티스토리

망망대해

검색하기

블로그 홈

망망대해

bleufonce.tistory.com/m

bleufonce 님의 블로그입니다.

구독자: 0

방명록 방문하기

주요 글 목록

LSTM 이해와 마케팅 데이터를 활용한 실습, LSTM 모델 성능평가 LSTM(Long Short-Term Memory)의 개념LSTM은 RNN(Recurrent Neural Network)의 한 종류로, 장기 의존성(Long-term dependency) 문제를 해결하기 위해 개발된 모델이다.기본 RNN은 시간이 지남에 따라 기울기 소실(Vanishing Gradient) 문제가 발생하는데, LSTM은 셀 상태(Cell State)와 게이트 구조(Gates)를 활용하여 이를 해결한다. (w가 지워지지 않도록) LSTM의 주요 구성 요소셀 상태(Cell State): 네트워크의 장기 기억을 유지하는 경로입력 게이트(Input Gate): 새로운 정보를 셀 상태에 추가할지 여부 결정망각 게이트(Forget Gate): 불필요한 정보를 제거출력 게이트(Output Gate):.. 공감수 0 댓글수 0 2025. 3. 18.
계절성을 고려한 회귀분석 / 인공신경망의 기본 구조 & 역전파와 딥러닝 모델 학습 설명 계절성을 고려한 회귀 분석 (Seasonal Regression Analysis) 기본 개념회귀 분석은 종속 변수와 독립 변수 간의 관계를 분석하는 통계 기법이다. 그러나 많은 데이터는 시간에 따라 반복되는 계절적 패턴을 가지고 있다. 계절성을 고려하지 않으면 모델이 데이터의 패턴을 제대로 학습하지 못할 수 있다. (증감 영역을 잘 모르기 때문에)( 예 : 아이스크림 판매량은 여름에 많고 겨울에 적음 / 난방기 판매량은 겨울에 많고 여름에 적음 / 월별 실업률, 주식 가격 등도 특정 시기에 따라 변할 수 있음 (경기 순환 등) )계절성을 고려한 회귀 분석은 시간 요소(예: 월, 분기, 연도 등)를 독립 변수로 추가하여 계절적 변동을 반영하는 방법이다. 일반적으로 다음과 같은 방법을 사용한다. 1. 더미 .. 공감수 1 댓글수 0 2025. 3. 17.
차원축소, 계층적 군집 분석, 시계열데이터 예측 (회귀분석, 이동평균(MA), 지수 가중 이동 평균 (EMA)) / 마케팅 보고서 작성 연습 ※ 데이터에서의 '차원' 표현데이터에서의 차원은 데이터를 표현하거나 구조화하는 방식과 관련이 있다. 스칼라(0D): 하나의 숫자 값(단일 데이터 포인트)으로 차원이 없다. (예 : 3)1차원(1D): 값들이 한 줄로 나열된 형태 (예 : [3, 4, 5])2차원(2D): 값들이 행과 열 형태로 정렬된 구조. (예 : 행렬(Matrix), 표(Table, DataFrame), 흑백이미지) 이때, 변수의 개수에 따라 차원이 결정됨. 행과 열이 있는 데이터 구조는 2차원으로 이해하고, 이때 열(변수)의 개수에 따라 차원이 달라진다. - 데이터 분석 관점에서 볼 때 배열로 표현하면 : 3차원(3D): 여러 개의 2D 행렬이 쌓인 형태로, 더 높은 차원 데이터 구조를 형성. (예 : 컬러 이미지 데이터) 4차원.. 공감수 1 댓글수 1 2025. 3. 14.
