오우진

2023년 12월 18일부터 데이터분석 부트캠프를 진행하게 되었습니다. 오늘은 2024년 02월 02일로 시작한지 47일째 되는 날이네요! 파이썬 프로젝트가 끝나고 바로 SQL 강의를 들었습니다. 현재 SQL 문법 강의는 다 듣고 코딩테스트를 위한 문제를 계속 풀고 있습니다 :) 지금까지 배운 SQL 문법들을 정리해보겠습니다! * 쿼리를 작성하기 전에 각 테이블에 어떤 컬럼이 있는지 확인하고 문제를 풀면 더 편하게 풀 수 있었습니다. 내용정리 1 1. 데이터베이스 생성 2. 테이블 생성 3. 수정 컬럼 타입 수정 MODIFY COLUMN 컬럼명 수정 CHANGE COLUMN 새로운컬럼 추가 ADD COLUMN 1. 데이터베이스 생성 방법 # 1. 데이터베이스 생성 방법 create database woo..

내용정리 1. 데이터베이스 생성 2. 테이블 생성 3. 수정 컬럼 타입 수정 MODIFY COLUMN 컬럼명 수정 CHANGE COLUMN 새로운컬럼 추가 ADD COLUMN 1. 데이터베이스 생성 방법 # 1. 데이터베이스 생성 방법 create database woojin; 1-1. 생성한 데이터베이스 사용 방법 use woojin; 1-2. 생성한 데이터베이스 모두 보기 show databases; 1-2 생성한 데이터베이스 삭제하기 drop database woojin; 2. 데이터베이스 테이블 생성 방법 # 데이터베이스 테이블 생성 방법 create table friends( # 테이블에 들어가는 컬럼들 생성 id int [unsigned] [not null] [auto_increment] );..

4.데이터 분석가 필수 ToolSQL(이준희 강사님) 0. 데이터 분석 핵심 기술 이해 • 아예 파이썬과 it를 모른다고 가정하고 진행하는 수업 1. 데이터분석과 개발/기획 • 스타트업 기획자는 데이터 분석가와 면밀한 데이터 기반 기획을 한다. • 데이터 기반 개발 구조도 충분히 이해하고 있어야 함 • 실질적인 데이터 분석 역량을 가질 수 있어야함 3. IT 업계 VS 스타트업 업계 인재상 • it 업계: 짜여진 틀에 맞게 관련업무를 할 수 있는 사람 • 스타트업 업계: 스스로 만들어 갈 수 있는 사람 스스로 업무를 진행 할 수 있어야 좋은 대우를 받음 데이터 분석가/ 과학자는 유니크한 포지션(기술적역량 + 커뮤니케이션 역량) 문과적인 분석/이해/표현/자기주도역향 + 이과적인 기술 역량 필요 4. 수업 ..

안녕하세요! 패스트 캠퍼스 데이터 분석 부트캠프 12기 기자단으로 활동하고 있는 오우진입니다 :) 이번에는 23년 12월 26일에 진행된 '취업을 위한 부트캠프 활용법 특강'에 대한 후기로 다시 찾아왔습니다! 패스트캠퍼스 데이터 분석 부트캠프 수료 이후 유명기업에 데이터분석 직군으로 취업한 선배수료생이 들려주는 부트캠프 120% 활용법 특강 부트캠프 기간 동안 공부하고, 프로젝트하고, 성장하는 방법, 취업 노하우와 배운 지식을 실전에서 사용하는 꿀팁, 질의응답 00. 인트로 부트캠프를 시작하고 특강은 처음이었는데요, 이렇게 부트캠프 중간중간 수강생분들께 도움이 되는 특강이 준비되어 있다고 합니다! 아래에서 자세하게 설명해 드릴거지만, 이번 부트캠프 활용법 특강에서 강의를 해주신 분은 9기 수강생 분이셨습..

import matplotlib as mlp import matplotlib.pyplot as plt ▶ 스타일 지정하여 그래프 그리기 plt.title("rs--style plot") plt.plot([10,20,30,40],[1,4,9,16],'b*:') plt.show() ▶x축과 y축의 축라벨 설정 import numpy as np X = np.linspace(-np.pi, np.pi, 256) C = np.cos(X) plt.title('x tick, y tick lable setting') plt.plot(X,C) plt.xticks([-np.pi -np.pi / 2,0, np.pi / 2, np.pi]) plt.yticks([-1,0, +1]) plt.show() ▶라인 플롯에서 여러개의 선..

