한 예시를 살펴보겠습니다. 예시import pandas as pd# 예시 데이터 프레임 생성data = {'반': ['A', 'B', 'B', 'A', 'A'], '국어': [81, 96, 83, 66, 84], '영어': [54, 42, 31, 68, 69]}df = pd.DataFrame(data) 예시 데이터 프레임 df에서 영어 점수에 30점을 가.. 공감수 4 댓글수 4 2024. 10. 26.
  • [numpy] np.select 함수로 불리언 마스킹 np.select 함수를 이용해 조건에 따라 값 부여하기 np.select 함수와 불리언 마스킹 불리언 마스킹(Boolean Masking)은 조건에 따라 특정 값을 부여하는 작업을 의미합니다. 판다스에서는 불리언 마스킹을 위해 다양한 기법을 제공하며, 일반적으로 mask, np.where 함수가 자주 사용됩니다. 이와 함께 넘파이의 np.select 함수 역시 여러 조건을 기반으로 다양한 값을 부여할 때 매우 유용한 함수로 활용할 수 있습니다. 예시 이해를 돕기 위해 간단한 예시를 살펴보겠습니다.import pandas as pd# 예시 데이터 프레임 생성data = {'국어': {'가': 86, '나': 79, '다': 93, '라': 80}, '영어': {'가': 90, '나': 10.. 공감수 3 댓글수 3 2024. 10. 26.
  • [numpy] np.where 함수로 불리언 마스킹 np.where 함수를 이용해 조건에 따라 값 부여하기 np.where 함수와 불리언 마스킹 불리언 마스킹(Boolean Masking)은 조건에 따라 값을 부여하는 작업을 의미합니다. 넘파이의 np.where 함수는 불리언 마스킹 작업에 있어 유용한 함수입니다. 판다스는 넘파이를 기반으로 개발되었기에 판다스 객체에서도 넘파이 함수 대부분을 사용할 수 있으며, 특히 np.where 함수는 판다스의 불리언 마스킹에 자주 사용됩니다. 판다스에서 불리언 마스킹을 수행하는 함수는 mask나 where 등이 있습니다. 그러나 이 함수들은 True인 경우와 False인 경우의 값을 각각 별도로 설정해야 합니다. 반면 np.where 함수는 단 한 번의 설정으로 True일 때의 값과 False일 때의 값을 동시에 부.. 공감수 4 댓글수 3 2024. 10. 26.
  • [numpy] 난수 생성 함수 넘파이의 난수 생성 함수 데이터 분석 및 처리 과정에서 랜덤 샘플 데이터를 생성하는 것은 유용한 기법입니다. 특히 판다스(Pandas)와 넘파이(Numpy)를 결합하면 다양한 방식으로 난수를 생성하여 데이터 프레임을 쉽게 구성할 수 있습니다. 초심자는 샘플을 만들어서 코드를 점검하지 않기 때문에, 이 함수들의 가치를 알기 어렵지만 여러분의 코딩이 성장하면 가치를 알게 됩니다. 넘파이의 난수 생성 함수 넘파이는 다양한 난수 생성 함수를 제공하며, 이를 활용하면 특정 분포에 따라 난수 배열을 만들 수 있습니다. 판다스 데이터 프레임을 생성할 때 자주 사용되는 주요 함수는 다음과 같습니다. 참고로 아래 함수들은 모두 np.random으로 시작합니다. rand: 0부터 1 사이의 균일 분포를 따르는 난수를 생성.. 공감수 4 댓글수 3 2024. 10. 26.
  • [pandas] replace 함수와 map 함수의 차이점 제목: 판다스에서의 replace 함수와 map 함수의 차이점데이터 분석에서 특정 값의 변환 작업은 필수적입니다. 판다스에서 셀의 값을 대체하는 데 사용되는 주요 함수로는 replace와 map이 있습니다. 둘을 모두 매퍼를 활용해 값을 대체하는 함수이지만, 일반적으로 replace는 특정 값을 치환하는 함수로 map은 값을 매핑하는 함수로 알려져 있습니다.  그렇다면 치환과 매핑은 어떻게 다른 것일까요? 이 둘은 엄밀하게 구분되지는 않지만, 흔히 일부 값을 변환하는 것을 치환이라 부르고, 전체 값을 변환하는 것을 매핑이라고 합니다. 따라서 전체 값을 치환할 때는 매핑과 큰 차이가 없다고 할 수 있습니다. 공통점 이해를 돕기 위해 간단한 예시를 살펴보겠습니다.import pandas as pd # 예시 .. 공감수 5 댓글수 3 2024. 10. 24.
