정리 노트

저번에는 pandas에서 NaN 값을 처리하는 방법을 배웠었습니다. (Pandas에서 NaN 처리하기: 2022.07.17 - [[TIL]국민대X프로그래머스 여름방학 인공지능 과정] - 10일 차 (2020/07/17)) 오늘은 numpy에서 NaN 값을 처리하는 방법을 배웠습니다. isnan 통해 NaN 값 처리해보기 isnan은 numpy에서 제공하는 함수로, 각 요소마다 nan값인지 아닌지의 boolean 값을 담은 ndarray를 반환합니다. import numpy as np a = np.array([1, 2, np.nan, 3, 4, np.nan, np.nan, 5]) print(np.isnan(a)) # [False False True False False True True False] 이를 ..

오늘 저녁 세션에서는 과제에 대한 간단한 리뷰와 SQL과 DBMS에 대해 알아보는 시간을 가졌습니다. SQL은 방학 전에 데이터베이스 강의를 들은 덕분에 쉽게 이해할 수 있었습니다. 그리고 NoSQL이라는 것을 처음 알게 됐습니다. NoSQL 중 Document DB라는 것이 있습니다. 이는 그동안 흔히 듣고 써왔던 RDB보다 형식이 자유롭다는 장점이 있습니다. 하지만 그만큼 자료에 대한 정형화가 덜 돼있다는 것과, 이를 이용해 통계를 구하는 것이 RDB 방식보다 어렵다는 단점이 있습니다. 그래서 그런지 저는 아직은 NoSQL 보다는 SQL이 좋은 것 같습니다.

오늘은 pandas에서 두 dataframe을 하나로 합치는 merge와 NaN 값을 처리하는 방법에 대해 배웠습니다. 두 dataframe을 merge https://pandas.pydata.org/docs/reference/api/pandas.merge.html?highlight=merge#pandas.merge pandas.merge — pandas 1.4.3 documentation Merge DataFrame or named Series objects with a database-style join. A named Series object is treated as a DataFrame with a single named column. The join is done on columns or ind..

오늘은 EDA가 어떤 것인지에 대해 알아보았습니다. EDA는 데이터를 처리하는 기법보다 데이터 그 자체에 집중해서 데이터에서 insight를 얻어내는 접근법입니다. EDA는 크게 3가지의 단계를 거쳐가며 이루어집니다. 분석의 목적을 명확하게, 각 변수(column) 확인 데이터를 전체적으로 파악(변수 간의 상관관계, Null 값의 유무 등) 데이터의 개별 속성들을 파악

오늘은 OpenAPI들을 이용해 원하는 기능들을 구현하는 방법을 새롭게 알게 됐습니다. OpenAPI를 이용하기 위해서는 각 API에서 제공하는 API Key를 발급받아야 합니다. OpenAPI를 사용하면서 주로 이런 패턴으로 데이터를 얻어왔습니다. import json, requests url = "" params = {"api_key": "

오늘은 Flask를 이용해 REST API를 작성해보는 방법과 sqlite3을 이용해 flask와 DB를 연동시키는 방법을 배웠습니다. Flask로 REST API 작성하기 아래의 코드로 먼저 Flask application을 하나 선언합니다. from flask import Flask, jsonify, request app = Flask(__name__) if __name__ == "__main__": app.run() 그리고 각 HTTP 메서드마다 실행될 함수들을 선언합니다. @app.route('') def get(): # GET 메서드가 호출될 때 할 일들을 작성 @app.route('') def create(): # POST 메서드가 호출될 때 할 일들을 작성 @app.route('') def ..

오늘은 2주차의 첫 강의라 알고 있던 개념들을 가볍게 상기시키는 시간을 가졌습니다. 인터넷과 웹은 서로 다르다는 것을 복기했고, 서버와 클라이언트가 어떤 과정을 통해 상호작용을 하는지 간단하게 확인해봤습니다. 저녁 세션 시간에는 과제들에 대한 리뷰와 ML의 myth들에 대한 얘기들을 들어보았습니다. 과제 리뷰 시간에 보여주신 예제 코드를 보니 검색 능력이 매우 중요함을 느꼈습니다. 제 머리로 직접 구현하는 것도 좋지만 이미 만들어진게 있다면 그걸 쓰는게 시간적으로 이득입니다. 이번 2주 차 강의들을 들으며 저와 이 쪽 분야가 맞을 지 확인하는 시간을 가지게 될거라 멘토님께서 예상하셨고 저도 그렇게 생각합니다.

오늘은 matplotlib와 seaborn을 이용해서 그래프를 그리는 방법을 배웠습니다. matplotlib는 전공 강의 시간에 써본 적이 있어서 친숙했지만 seaborn은 처음 봤습니다. seaborn에는 matplotlib에서 그려봤던 그래프들과 다른 모양의 그래프들을 그릴 수 있었습니다. 커널 밀도 그림(Kernel Density Plot) 히스토그램과 같은 그래프를 곡선으로 표현한 그래프입니다. import numpy import matplotlib.pyplot as plt import seaborn as sns y = np.random.randint(0, 20, 20) sns.kdeplot(y) plt.show() # matplotlib.pyplot과 seaborn이 공유하는 함수다! 카운트 그..