대전 카이스트 출장 10/13~10/18 (2). 대전 숙박. 대전 맛집. 대전 성심당

10/16아침 일찍 일어나서 전날에 샀던 성심당 빵을 먹었습니다. 역시 아침에는 크림빵이지(?) 성심당 크림빵은 다른 크림빵보다 많이 달지 않아서 좋았던 것 같아요. 일반 크림빵은 먹으면 건강에 안 좋을 것 같은데 성심당 크림빵은 이 정도는 괜찮아 라는 생각이 들거든요. 이렇게 성심당에 세뇌당한 나란 인간 얼른 씻고 출근이나 합시다. 돈 벌어서 빵 많이 사 먹어야겠다.역시 오늘도 아침 간식이 맛있는 게 나왔군요. 그냥 말만 출장이지 배 채우러 온 것일 수도…오늘의 간식은 대전 전민동에 위치한 ‘커피커피‘카페의 수제 마들렌입니다. https://www.instagram.com/jm_coffeecoffee/인터넷에 보니까 오후 5시까지 영업을 해서 방문하고 싶으신 분들은 조금 서둘러야 할 것 같아요.오전 수..

1. 단순 병합데이터 프레임을 위-아래 또는 왼쪽-오른쪽으로 연결할 때 concat()을 사용한다.다음과 같이 데이터를 입력한다. import pandas as pdappetizer = pd.DataFrame({ 'Menu' : ['Salad', 'Soup', 'Bread'], 'Price' : [5000, 3000, 2000]})main = pd.DataFrame({ 'Menu' : ['Steak', 'Pasta', 'Chicken'], 'Price' : [15000, 12000, 10000]})print(appetizer)print(main) concat()은 기본적으로 위-아래로 합친다.합쳤을 때 기존 데이터에서 갖고 있던 인덱스 번호를 유지한다.인덱스 번호를 새롭게 설정하려면 ignore_..

1. 시계열 데이터 (datetime)날짜와 시간 관련 데이터는 시간의 순서에 따른 측정값, 기간 설정 등의 다양한 분석과 작업에 사용된다. 1-1. 날짜와 시간 데이터일반적으로 날짜는 하이픈 (-)을 사용해 연도-월-일 형태로 만든다.시간은 콜론 (:)을 사용해 시간:분:초 형태로 만든다. 다음과 같이 데이터를 생성한다. import pandas as pddata = { 'Date1' : ['2024-02-17', '2024-02-18', '2024-02-19', '2024-02-20'], 'Date2' : ['2024:02:17', '2024:02:18', '2024:02:19', '2024:02:20'], 'Date3' : ['24/02/17', '24/02/18', '24/02/19', '2..

1. 그룹핑 (Grouping)데이터를 다양한 방식으로 집계하고 분석하는 데는 groupby()를 사용한다.특정 컬럼을 기준으로 여러 그룹을 나누고 각 그룹에 대한 합계, 평균, 최대, 최소, 빈도 등을 구할 수 있다. 데이터를 불러온다. import pandas as pddf = pd.read_csv('cafe4.csv') # https://kdh9797-devwiki.tistory.com/85df.head() 1-1. 그룹 기준 1개원산지를 기준으로 평균값을 계산해 보자. df.groupby('원산지').mean(numeric_only=True)  원산지를 기준으로 그룹이 만들어진다.수치형 데이터인 '가격', '칼로리', '이벤트가'의 평균을 확인할 수 있다. 1-2. 집계 연산mean()평균sum..

1. 내장 함수데이터를 불러온다. import pandas as pddf = pd.read_csv('cafe4.csv') # https://kdh9797-devwiki.tistory.com/85df.head()  1-1. len()데이터프레임에서 행(row)의 수를 반환한다.행의 수를 구하는 다른 방법은 df.shape을 사용한다.df.shape [0]은 행의 수, df.shape [1]은 열의 수이다. # 데이터프레임의 행의 수 구하기print(len(df))print(df.shape[0]) 88 1-2. sum()sum()은 합계 함수이다.예를 들어 '가격이 5000보다 크다'라는 조건에 맞는 데이터 수를 구한다고 하자. df['가격'] > 5000  이때 True는 1, False는 0이므로 조건..

1. 값 변경데이터를 불러온다.import pandas as pddf = pd.read_csv('cafe3.csv') # https://kdh9797-devwiki.tistory.com/84 cafe3.csv 참고df.head()  1-1. replace 활용특정 값을 찾아 대체가 필요하다면 replace()를 활용한다.replace()는 변경 전 값과 변경 후 값 순서로 입력해 사용한다.여러 개의 값을 변경하기 위해 replace()를 여러 번 사용한다. df.replace('아메리카노', '룽고', inplace=True)df.replace('녹차', '그린티', inplace=True)df   딕셔너리를 활용한 후 replace() 괄호 안에 넣어 사용할 수 있다. change = {'룽고' : '..