  • [pandas] 그룹별로 오름차순과 내림차순을 다르게 설정해 순위 매기기 판다스에서 그룹별로 오름차순과 내림차순을 다르게 설정해 순위를 매기는 방법 데이터 분석 과정에서 그룹별로 상이한 순위 적용 방식을 요구하는 경우가 자주 발생합니다. 특히 주식이나 선물과 같은 금융 포지션을 분석할 때, 포지션에 따라 오름차순과 내림차순을 다르게 설정하여 그룹내 순위를 매기는 것이 필요합니다. 목표이해를 돕기 위해 예시 데이터 프레임으로 설명하겠습니다.import pandas as pd# 예시 데이터 프레임 생성data = {'position': [1, 1, 1, 0, 0, 0], 'value': [10, 20, 30, 40, 50, 60]}df = pd.DataFrame(data) df에서 우리는 position 열을 기준으로 각 그룹의 순위를 서로 다른 방향으로 적용하고자.. 공감수 7 댓글수 3 2024. 10. 24.
  • [pandas] 집계 함수 판다스의 집계 함수 집계 함수란? 집계 함수(aggregation function)는 데이터를 군집으로 묶어 요약된 통계 정보를 제공하는 함수입니다. 주로 사용하는 집계 함수로는 합(sum), 평균(mean), 표준편차(std), 최댓값(max), 최솟값(min), 중간값(median) 등이 있으며, 이러한 함수들은 데이터의 특성을 파악하는 데 유용합니다.  판다스의 집계 함수 판다스에서 제공하는 다양한 집계 함수는 아래와 같습니다.     함수기능함수기능sum전체 합cumsum누적 합prod전체 곱cumprod누적 곱max최댓값cummax누적 최대min최솟값cummin누적 최소count개수cumcount누적 개수(그룹화)mean평균first첫 번째 값(그룹화)std표준편차last마지막 값(그룹화)var.. 공감수 0 댓글수 0 2024. 10. 21.
  • [matplotlib] 이름이 지정된 색상 목록 Matplotlib에서 이름이 지정된 색상(named colors) 목록Matplotlib에서는 다양한 이름이 지정된 색상(named colors)을 제공하여 사용자가 보다 직관적으로 색상을 선택할 수 있습니다. Matplotlib에서 지원하는 대표적인 색상들을 소개해 드리고자 합니다. 기본 색상 Matplotlib에서 기본적으로 제공하는 색상(base colors)입니다. 가장 기본적인 색상입니다. CSS 색상 CSS에서 사용되는 표준 색상 목록(CSS Colors)도 Matplotlib에서 지원됩니다. CSS 색상은 웹 디자인과 시각적 표현에 널리 사용됩니다. 헥스 코드 이름이 지정된 색상은 아니지만, Matplotlib에서 그래프의 색상을 지정할 때 헥스 코드(hex code)를 사용하여 맞춤형 색.. 공감수 0 댓글수 0 2024. 10. 21.
  • [구글 코랩] 깃허브의 ipynb 파일을 구글 코랩으로 불러오기 깃허브의 ipynb 파일을 구글 코랩으로 불러오기 1. 먼저 구글 코랩을 열고 [파일] - [노트 열기]를 클릭한다. 2. [노트 열기]에서 "GitHub" 탭을 클릭하고, 깃허브 주소를 입력한다.실습할 저자의 깃허브 주소: https://github.com/panda-kim/book1/ 3. 맞는 ipynb 파일을 불러온다. 4. [런타임]-[모두 실행]으로 불러온 ipynb 파일을 실행한다.위 과정으로 깃허브의 ipynb 파일을 구글 코랩에서 편하게 실습에 사용할 수 있다. 판다스 책이 출판되었습니다. 교보문고 구매 페이지, 알라딘 구매 페이지, yes24 구매 페이지 공감수 1 댓글수 0 2024. 10. 20.