인공신경망(ANN), 다층신경망(MLP), 심층신경망(DNN) / ( 결정트리, 랜덤포레스트, K-평균군집화 복습 ) 인공신경망(ANN)├── 단층신경망(SLP) (은닉층 없음)├── 다층신경망(MLP) (은닉층 1개 이상)│ ├── 심층신경망(DNN) (은닉층 3개 이상) 인공신경망(ANN)은 다층신경망(MLP)과 심층신경망(DNN)을 모두 포함하는 상위 개념ANN ⊃ MLP ⊃ DNN ANN(Artificial Neural Network)인공신경망(Artificial Neural Network, ANN)은 인간의 뇌 구조를 모방한 기계 학습 모델로, 주로 패턴 인식, 분류, 예측 등의 문제 해결에 사용된다. 생물학적 뉴런인공 뉴런수상돌기(Dendrite) → 다른 뉴런으로부터 신호(입력)를 받음입력(Inputs, x₀, x₁, ...) → 데이터를 입력받음세포체(Cell Body) → 신호를 처리가중치(Weight.. 공감수 1 댓글수 0 2025. 3. 13.
k-NN 알고리즘, 서포트 벡터 머신(SVM), flask 웹실습 k-NN 알고리즘k-NN은 새로운 데이터가 들어왔을 때, 그 주변에 있는 가까운 데이터(k개)를 참고하여 값을 예측하는 방법.'비슷한 데이터는 서로 가까이 모여 있다'는 개념을 이용하는 알고리즘. 작동 방식1. 거리 측정새로운 데이터가 들어오면, 기존에 있던 모든 데이터와의 거리를 계산.보통 유클리드 거리(Euclidean Distance) 를 많이 쓰는데, 쉽게 말하면 '두 점 사이의 직선 거리'이다. 맨해튼 거리(Manhattan Distance) 같은 다른 방식도 사용가능.(맨해튼 거리는 '직선이 아닌 격자형 길을 따라 이동하는 거리'라고 생각하면 됨.)2. 이웃 선택모든 데이터와의 거리를 구한 뒤, 가장 가까운 k개의 데이터를 선택.여기서 k는 미리 정한 숫자. (예: k=3이면, 가장 가까운 3.. 공감수 2 댓글수 2 2025. 3. 13.
모델 성능 평가와 다중 분류 / 결정 트리의 기본 개념 / 랜덤 포레스트 개념과 구현 로지스틱 회귀 모델을 활용하여 고객 재구매를 예측하는 보고서 쓰기 import pandas as pdimport matplotlib.pyplot as pltimport koreanize_matplotlibimport seaborn as snsfrom sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LogisticRegressionfrom sklearn.metrics import accuracy_score, classification_report, confusion_matrix# 데이터 로드df = pd.read_csv("customer_repurchase.csv")# 할인쿠폰사용여부 재구매여부 관계 시각화pl.. 공감수 0 댓글수 0 2025. 3. 11.
데이터 전처리, 특징 엔지니어링, 선형회귀, 로지스틱회귀 - 데이터를 머신러닝 모델에 적합한 형태로 변환1) 데이터 정리 및 탐색데이터 로드: pandas, NumPy 등을 활용하여 데이터를 불러옴기초 통계 확인: df.describe(), df.info() 등을 이용하여 데이터 타입과 분포 확인데이터 시각화: matplotlib, seaborn을 사용해 변수 간 관계 파악2) 결측값(Missing Values) 처리(1) 결측값 확인import pandas as pddf.isnull().sum() # 결측값 개수 확인 (2) 결측값 처리 방법 # 삭제(Dropping): 결측값이 적은 경우 해당 행 또는 열 제거df.dropna(inplace=True) # 대체(Imputation): 평균, 중앙값, 최빈값 또는 예측값으로 결측값을 채움df.fillna(d.. 공감수 0 댓글수 0 2025. 3. 11.
