JINYOUNG SUL

데이터 속에 답이 있다.

Posts by Tag

sql

Back to Top ↑

python

Data Scaling, Normalization

2 minute read

Scaling vs Normalization 스케일링과 정규화를 혼동하기 쉬운 이유 중 하나는 용어가 때때로 같은 의미로 사용되어 혼동되기 때문이다. 두 경우 모두 변환 된 데이터 포인트가 유용한 특정 속성을 갖도록 숫자 변수의 값을 변환한다. 차이점은 다음과 같다.

이분탐색, 합병정렬

less than 1 minute read

이분탐색 s = [10,12,13,14,18,20,25,27,30,35,40,45,47] s [10, 12, 13, 14, 18, 20, 25, 27, 30, 35, 40, 45, 47] def binary_search(s,low,high, k): if low > ...

pandas groupby,agg,sort_values,sort_index

3 minute read

그룹 분석 groupby, agg 우리는 데이터를 그룹화 한 다음 데이터가 속한 그룹에 특정한 작업을 수행할 수 있습니다. 해당 작업은 groupby() 연산을 통해 수행합니다.

pandas 결측치 처리

1 minute read

누락된 데이터 처리하기 isnull 산술 데이터에 한해 pandas는 누락된 데이터를 실수값인 NaN으로 취급한다. 이 특성을 이용해 데이터의 type이 float이라면 누락된 데이터가 있는지 의심을 가질 수 있습니다. df = pd.DataFrame([['apple',2500],...

Back to Top ↑

datascience

Data Scaling, Normalization

2 minute read

Scaling vs Normalization 스케일링과 정규화를 혼동하기 쉬운 이유 중 하나는 용어가 때때로 같은 의미로 사용되어 혼동되기 때문이다. 두 경우 모두 변환 된 데이터 포인트가 유용한 특정 속성을 갖도록 숫자 변수의 값을 변환한다. 차이점은 다음과 같다.

pandas groupby,agg,sort_values,sort_index

3 minute read

그룹 분석 groupby, agg 우리는 데이터를 그룹화 한 다음 데이터가 속한 그룹에 특정한 작업을 수행할 수 있습니다. 해당 작업은 groupby() 연산을 통해 수행합니다.

pandas 결측치 처리

1 minute read

누락된 데이터 처리하기 isnull 산술 데이터에 한해 pandas는 누락된 데이터를 실수값인 NaN으로 취급한다. 이 특성을 이용해 데이터의 type이 float이라면 누락된 데이터가 있는지 의심을 가질 수 있습니다. df = pd.DataFrame([['apple',2500],...

Back to Top ↑

pandas

Data Scaling, Normalization

2 minute read

Scaling vs Normalization 스케일링과 정규화를 혼동하기 쉬운 이유 중 하나는 용어가 때때로 같은 의미로 사용되어 혼동되기 때문이다. 두 경우 모두 변환 된 데이터 포인트가 유용한 특정 속성을 갖도록 숫자 변수의 값을 변환한다. 차이점은 다음과 같다.

pandas groupby,agg,sort_values,sort_index

3 minute read

그룹 분석 groupby, agg 우리는 데이터를 그룹화 한 다음 데이터가 속한 그룹에 특정한 작업을 수행할 수 있습니다. 해당 작업은 groupby() 연산을 통해 수행합니다.

pandas 결측치 처리

1 minute read

누락된 데이터 처리하기 isnull 산술 데이터에 한해 pandas는 누락된 데이터를 실수값인 NaN으로 취급한다. 이 특성을 이용해 데이터의 type이 float이라면 누락된 데이터가 있는지 의심을 가질 수 있습니다. df = pd.DataFrame([['apple',2500],...

Back to Top ↑

sklearn

Data Scaling, Normalization

2 minute read

Scaling vs Normalization 스케일링과 정규화를 혼동하기 쉬운 이유 중 하나는 용어가 때때로 같은 의미로 사용되어 혼동되기 때문이다. 두 경우 모두 변환 된 데이터 포인트가 유용한 특정 속성을 갖도록 숫자 변수의 값을 변환한다. 차이점은 다음과 같다.

Back to Top ↑

algorithm

이분탐색, 합병정렬

less than 1 minute read

이분탐색 s = [10,12,13,14,18,20,25,27,30,35,40,45,47] s [10, 12, 13, 14, 18, 20, 25, 27, 30, 35, 40, 45, 47] def binary_search(s,low,high, k): if low > ...

Back to Top ↑

태블로

Back to Top ↑

tableau

Back to Top ↑

konlpy

Back to Top ↑