# 아직은 직장인 > 생각만 하던 일들을 하나씩 해봅니다. 아직은 직장인이지만요. Maps Data Engineer 신용근의 기록. 작성자: Yonggeun Shin (yganalyst). 데이터 엔지니어의 기술 노트와 사이드 프로젝트 기록입니다. ## Projects ## Posts - [[서평] 한가지에 집중하라!, The One Thing - 게리 켈러, 제이 파파산](https://yganalyst.github.io/book/book_one_thing/): 복잡한 세상을 이기는 단순함의 힘 - [[Hive] Hive CREATE TABLE 다양한 옵션 정리](https://yganalyst.github.io/hadoop/hive_create_table/): HIVE Table을 생성하기 위한 CREATE TABLE 구문에서 사용할 수 있는 다양한 옵션들에 대해 알아보자. - [[Hive] Hive Table 다루기 (DESCRIBE, CREATE, LOAD, INSERT, DROP, VIEW, CTAS)](https://yganalyst.github.io/hadoop/hive_table/): HIVE Table을 다루기 위한 다양한 HiveQL 코드 작성법에 대해 알아보자 - [[Linux] Linux 기본 명령어 정리](https://yganalyst.github.io/linux/linux_basic/): Linux 환경에서의 기본 명령어들에 대해 알아보자. - [[Docker] Argument & Environment Variables](https://yganalyst.github.io/docker/docker_arg_env/): Dockerfile과 shell 명령어를 통해 Argment와 글로벌 환경 변수를 다루는 방법을 알아보자. - [[Docker] Image와 Container에서의 Data Management](https://yganalyst.github.io/docker/docker_data/): 독립된 환경인 Image와 Container에서 Data를 다루는 방법에 대해서 알아보자. - [[Docker] Docker의 핵심 구성요소, Image와 Container](https://yganalyst.github.io/docker/docker_image_container/): Docker의 핵심 구성요소인 Image와 Container에 대해 알아보자. - [[Docker] Docker란? Docker 설치와 사용](https://yganalyst.github.io/docker/docker_install/): Docker를 시작하기 위하여 설치하고 간단한 사용 방법에 대해 알아보자. - [[서평] 불변의 법칙, Same as Ever - 모건 하우절](https://yganalyst.github.io/book/book_same_as_ever/): 절대 변하지 않는 것들에 대한 23가지 이야기 - [[서평] 아주 작은 습관의 힘, Atomic Habits - 제임스 클리어](https://yganalyst.github.io/book/atomic_habits/): 최고의 변화는 어떻게 만들어 지는가 - [[논문리뷰] Searching for Best Practices in Retrieval-Augmented Generation](https://yganalyst.github.io/paper/review_rag/): 기존 LLM의 한계 개선을 위한 RAG 기술의 상세한 Workflow 정리 및 다양한 실험을 통해 성능 평가를 수행한 연구 - [[논문리뷰] NCF: Neural Collaborative Filtering](https://yganalyst.github.io/paper/review_ncf/): Implicit Feedback 문제에서 Collaborative Filtering (CF)에 Neural Network를 적용한 연구 - [[Impala] Metadata Cache Invalidation](https://yganalyst.github.io/hadoop/impala_invalidate/): Impala에서 Hive Metadata의 변동사항을 동기화하는 방법 - [[서평] 인간관계론, How to Win Friends & Influence People - 데일 카네기](https://yganalyst.github.io/book/book_influence_people/): 모든 성공은 사람과의 관계에서 시작된다. - [[Hadoop] Hadoop Ecosystem과 구성요소들에 대한 이해(HDFS, MapReduce, Hive, Imapla, Spark, Kudu, Sqoop 등)](https://yganalyst.github.io/hadoop/hdp_ecosys/): 빅데이터 활용을 위한 시스템이자 플랫폼인 Hadoop에 대해 전반적으로 알아보자 - [[Git] Git Commit Message Convention](https://yganalyst.github.io/etc/git_commit_message/): Git의 Commit 메세지 규칙에 대해 알아보자 - [[Git] 여러 개의 Github Repository 하나로 합치기](https://yganalyst.github.io/etc/git_merge_repo/): 여러 개의 Github Repository를 하나로의 Repository로 합치는 방법에 대해 알아보자 - [[Git] Git & Github의 동작원리 이해하기 및 주요 명령어 정리](https://yganalyst.github.io/etc/git_github_summary/): 버전관리와 개발 협업을 위해 활용되는 Git과 Github을 근본적인 개념부터 주요 명령어까지 상세히 알아보자 - [[GIS] Uber h3와 kepler.gl을 활용한 