머신러닝의 기본 개념 이해 머신러닝은 전통적인 프로그래밍 방식과는 달리 명시적인 규칙을 프로그래머가 지정하는 것이 아니라, 알고리즘(계산방식)이 데이터를 분석하여 스스로 규칙을 찾아내는 방식으로 동작한다. 머신러닝의 정의- 데이터에서 패턴을 찾아 학습하고, 새로운 데이터에 대해 예측을 수행하는 시스템 # 회귀식으로 머신러닝의 기본 개념 이해하기1) Y = W * XY → 라벨, 예측하려는 값, 출력(Output, 종속변수)X → 입력 데이터, 학습데이터 (Input, 독립변수)W → 가중치(Weight) 또는 계수(Coefficient), 모델, 패턴, 모델이 학습해야 할 값☞ '입력 데이터(X)'에 어떤 '가중치(W)'를 곱해서 '출력(Y)'을 예측하는 것!즉, 머신러닝 모델은 적절한 W(가중치)를 찾는 과정. 머신러닝 목표:=.. 공감수 2 댓글수 2 2025. 3. 10.
웹서버로 보고서 구현(flask) / 루커 스튜디오 실습 및 데이터 소스 연결 웹서버(flask)로 보고서 구현하기 연습1) HTML은 문서의 구조(뼈대) 부분이며 CSS는 문서의 디자인 요소, 자바스크립트는 동적특성부여. (클릭, 입력 등 사용자의 행동에 따라 변화하거나 반응하는 기능) 위 파일에서 analysis.html 파일은 자바스크립트 코드도 포함되어 있다. (analysis.html은 index.html과 마찬가지로 templates 폴더에 넣으면 된다. 위 그림의 플라스크 기본 규격은 만든사람이 정해놓은 규칙과도 같다. 터미널을 열고 MariaDB를 실행하여 플라스크의 기본 규격에 맞게 폴더를 만들고 폴더권한을 부여한 다음, 해당폴더에 파일질라로 파일을 옮겨놓고 python3 app.py를 입력하면 웹에서 확인이 가능하다. (주소는 http://vm외부ip주소:포트번호.. 공감수 0 댓글수 0 2025. 3. 6.
* 태블로 실습 / Chart.js를 이용한 웹페이지 실습 태블로 그래프 그리기 연습 시간대 별 매출 금액 변화 남녀 매출 비교 상권 유형별 매출 차이 업종별 평균 거래 건수 비교 서울 내 특정 상권의 요일별 매출 변화 업종 시간대별 매출 패턴 분석 업종별 시간대별 매출 금액 분석 업종별로 주중과 주말 매출 비율 분석 상권 유형별 연령대 매출 비중 비교 매출 건수와 매출 금액 간 관계 분석 매출이 높은 업종 상위 10 시각화 상권별 연령대별 주요 고객층 분석 Chart.js를 이용한 웹페이지 실습 공감수 0 댓글수 0 2025. 3. 6.
Tableau 기본 사용법 Tableau란?- 데이터를 시각적으로 분석하고 대시보드를 생성할 수 있는 데이터 시각화 도구- 코드를 작성하지 않고도 데이터를 쉽게 분석 가능- 직관적인 드래그 앤 드롭 방식 지원 Tableau의 장단점* 장점1) 직관적인 UI2) 강력한 시각화 기능- 쉽게 다 같이 볼 수 있는 대시보드 만들기가 가능하다 - 데이터 변경시 자동으로 실시간 반영3) 다양한 데이터 연결- Excel, CSV, Google Sheets, JSON- 관계형 데이터베이스(MySQL, PostgreSQL, MariaDB 등)- 클라우드 데이터(Warehouse: Google BigQuery, AWS Redshift 등)4) 빠른 데이터 처리 * 단점1) Tableau Public은 모든 데이터가 공개됨 (비공개 저장 불가)2) .. 공감수 0 댓글수 1 2025. 3. 5.