  • [pandas] 수학적 연산 데이터 프레임에서 수학적 연산을 수행하는 방법 판다스에서의 수학적 연산 데이터 분석을 할 때, 다양한 수학적 연산이 필요할 때가 많습니다. 판다스는 기본적으로 이러한 수학 연산을 직접 제공하지 않지만, 파이썬의 강력한 수학 라이브러리인 넘파이(NumPy)를 활용하면 이러한 문제를 쉽게 해결할 수 있습니다. 특히, 판다스는 넘파이 기반으로 제작된 라이브러리이기 때문에, 넘파이의 다양한 수학 함수들을 판다스 객체에 쉽게 적용할 수 있으며, 두 라이브러리 간에 높은 호환성을 갖고 있습니다. 넘파이의 수학 함수 넘파이(NumPy) 라이브러리는 다음과 같은 다양한 수학 함수를 지원합니다.  함수설명np.log자연로그(밑이 e)np.log2밑이 2인 로그np.log10밑이 10인 로그np.sin삼각함수 sinnp... 공감수 3 댓글수 2 2024. 10. 20.
  • [pandas] agg 함수 개념 정립 판다스의 agg 함수  agg 함수란? 데이터 분석을 할 때 여러 통계량을 한 번에 계산해야 하는 경우가 많습니다. 판다스의 agg 함수는 이러한 작업을 손쉽게 처리할 수 있는 함수입니다. agg 함수는 여러 집계 함수를 동시에 적용할 수 있으며, 사용자 정의 함수도 지원합니다. 이번 글에서는 agg 함수의 기본적인 사용법과 사용자 정의 함수의 활용법을 알아보겠습니다. 예시와 함께 설명을 제공하는 것이 이해를 돕는 데 효과적이므로 간단한 데이터프레임을 만들어보겠습니다. import pandas as pdpd.options.display.float_format = '{:.3f}'.format # 소수점 셋째 자리 출력# 예시 데이터프레임 생성df = pd.DataFrame({ 'A': [1, 2, .. 공감수 0 댓글수 0 2024. 10. 20.
  • [pandas] transform 함수 개념 정립 판다스의 transform 함수  transform 함수란? 판다스의 transform 함수는 데이터 프레임의 각 열에 여러 개의 함수를 동시에 적용하고, 그 결과를 동일한 행의 데이터로 반환하는 데 사용됩니다. 이 함수는 여러 열에 여러 함수를 동시에 적용해야 할 때 매우 유용하지만, 몇 가지 제한 사항도 존재합니다. 예시와 함께 설명을 제공하는 것이 이해를 돕는 데 효과적이므로, 우선 가상의 주가 데이터인 간단한 예시 데이터 프레임을 생성해 보겠습니다.  df는 2024년 10월 21일부터 4일 동안 가상의 삼성전자와 카카오의 주식 데이터입니다. import pandas as pdpd.options.display.float_format = '{:.3f}'.format # 소수점 셋째 자리 출력# 날짜.. 공감수 0 댓글수 0 2024. 10. 20.
  • [pandas] AttributeError: DataFrame' object has no attribute 'str' 에러 판다스에서 AttributeError: DataFrame' object has no attribute 'str' 원인과 해결판다스에서 문자열을 처리할 때 자주 사용하는 str 메서드를 데이터 프레임 전체에 적용하려 하면, AttributeError: DataFrame' object has no attribute 'str' 에러가 발생하게 됩니다. 본 글에서는 이 에러의 원인과 해결 방법을 살펴보겠습니다. str 메서드 중 가장 빈번하게 사용되는 str.contains 메서드를 예로 들어 설명하겠습니다. AttributeError란? AttributeError의 일반적인 원인과 해결 방법에 대해 궁금하신 분은 링크 내용을 참고하세요. 요약하자면, AttributeError는 객체가 호출하려는 속성이나 메서.. 공감수 0 댓글수 0 2024. 10. 20.
  • [python] unhashable type 에러 unhashable type 에러 unhashable type 에러는 파이썬에서 해시 가능하지 않은 자료형을 부적절하게 사용하려 할 때 발생하는 에러입니다. 이 에러의 의미는, 리스트와 같은 자료형이 해시 가능(hashable)하지 않기 때문에 특정 상황에서 사용할 수 없다는 것을 나타냅니다. 참고로 리스트, 딕셔너리, 집합(set) 자료형이 해시 가능하지 않는 자료형입니다.(mutable) 대표로 리스트로 인해 발생하는 unhashable type 에러를 예로 살펴보겠습니다.TypeError: unhashable type: 'list' hashable의 개념 hashable하다는 것은 객체가 고유한 해시값(hash value)을 가질 수 있음을 의미합니다. 해시값은 해당 객체를 유일하게 식별할 수 있는.. 공감수 0 댓글수 0 2024. 10. 19.
