세상은 내가 정하는 대로 세상은 내가 정하는 대로

성균관대학교 진로 멘토 멘티 1:1 주선 앱 멘토가 재학생인 경우, 교내 봉사 n시간 인정 (건당) 멘토가 졸업생인 경우, 페이 n원 줌 (추후에 사용자 늘어나면 주선비 받기?) 멘토, 멘티 모두 성균관대학교 학생일 것 주요 기능 상담-인증된 멘토가 자신의 스펙, 학과, 분야 등을 등록하면 관심있는 재학생이 1:1 상담할 수 있도록 (매너 온도 띄우기 등 구현) 게시판-최종합격 후기, 대학원 후기, 학과별 꿀팁 등을 올릴 수 있는 게시판 (본인의 현재까지 스펙 올리면 어디 갈 수 있는지 멘토들이 피드백) 모집 공고 1.상담 멘토의 경우 전체 프로필 보기 매칭 현황(나를 찜한, 내가 신청한) 채팅 (멘티의 선톡과 멘티의 완료, 채팅 완료 후 매너 온도, 완료 후 봉사 시간 또는 페이 확인) 멘토 등록과 삭..

MACHINE LEARNING:pandas와 친해지기-셋째 날[21.03.03] 4. nan값 처리 -nan 값 없애기 df.dropna(how="any") -nan 값 채우기 df.fillna(value=5) -nan 값 여부 불리언 반환 pd.isna(df)

3. 데이터프레임 고급 인덱싱 * 앞과는 달리, numpy 행렬과 같이 쉼펴를 이용한(행 인덱스, 열 인덱스) 형식의 2차원 인덱싱 지원! =>크게 loc, iloc 있다! 1) loc 인덱서 : 라벨 값 O, 정수 값 X 인덱싱 값 1개만 받는 경우- df.loc[행 인덱스 값] df.loc["a"] -> 시리즈 출력 슬라이스 가능 df.loc["a":"c"] -> 데이터 프레임 출력 리스트 가능 df.loc[["b","d"]] -> 데이터 프레임 출력 불리언 가능 df.loc[df.A>12] -> 데이터 프레임 출력 df.loc[헹 인덱스 값, 열 인덱스 값] df.loc["a","R"] 슬라이스 가능 df.loc["a":,"E"] 리스트 가능 df.loc[["b","d"],["A","F"]] 불리언..

참고: pandas 공식 홈페이지 10 minutes to pandas 데이터사이언스 스쿨 pandas 1. Pandas 클래스 1-1. Series 클래스 : numpy의 '1차원 배열'과 유사, but index 붙일 수 있음! Series=값(values)+인덱스(index) -> 시리즈 생성 시에 value값과 인덱스 값 모두 넣어줘야 함!! s=pd.Series([1,2,3,4],index=["a","b","c","d"]) +) 만약 인덱스 값 지정 x? -> 0부터 시작! ex) pd.Series(range(10,24)) ->데이터 접근 인덱스 접근은 .index로! 값 접근은 .values로! 이름도 붙일 수 있음! 시리즈 데이터 이름 붙이는 건 .name 인덱스 이름 붙이는 건 .index..

5-4. 차원 축소 연산(dimension reduction) -> 행렬의 하나의 행에 있는 모든 원소들을 하나의 데이터 집합으로 보고 연산! 최대/최소: min, max, argmin, argmax argmin: 최솟값의 위치(인덱스) argmax: 최댓값의 위치(인덱스) 기술 통계(descriptive statistics): sum, mean, median, std, var, percentile percentile: 백분위 수 - np.percentile(x,0) - np.percentile(x,25) - np.percentile(x,50), - np.percentile(x,75) - np.percentile(x,100) 불리언: all, any +) 연산의 대상이 2차원 이상인 경우, 어느 차원에서..

3. 배열 생성 크게 다섯 가지로 나누어 배열 생성 메소드를 살펴볼 것이다. zeros/ones zeros: a=np.zeros(5) -> [0,0,0,0,0] b=np.zeros((2,3)) -> [[0,0,0],[0,0,0]] ones: c=np.ones(4) -> [1,1,1,1] d=np.ones((2,2)) -> [[1,1],[1,1]] zeros_like/ones_like zeors_like: 입력한 배열과 같은 크기로, 0으로 초기화된 새 배열 생성 e=np.zeros_like(d) -> [[0,0],[0,0]] ones_like: 입력한 배열과 같은 크기로, 1로 초기화된 새 배열 생성 f=np.ones_like(e) -> [[1,1,1],[1,1,1]] empty g=np.empty((4..

numpy와 친해지기 numpy나 pandas와 같은 파이썬 모듈이 거의 기본으로 쓰인다는 것은 이미 잘 알고 있고 그 개념은 엄청 많이 들었는데 막상 쓰려면 매번 예제를 찾아봐야 하는 문제 때문에 이번 개강 전에 바짝하기로 했다! 사실 이번에 듣게 되는 '기계학습' 수업에서 거의 numpy를 빠삭하게 다뤄야 편하다고 해서 딱 7일 컷으로 시작하기로 했다! 그래도 이렇게 html 파일에 내 식으로 정리하는 게 기억에 많이 남기도 하고, 나중에 기억 안 나거나 복습할 때 다시 찾아올 수 있으니 좋다! 더불어 수학 공부도 같이 할 수 있고 연습문제도 같이 섞여있고 정리도 아주 잘 되어있는 질 좋은 사이트를 발견해서 신나게 시작한다. 얏호~! 1. 넘파이 배열 1.1 import numpy as np로 모듈을..

진도: ~수업을 마치며까지 WEB 공부를 마치며... 결국 javascript 강의까지 끝! 진짜 내 자신이 정말 대단하다! 강의를 다 듣고 나니 이 웹페이지에도 개선점이 여러모로 많다는 것을 느꼈지만, 그건 다음 3학년 1학기 웹페이지에 반영하기로... ㅋㅋㅋㅋ 이 다음 목표! 일단 생활코딩으로 html, css, javascript 강의까지 가볍게 들었으니, 이제는 노마드 코더의 웹 개발 커리큘럼을 따라 2학년 겨울방학 때 배운 내용들(html+css+javascript)를 좀 더 다져볼 예정이다. 다 들을 수 있을진 모르겠지만, 듣고 싶은 강의가 크게 네 가지 강의가 있다! 코코아톡 클론 코딩 (html+css) -> 2주 예상 바닐라 JS로 크롬 앱 만들기 (javascript) -> 2주 예상 ..