고객 세분화를 위한 통계 분석(군집화, K-평균 군집분석), 확률분포, 혼동행렬, 마케팅 성과예측 (1) 고객 세분화를 위한 통계 분석 고객 세분화는 고객의 특성(특징)과 행동패턴을 분석하여 비슷한 그룹으로 나누는 과정이다. → 군집화(clustering)고객 세분화를 위한 대표적 통계 분석기법으로는 기술 통계 분석, K-평균 군집 분석, RFM 분석, 계층적 군집 분석이 있다. 기술 통계 분석- 데이터의 분포와 기본적인 특징을 파악하는데 사용 (EDA)평균 (Mean): 고객 1인당 평균 구매 금액, 평균 방문 횟수 등을 분석. 평균은 그 데이터들을 대표하는 값중앙값 (Median): 데이터의 중앙값을 계산하여 이상치의 영향을 최소화표준편차 (Standard Deviation): 고객 간 소비 패턴의 차이 파악, 중심값에서 얼마나 떨어져 있는지.최댓값 및 최솟값 (Max & Min): 가장 높은 구매 금액.. 공감수 0 댓글수 2 2025. 2. 27.
마케팅 데이터의 주요 지표 분석 (보고서 실습) 마케팅 데이터의 주요 지표마케팅 데이터 분석에서 주요 지표를 활용하면 캠페인의 효과를 수치적(정량적)으로 평가할 수 있다. 이를 바탕으로 향후 전략을 수립하는데 활용할 수 있다.각 지표를 종합적으로 분석하여 트래픽 증가 → 전환율 최적화 → 광고 효율성 개선 → 고객 유지 및 충성도 향상이라는 구조를 구축하는 것이 중요하다.마케팅 목표에 맞는 주요 지표를 설정하고, 지속적으로 모니터링하며 최적화해야한다. 트래픽 관련 지표방문자 수특정 기간 동안 웹사이트를 방문한 총 사용자 수신규 방문자 vs. 재방문자 비교 분석 가능페이지뷰방문자가 특정 웹사이트에서 본 페이지 수페이지뷰가 많을수록 사용자가 많은 콘텐츠를 소비했음을 의미세션사용자가 웹사이트를 방문해 특정 시간 동안 머무른 활동 단위평균 세션 길이를 분석.. 공감수 1 댓글수 2 2025. 2. 27.
상관관계의 이해, 상관분석 / 웹시스템 이용한 마케팅 데이터 획득 이해 상관관계란?- 한 변수의 변화가 다른 변수의 변화와 어떤 관계가 있는지 나타냄- 한 변수가 증가할 때 다른 변수가 증가하거나 감소하는 패턴이 있는지 분석 상관계수- 상관관계의 정도는 상관계수로 표현- 가장 많이 사용되는 상관계수는 피어슨 상관계수(기타 스피어만 상관계수, 켄달의 타우 가 있음)- 독립변수가 많을 때 추리는 용도로 좋음 상관계수 해석r = 1 : 완전한 양의 상관관계 (한 변수가 증가할 때 다른변수도 완전히 비례하여 증가)0.7 ≤ r 0.3 ≤ r r = 0 : 상관관계 없음 (두 변수 간 관계가 없음)- 0.3 ≤ r - 0.7 ≤ r r = - 1 : 완전한 음의 상관관계 (한 변수가 증가할 때 다른변수는 완전히 반비례하여 감소) 상관계수 사용시 주의사항- 반드시 인과관계가 있는.. 공감수 0 댓글수 0 2025. 2. 25.
회귀분석 (단순회귀분석과 다중회귀분석) 지난 수업 예제 코드 ( 광고비와 판매량 사이의 관계를 선형회귀분석으로 분석)# statsmodels - 통계분석 라이브러리# numpy - 숫자를 다루기 위한 라이브러리import statsmodels.api as smimport numpy as np# 독립변수(광고비)와 종속변수(판매량) 예제 데이터# np.array()를 써서 데이터를 숫자로 다루기 쉽게 한다.X = np.array([1, 2, 3, 4, 5]) # 광고비(독립변수)Y = np.array([3, 6, 7, 8, 11]) # 판매량(종속변수)# 상수항 추가# 상수항(절편)(b)을 추가하는 코드# sm.OLS() 같은 함수는 절편을 따로 수동으로 추가해줘야 함.X = sm.add_constant(X)# 선형 회귀 모델 학습# sm... 공감수 2 댓글수 1 2025. 2. 25.