  • 비즈니스 구독자에게 Python in Excel 기능 제공 소식 이전에는 Microsoft 365 개인 구독자들만 Python in Excel을 사용할 수 있었는데, 드디어 비즈니스 구독자들에게도 Python in Excel 기능이 제공된다는 소식이 전해졌습니다. 이로써 이제 비즈니스 구독자들도 Excel에서 Python을 활용할 수 있게 되었습니다. 특히 판다스를 잘 아시는 여러분들께는 매우 유용한 소식이 될 것입니다.(오피스 사용을 위해 매달 돈을 내시고 계시는 Microsoft 365 구독자분들만 가능합니다.) 아래는 관련 내용을 번역한 것입니다. 이제 Microsoft 365 비즈니스 및 엔터프라이즈 구독자들은 Excel에서 Python을 사용할 수 있는 기능을 제공받게 되었습니다. 이 통합은 데이터 분석 작업의 효율성을 극대화할 수 있는 강력한 도구로, 보다.. 공감수 1 댓글수 0 2024. 10. 17.
  • [pandas] 두 데이터 프레임에 공통으로 존재하는 행 추출하기 두 데이터 프레임에 공통으로 존재하는 행 추출하기 때때로 두 데이터 프레임에서 공통으로 존재하는 행을 추출해야 하는 상황이 발생합니다. 예를 들어, 아래 코드에서 생성된 df1과 df2는 몇 가지 공통된 데이터를 포함하고 있습니다.import pandas as pd# 첫 번째 데이터 프레임 생성df1 = pd.DataFrame({ 'colA': [10, 20, 50, 30], 'colB': [50, 60, 20, 70], 'colC': [90, 100, 80, 90]})# 두 번째 데이터 프레임 생성df2 = pd.DataFrame({ 'colA': [55, 30, 20, 70], 'colB': [15, 70, 60, 10], 'colC': [95, 90, 100, 30.. 공감수 1 댓글수 0 2024. 10. 16.
  • [pandas] period 자료형의 장점 판다스에서 period 자료형의 장점세 종류의 시계열 데이터 판다스는 다음 세 종류의 자료형으로 시계열 데이터를 처리합니다.그림 출처 : 파이썬의 엑셀, 판다스 라이브러리  Timestamp는 시점이며, Period는 기간이고, Timedelta는 시간 차이를 나타내는 자료형입니다. 판다스의 period dtype의 장점 일반적으로 중급 이상의 숙련된 판다스 유저들도 period 자료형을 사용에 어려움을 느끼지만, 이 자료형도 유저의 편의를 위해 설계된 만큼, 제대로 활용하면 코드의 간결성을 크게 높일 수 있습니다. 예시1)예시를 위해 period 자료형의 배열을 생성해 변수 prd로 지정합니다.import pandas as pdprd = pd.period_range('2021Q1', periods=3,.. 공감수 0 댓글수 0 2024. 10. 16.
  • python 함수에서 특별한 매개변수 사용법 python 함수에서 특별한 매개변수 사용법 python에서 함수의 인수는 기본적으로 위치를 기반으로 인수를 전달하거나 명시적으로 키워드를 기반으로 인수를 전달할 수 있습니다.# 파이썬의 판다스 라이브러리의 코드를 통한 예시import pandas as pdpd.Series([5, 2], ['A', 'B']) # 위치 기반 인수 전달pd.Series(data=[5, 2], index=['A', 'B']) # 키워드 기반 인수 전달 위치를 기반으로 인수를 전달하는 것은 순서에 맞게 인수만 전달하는 것을 의미하고, 키워드 기반으로 인수를 전달하는 것은 매개변수와 함께 명시적으로 인수를 전달합니다. 일반적으로 정의한 파이썬의 함수는 위치 기반과 키워드 기반으로 모두 전달할 수 있습니다만 특별한 매개변수 /와 .. 공감수 0 댓글수 0 2024. 10. 15.