▶ 판다스 시리즈는 일차원 배열, 데이터프레임은 2차원 배열 시리즈를 합쳐서 데이터 프레임을 만들 수 있다. import pandas as pd 로 불러온다. #판다스, 데이터 프레임 생성 s = pd.Series([9904312,3454845,2351565,1425362], index = ['서울','부산','인천','대구']) ▶ 표이름, 인덱스이름 설정 s.name='인구 분석' #표이름 s.index.name = '도시' #인덱스 이름 print(s) print(s.name) print(s.index.name) 실행결과 ↓ 도시 서울 9904312 부산 3454845 인천 2351565 대구 1425362 Name: 인구 분석, dtype: int64 인구 분석 도시 ▶ 데이터프레임 연산 s / ..

▶ 넘파이 ▶ 행렬 슬라이싱 하기 a = np.array([[0,1,2,3,4], [5,6,7,8,9], [10,11,12,13,14]]) print(a[1,2]) #7 print(a[-1,-1]) #14 print(a[1,:2]) #5 6 print(a[1:3,2]) #7 12 print(a[0:2,3:5]) #[3 4] [8 9] #조건문 연산을 사용해 간단히 쓰기 가능 print(a %2) print(a %2==0) print(a[a%2==0]) ▶ 정수배열 인덱싱 #정수배열 인덱싱 a= np.array([11,22,33,44,55,66,77,88,99]) idx = np.array([0,2,4,6,8]) a[idx] a = np.array([11,22,33,44,55,66,77,88,99]) id..

2023년 12월 18일부터 데이터분석 부트캠프를 진행하게 되었습니다. 오늘은 2024년 01월 14일로 시작한지 28일째 되는 날이네요! 데이터 분석을 위한 핵심 Tool Python ▶ 시퀀스 자료형 공통 기능 사용하기 요소 < 시퀀스 자료형 < 시퀀스 객체 1. 특정 값이 있는지 확인 값 in 시퀀스객체 시퀀스 객체 = list, tuple, range, 문자열 * 리스트, 튜플, 범위, 문자열에 해당 값이 있는지 없는지 확인하기 a = [0,10,20,30,40,50,60,70,80,90] print(30 in a) print(30 not in (6.,5.,26,21)) print(1 not in range(10)) print('P' not in "Hello, Python") 실행결과 ↓ True..

▶ 넘파이 (NumPy) 1. 다차원 배열의 수치계산에 유용하다 2. 넘파이의 데이터 구조는 배열(array)이다 3. 배열은 동일한 자료형을 가진 원소들의 다차원 구조로 되어 있다. (메모리 사용 효율적) 4. 배열은 리스트와 비슷하게 생겼지만 더 빠르고 메모리사용이 효율적이다.(동일한 데이터 타입 요소이므로 타입정보 따로 저장 불필요 하기 때문에) 5. 데이터 분석 및 머신 러닝에 많이 사용됨 6. 리스트보다 수행 속도 현저히 빠름(C로 구현되어 있어 연산이 빠름) arr = np.array( [1,2,3] , [4,5,6] ) ▶ 넘파이 배열의 특징 1. 다차원 배열: 1차원 및 다차원 배열 생성가능 2. 인덱싱 용이: 불리언마스크, 정수 배열 인덱싱 등이 가능 3. 유니버셜 함수: 배열의 요소별 ..