통계의 기본개념 통계의 기초- 현상을 기호로 바꾸고 그다음 코드로 바꾸고...현상을 기호로 바꾸는 도구가 통계이다. 통계학은 데이터를 수집, 정리, 분석, 해석하여 의미있는 정보를 도출하는 학문.수집 - API,CSV,SQL정리 - Pandas / DB분석 - 그래프 (행, 컬럼, 통계)>>>>>>특징을 도출하여 해석가능하게 함. 데이터를 통해 특정 현상의 패턴을 이해하고, 이를 기반으로 예측하거나 의사결정을 지원통계학은 기술통계, 추론통계로 구분됨. 1. 기술통계- 데이터를 요약하고 정리하여 쉽게 이해할 수 있도록 표현하는 방법을 다룸 (1) 중심 경향 측정- 데이터의 중심 값을 찾는 방법- 대표적인 지표 : 평균, 중앙값, 최빈값 # 평균 - 데이터 값들의 총합을 데이터 개수로 나눈 값. 데이터가 정규분포를 따.. 공감수 0 댓글수 0 2025. 2. 21.
EDA (탐색적 데이터 분석) EDA (탐색적 데이터 분석)란?데이터 분석을 수행하기 전에 데이터의 구조를 파악하고 특성을 이해하는 과정EDA를 통해 데이터의 패턴을 발견하고, 이상치 및 결측치를 확인하여 적절한 전처리 방법을 결정 EDA 데이터 분석 절차 1. 데이터 로드 및 기본 정보 확인 (API, CSV, SQL)2. 결측치 및 이상치 탐색3. 기술통계를 활용한 데이터 요약 (기술 = description)4. 변수 간 관계 분석 및 시각화5. 결론 도출 및 마케팅 전략 수립 → 보고서 1. 데이터 로드 및 데이터의 기본 정보 파악데이터 셋 불러오기 (CSV), 데이터의 크기, 컬럼명, 데이터 타입 확인import pandas as pd# 데이터 로드 (예제 데이터)df = pd.read_csv("sample_data.c.. 공감수 0 댓글수 0 2025. 2. 20.
그로스 마케팅에서의 그래프 사용, 데이터 변환의 중요성 그래프가 각각 사용되는 이유와 목적을 명확히 알아야 한다. 그로스 마케팅 관점에서 각각의 그래프에 대한 사용목적 히스토그램 (Histogram)데이터의 분포를 분석활용사례특정 캠페인의 광고 클릭 수 분포를 분석고객별 구매 금액의 빈도 분포를 분석 선형 그래프 (Line Chart)데이터의 시간적 변화를 시각화활용사례특정 마케팅 캠페인의 주간/월간 매출 트렌드를 분석A/B 테스트 결과를 시간별로 비교지난 6개월간의 월별 매출 변화(Revenue Trend) 를 분석하여 매출이 증가하는 시기와 감소하는 시기를 파악할 때신규 가입자의 월별 유지율(Retention Rate) 을 분석하고, 특정 월에 이탈율이 증가하는지 확인할 때 막대 그래프 (Bar Chart)범주형 데이터의 비교활용사례광고 채널별 전환율 .. 공감수 2 댓글수 0 2025. 2. 19.
Pandas 복습과 설문조사 개요, 설문조사 후 데이터 분석, 시각화 서울 열린데이터 광장에서 확보한 데이터로 낚시가게를 오픈하기 좋은 동네(50대 남성이 많은 동네)와 화장품가게(20대 여성이 많은 동네)를 오픈하기 좋은 동네의 후보 5곳을 찾기. 문제에서 다시 확인해야 할 개념 정리데이터에서 특정 열 선택 (filtered_df = df[['열1', '열2', ...]]) filtered_df = df[['행정동코드','여자20세부터24세생활인구수', "여자25세부터29세생활인구수"]]df[['열1', '열2', ...]] → DataFrame에서 특정 열만 선택할 때 사용filtered_df는 df에서 '행정동코드', '여자20세부터24세생활인구수', '여자25세부터29세생활인구수'만 포함한 새로운 DataFrame이 됨새로운 열 추가 (df['새로운 열'] .. 공감수 1 댓글수 2 2025. 2. 18.