  • CHAPTER 03 이후의 내용 미리 보기 CHAPTER 01과 CHAPTER 02의 내용은 아래 링크로 확인하실 수 있습니다.  파이썬의 엑셀, 판다스 라이브러리CHAPTER 01 판다스 입문   1.1 판다스 소개  1.2 파이썬 개발 환경     CHAPTER 02 파이썬 기초와 넘파이 라이브러리   2.1 변수와 자료형  2.2 제어문과 함수   2.3 클래스와 객체, 라이브러리 CHAPTER 03 이후로는 일부 페이지의 미리보기만 확인하실 수 있습니다.책을 구매하시면 전체 내용을 확인하실 수 있습니다. 교보문고 구매 페이지, 알라딘 구매 페이지, yes24 구매 페이지  CHAPTER 03 이후의 미리보기 본 포스팅의 내용은 책에서 발췌된 자료로, 저작권 보호를 받고 있습니다.허락 없이 복제나 배포는 삼가해 주시기 바랍니다. 공감수 2 댓글수 0 2024. 10. 15.
  • 2.3 클래스와 객체, 라이브러리 교보문고 구매 페이지, 알라딘 구매 페이지, yes24 구매 페이지 CHAPTER 01과 CHAPTER 02의 내용은 아래 링크로 확인하실 수 있습니다. 파이썬의 엑셀, 판다스 라이브러리CHAPTER 01 판다스 입문  1.1 판다스 소개  1.2 파이썬 개발 환경    CHAPTER 02 파이썬 기초와 넘파이 라이브러리  2.1 변수와 자료형  2.2 제어문과 함수  2.3 클래스와 객체, 라이브러리 CHAPTER 03 이후의 일부 페이지 미리보기  본 포스팅의 내용은 책에서 발췌된 자료로, 저작권 보호를 받고 있습니다.허락 없이 복제나 배포는 삼가해 주시기 바랍니다. 2.3 클래스와 객체, 라이브러리2.3에서는 클래스와 객체의 개념 그리고 라이브러리에 대해 소개한다. 클래스와 객체는 파이썬 등 객체 .. 공감수 2 댓글수 0 2024. 10. 15.
  • 2.2 제어문과 함수 교보문고 구매 페이지, 알라딘 구매 페이지, yes24 구매 페이지 CHAPTER 01과 CHAPTER 02의 내용은 아래 링크로 확인하실 수 있습니다. 파이썬의 엑셀, 판다스 라이브러리CHAPTER 01 판다스 입문  1.1 판다스 소개  1.2 파이썬 개발 환경    CHAPTER 02 파이썬 기초와 넘파이 라이브러리  2.1 변수와 자료형  2.2 제어문과 함수  2.3 클래스와 객체, 라이브러리 CHAPTER 03 이후의 일부 페이지 미리보기  본 포스팅의 내용은 책에서 발췌된 자료로, 저작권 보호를 받고 있습니다.허락 없이 복제나 배포는 삼가해 주시기 바랍니다. 2.2 제어문과 함수2.1에서는 파이썬의 초급 과정을 간단히 다루었으며 2.2에서는 파이썬의 중급 과정으로서 제어문과 함수를 다룬다. .. 공감수 1 댓글수 0 2024. 10. 15.
  • 2.1 변수와 자료형 교보문고 구매 페이지, 알라딘 구매 페이지, yes24 구매 페이지 CHAPTER 01과 CHAPTER 02의 내용은 아래 링크로 확인하실 수 있습니다. 파이썬의 엑셀, 판다스 라이브러리CHAPTER 01 판다스 입문  1.1 판다스 소개  1.2 파이썬 개발 환경    CHAPTER 02 파이썬 기초와 넘파이 라이브러리  2.1 변수와 자료형  2.2 제어문과 함수  2.3 클래스와 객체, 라이브러리 CHAPTER 03 이후의 일부 페이지 미리보기  본 포스팅의 내용은 책에서 발췌된 자료로, 저작권 보호를 받고 있습니다.허락 없이 복제나 배포는 삼가해 주시기 바랍니다. 2.1 변수와 자료형판다스는 파이썬의 데이터 분석을 위한 강력한 라이브러리이기에 효과적으로 학습하려면 기초 파이썬에 대한 이해가 선행되.. 공감수 2 댓글수 0 2024. 10. 15.