API의 개념과 API 데이터 수집 데이터를 획득할 수 있는 채널구분APICSVDB Connect데이터 교환 방식서버 간 요청/응답을 통해 데이터 주고받음파일을 저장하고 읽어서 주고받음데이터베이스에 직접 연결하여 조회 및 수정데이터 형식JSON, XML 등텍스트 파일 (CSV 형식)테이블 형태의 구조화된 데이터실시간성O (실시간 데이터 요청 가능)X (파일을 갱신해야 최신 데이터 반영)O (DB에 직접 연결하여 실시간 조회 가능)자동화 및 연동O (시스템 간 연동 가능)O (스크립트로 자동화 가능)O (DB 연동을 통한 자동화 가능)데이터 처리방식API 요청 후 응답 받아 처리파일을 읽고 분석하여 처리SQL 쿼리로 직접 처리 ※ RESTful - API를 사용하기 위하게 해주는 도구 API ( Application Programming .. 공감수 1 댓글수 1 2025. 2. 17.
웹 크롤링 개요 크롤링이란?웹 크롤링은 웹사이트에서 데이터를 자동으로 수집하는 기술이다. 크롤러 또는 스크래퍼라고 불리는 프로그램이 웹페이지의 HTML을 가져와 특정 정보를 추출하는 방식으로 동작한다.크롤링은 뉴스, 상품 가격, 리뷰, 통계 데이터 등 다양한 정보를 자동으로 수집하는 데 활용되며, 검색 엔진, 가격 비교 사이트, 데이터 분석 등의 분야에서 필수적인 기술이다. 그로스 마케팅에서 크롤링의 이유와 목적그로스 마케팅에서 크롤링은 데이터를 자동으로 수집하여 경쟁사 분석, 소비자 행동 파악, 광고 최적화, 가격 조정 등 다양한 마케팅 전략을 개선하는 데 활용된다.경쟁사 및 시장 분석 – 경쟁사의 가격 정책, 프로모션, 마케팅 전략을 실시간으로 추적하여 경쟁 우위를 확보하고, 업계 트렌드를 분석하여 소비자 선호도 변.. 공감수 2 댓글수 0 2025. 2. 16.
웹서비스 구현 - 게시판 만들어보기 웹 서비스의 전체 흐름 웹 서비스는 클라이언트(사용자)가 요청을 보내면, 이를 웹 서버와 웹 애플리케이션 서비스(WAS), DBMS가 협력하여 응답을 제공하는 구조이다. 클라이언트가 웹사이트에서 특정 정보를 요청 → 웹 서버에 전달웹 서버가 정적 파일이면 바로 응답하고, 동적 데이터가 필요하면 웹 애플리케이션 서비스에 요청웹 애플리케이션 서비스가 비즈니스 로직을 처리하고, 필요한 데이터가 있으면 DBMS에서 가져옴DBMS가 요청한 데이터를 웹 애플리케이션 서비스로 전달웹 애플리케이션 서비스가 데이터를 가공하여 클라이언트가 볼 수 있는 HTML/JSON을 생성웹 서버가 최종적으로 클라이언트에게 응답요소역할웹 서버HTTP 요청을 받아 웹 애플리케이션에 전달 (정적 파일 제공)웹 애플리케이션 서비스(WAS.. 공감수 1 댓글수 0 2025. 2. 16.
(복습) GCP-VM인스턴스 만들기, mariaDB 및 파이썬 설치/ 파이썬과 SQL 연동 저번시간에 했던 GCP VM 인스턴스 만들고 환경설정하는 법과 mariaDB 및 파이썬 설치 파이썬과 SQL 연동실습했던 것을 복습해 보았다. VM 인스턴스 만들고 환경설정하기 먼저 구글 클라우드 플랫폼에 접속하여 계정을 만들고 무료로 시작하기를 클릭한다. VISA나 MASTER 신용/체크카드를 미리 준비해서 등록하고 무료제공 3개월을 뽑아먹어보자.계정 생성후 Compute Engine으로 들어가서 VM 인스턴스를 클릭한다. 그 다음 인스턴스 만들기를 클릭한다. 머신 구성에서 이름을 설정하고 (소문자, 숫자, - (하이픈)만 가능), 리전은 서울을 찾아서 설정한다. OS 및 스토리지에 들어가서 변경을 눌러 부팅디스크를 ubuntu로 설정하고 버전은 ubu.. 공감수 0 댓글수 0 2025. 2. 15.
MariaDB ALTER TABLE / Python과 SQL연동 / 헷갈리는 개념 다시 정리 MariaDB ALTER TABLE MariaDB에서 기존 테이블의 구조를 변경하는 데 사용.열 추가, 삭제, 수정, 인덱스 추가, 제약 조건 변경 등의 작업을 수행. 열 추가 (ADD COLUMN)ALTER TABLE employees ADD COLUMN email VARCHAR(100) AFTER name;새로운 email 열을 추가. 열 삭제 (DROP COLUMN)ALTER TABLE employees DROP COLUMN department;기존 department 열을 삭제. 열 이름 변경 (CHANGE COLUMN)ALTER TABLE employees CHANGE COLUMN salary monthly_salary DECIMAL(10,2) NOT NULL;salary 열의 이름을 .. 공감수 0 댓글수 0 2025. 2. 13.
mariaDB에서 여러테이블 다루기(JOIN,UNION), 집계 함수와 그룹화 JOIN, UNION을 쓰는 이유? 하나의 테이블에 데이터를 다 담기란 어렵기 때문. 데이터베이스에서는 데이터를 보다 효율적으로 관리하기 위해 테이블을 분리하여 저장하는 경우가 많다. JOIN - 여러 테이블의 데이터를 조합하여 원하는 정보를 조회 JOIN 유형포함되는 데이터 설명INNER JOIN두 테이블에서 일치하는 데이터만 반환(공통된 데이터만 표시)교집합을 반환하며, 일치하지 않는 데이터는 제외LEFT JOIN왼쪽 테이블의 모든 데이터 + 오른쪽 테이블에서 일치하는 데이터왼쪽 테이블을 기준으로, 일치하는 데이터가 없으면 NULL 반환RIGHT JOIN오른쪽 테이블의 모든 데이터 + 왼쪽 테이블에서 일치하는 데이터오른쪽 테이블을 기준으로, 일치하는 데이터가 없으면 NULL 반환FULL OUTER.. 공감수 1 댓글수 0 2025. 2. 13.
MariaDB로 SQL 다뤄보기 터미널 접속시 항상 해야 하는일cd / → 루트 디렉토리로 들어가야 유저 명령을 줄 수 있다. cd var → var 디렉토리로 들어가기그 다음에 mysql -u user1 -p → 기존 계정으로 접속하기 ※ "Access denied for user 'user1'@'localhost'" 뜰때 해결방안1) 해당 디렉토리 들어갔는지 확인 (나의 경우 루트 디렉토리에서는 로그인이 안되고 var 디렉토리 가야 로그인이 되는경우가 있었다. 하지만 루트 디렉토리에서도 될때 있다는게 함정. (뭐지..))2) ALTER USER 'user1'@'localhost' IDENTIFIED BY '새로운_비밀번호'; FLUSH PRIVILEGES; - 루트계정에서 비밀번호 변경해서 들어가자.3) GRAN.. 공감수 1 댓글수 1 2025. 2. 11.