  • 1.2 파이썬 개발 환경 교보문고 구매 페이지, 알라딘 구매 페이지, yes24 구매 페이지 CHAPTER 01과 CHAPTER 02의 내용은 아래 링크로 확인하실 수 있습니다. 파이썬의 엑셀, 판다스 라이브러리CHAPTER 01 판다스 입문  1.1 판다스 소개  1.2 파이썬 개발 환경    CHAPTER 02 파이썬 기초와 넘파이 라이브러리  2.1 변수와 자료형  2.2 제어문과 함수  2.3 클래스와 객체, 라이브러리 CHAPTER 03 이후의 일부 페이지 미리보기  본 포스팅의 내용은 책에서 발췌된 자료로, 저작권 보호를 받고 있습니다.허락 없이 복제나 배포는 삼가해 주시기 바랍니다. 1.2 파이썬 개발 환경개발 환경은 파이썬 코드를 작성하고 실행하는 데 사용하는 애플리케이션이다. 이제 엑셀에서도 버전에 따라 파이썬 .. 공감수 4 댓글수 0 2024. 10. 15.
  • 1.1 판다스 소개 교보문고 구매 페이지, 알라딘 구매 페이지, yes24 구매 페이지   CHAPTER 01과 CHAPTER 02의 내용은 아래 링크로 확인하실 수 있습니다. 파이썬의 엑셀, 판다스 라이브러리CHAPTER 01 판다스 입문  1.1 판다스 소개  1.2 파이썬 개발 환경    CHAPTER 02 파이썬 기초와 넘파이 라이브러리  2.1 변수와 자료형  2.2 제어문과 함수  2.3 클래스와 객체, 라이브러리  CHAPTER 03 이후의 일부 페이지 미리보기  본 포스팅의 내용은 책에서 발췌된 자료로, 저작권 보호를 받고 있습니다. 허락 없이 복제나 배포는 삼가해 주시기 바랍니다. 1.1 판다스 소개우리는 데이터의 세상에 살고 있다. 하루에도 엄청난 양의 데이터가 생성되며 이 데이터 속에는 가치있는 정보와 .. 공감수 2 댓글수 0 2024. 10. 15.
  • 서문 교보문고 구매 페이지알라딘 구매 페이지yes24 구매 페이지  데이터는 새로운 원유로 불리며, 현대 사회에서 그 중요성이 나날이 커지고 있습니다. 데이터 분석을 통해 기업은 전략적 결정을 내릴 수 있고, 연구자는 새로운 통찰을 얻을 수 있으며, 개인은 자신의 업무 효율성을 극대화할 수 있습니다. 그 중요성을 반영하듯 수많은 사람들이 데이터를 다루는 직군에 종사합니다. 그렇지만 그와 함께 데이터 분석의 과정에서 고통받는 이들 역시 많아지고 있습니다. 데이터만 전문적으로 다루는 데이터 분석가들조차 큰 스트레스를 받기는 마찬가지입니다.데이터를 다루는 사람이라면, 최소한 수집한 원시 데이터를 원하는 방향으로 바꾸는 과정이 고통스러운 시간이 되는 것은 피해야 하지 않을까요? 저는 이것을 ‘데이터 인권’이라는 단어.. 공감수 0 댓글수 0 2024. 10. 15.
  • 독자들의 리뷰 및 서평 교보문고 구매 페이지알라딘 구매 페이지yes24 구매 페이지  베타리더 서평  이재진 공인회계사이전에는 일부 분야와 직군에서만 데이터 분석 역량이 필요했으나, 오늘날에는 다양한 분야와 직군에서 요구됩니다. 많은 사람들이 엑셀을 통해 데이터 분석을 하려고 하지만, 데이터는 너무 방대하고 복잡해져서 엑셀만으로는 한계에 부닥칠 때가 있습니다.업무 중 클라이언트로부터 수백만에서 수천만 행의 데이터를 받았을 때 당황하지 않고 오히려 즐기듯이 업무를 할 수 있었던 것은 Python과 Pandas 덕분이었습니다. 이를 통해 Pandas 라이브러리에도 어느 정도 익숙해졌다고 생각하던 차에 이 책을 보면서 다시 초심자의 마음으로 돌아가서 처음부터 차근차근 공부를 다시 해봐야겠다는 생각이 들었습니다. 과거에는 어렵게 돌아.. 공감수 3 댓글수 0 2024. 10. 15.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.