GCP VM 설정 및 Maria DB설치, SQL 기본 문법 1. GCP 가입 (구글 클라우드 플랫폼) 2. VM Set up (버추얼 머신 셋업)- VM 인스턴스 생성 이름 규칙은 소문자, 숫자, - 만 사용가능이름과 지역은 asia- seoulO/S는 우분투 (20.04LTS)로 설치한다. 네트워킹 탭에서 HTTP 트래픽 허용 / HTTPS 트래픽 허용 클릭. 3. 서버 연결을 위한 SSH 키 생성(KeyGen)- Putty gen을 이용 (window만 지원)SSH Public키와 SSH Private키 받을 수 있음. 4. GCP에 SSH Key 등록- GCP에는 SSH public 키를 등록한다. (복붙)(경로 : Compute Engine > 메타데이터 > SSH키 > SSH키 추가) 5. Filezila 설정 (FTP 클라이언트 (FTP → 서버에 데.. 공감수 1 댓글수 5 2025. 2. 11.
Pandas 데이터 정렬, 필터링, 그룹화, 집계 Pandas 데이터 정렬 (sorting) sort_values() 를 활용한 단일 열(컬럼) 정렬 ascending=True → 오름차순(작은 값부터 큰 값 순서)ascending=False → 내림차순(큰 값부터 작은 값 순서)df_sorted_asc = df.sort_values(by="매출액", ascending=True)print(df_sorted_asc)위의 예시는 sort_values()를 이용하여 '매출액'을 기준으로 오름차순으로 정렬한 것이다. 여러 열 기준 정렬by=["매출액", "클릭수"] → 두 개의 열을 기준으로 정렬ascending=[False, True] → 첫 번째 기준(매출액)은 내림차순, 두 번째 기준(클릭수)은 오름차순 정렬# 먼저 매출액을 내림차순 정렬한 후, 동일한.. 공감수 2 댓글수 0 2025. 2. 9.
Pandas 기초 Pandas 란?Python에서 데이터 분석과 조작을 쉽게 할 수 있도록 하는 오픈소스 라이브러리엑셀과 유사한 데이터 구조 제공. 표 형태의 데이터를 효율적으로 다룰 수 있음.Numpy 기반(C언어로 작성한 라이브러리)이라 고속 연산 가능.데이터 정리, 변환, 분석, 시각화 등의 기능 제공.CSV(DB의 공통 표준), Excel, JSON, SQL, 등 다양한 형식의 데이터 처리 가능.누락된 데이터인 결측값(NaN) 처리 기능 제공. (NaN = Not a Number)다른 라이브러리와 호환성 매우 좋음. Pandas 불러오기import pandas as pd # 일반적으로 'pd'라는 별칭으로 사용 Pandas의 데이터 구조Series : 1차원 데이터 구조 (엑셀의 한 열과 유사)리스트와 유사하지.. 공감수 0 댓글수 0 2025. 2. 9.
함수, 클래스, 모듈과 패키지 함수는 특정작업을 수행하는 코드 블록 기본 구조def 함수이름(매개변수1, 매개변수2, ...): 실행할 코드 return 반환값함수를 정의하는 부분이 있고 사용하는 부분이 따로 있다.def 뒤에 함수이름을 써준다.함수 이름은 함수를 만드는 사람이 임의로 만들 수 있다.함수이름 뒤 괄호안의 매개변수는 이 함수에 입력으로 전달되는 값을 받는 변수이다.return은 함수의 결과값을 리턴하는 명령어.프로그램에서 함수는 입력, 출력이 없을 수 있다. 매개변수와 인수def add(a,b): # a, b는 매개 변수 return a+bprint(add(3,4)) # 3, 4는 인수a,b는 매개변수이며, 3,4는 인수이다.매개변수 - 함수에서 정의되어 사용되는 변수 (=인자, .. 공감수 0 댓글수 0 2025. 2. 9.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.