공간분석](https://yganalyst.github.io/spatial_analysis/uber_h3_keplergl/): Uber에서 개발한 h3(hexagonal grid system) 라이브러리와 공간 정보 시각화 도구인 kepler.gl에 대해 알아보자. - [[GIS] 도로 네트워크 데이터를 활용한 도시의 공간단위 분할](https://yganalyst.github.io/spatial_analysis/road_network_area/): 서울시 도로 네트워크를 활용하여 도시의 공간단위 분할을 통해 공간 데이터 분석에 유용한 집계공간을 생성해보자. - [[pytorch] pretrained model의 활용과 fine tuning 하기](https://yganalyst.github.io/dl/pytorch_3/): torchvision의 pretrained model의 활용과 추가 학습을 위한 fine tuning에 대해 알아보자. - [[ML] kNN Classifier, Numpy로 구현하기](https://yganalyst.github.io/ml/ML_kNN_numpy/): 전통적인 분류 알고리즘인 kNN을 numpy로 구현해보자. - [[cs231n] Recurrent Neural Networks - RNN, LSTM](https://yganalyst.github.io/dl/cs231n_9/): Sequential data를 모델링하는데 사용되는 Recurrent Neural Networks에 대해 알아보자. - [[cs231n] CNN Architectures - AlexNet, VGG, GoogLeNet, ResNet](https://yganalyst.github.io/dl/cs231n_8/): ImageNet challenge에서 발전되어온 CNN 기반 model들 history, idea 그리고 structure에 대해 알아보자. - [[cs231n] Transfer Learning](https://yganalyst.github.io/dl/cs231n_7/): pre-trained model을 활용한 transfer learning에 대해 알아보자. - [[cs231n] Training Neural Networks - part 2](https://yganalyst.github.io/dl/cs231n_6/): 신경망을 학습을 위한 techniques: Regularization, Optimization, Learning rate Scheduling, Batch Normalization - [[cs231n] Training Neural Networks - part 1](https://yganalyst.github.io/dl/cs231n_5/): 신경망을 학습을 위한 techniques: Activation functions, Data Preprocessing, Weight Initialization - [[cs231n] CNN (Convolutional Neural Networks)](https://yganalyst.github.io/dl/cs231n_4/): 입력 데이터가 이미지일 때 효과적으로 학습하기 위한 CNN 아키텍처와 사용되는 layer들에 대해 알아보자. - [[cs231n] Neural Networks와 Backpropagation](https://yganalyst.github.io/dl/cs231n_3/): 신경망의 기본인 MLP의 구조와 오차 역전파를 위한 backpropagation 연산 방식에 대해 구체적으로 알아보자. - [[cs231n] Loss function과 Optimization](https://yganalyst.github.io/dl/cs231n_2/): loss function을 통해 현재 모델 성능의 정량화하고, 더 나은 쪽으로 model을 업데이트하는 optimization에 대해 알아보자 - [[cs231n] Image classification, kNN 알고리즘과 linear classifier](https://yganalyst.github.io/dl/cs231n_1/): image classification problem의 전반적인 개요와 Nearest Neighbor 및 linear classifier에 대해 알아보자 - [[pytorch] 간단한 분류 모델(classifier) 학습](https://yganalyst.github.io/dl/pytorch_2/): pytorch를 통해 간단한 분류모델을 만들고 학습해보자. - [[pytorch] Tensor와 Autograd, 그리고 간단한 Neural Network](https://yganalyst.github.io/dl/pytorch_1/): pytorch를 통해 tensor와 자동 미분을 도와주는 autograd에 대해 알아보고 간단한 신경망을 만들어보자. - [[Algorithm] 최단경로 - 다익스트라 (Dijkstra) 알고리즘](https://yganalyst.github.io/concept/algo_cc_book_7/): 매일매일 알고리즘 공부하기 - [[Algorithm] 다이나믹 프로그래밍 (Dynamic Programming)](https://yganalyst.github.io/concept/algo_cc_book_6/): 매일매일 알고리즘 공부하기 - [[Algorithm] 이진 탐색 (Binary Search)](https://yganalyst.github.io/concept/algo_cc_book_5/): 매일매일 알고리즘 공부하기 - [[Algorithm] 정렬 알고리즘 (선택 정렬, 삽입 정렬, 퀵 정렬, 계수 정렬)](https://yganalyst.github.io/concept/algo_cc_book_4/): 매일매일 알고리즘 공부하기 - [[SQLD (2-2)] SQL 활용 JOIN, 계층형 질의, 셀프 조인, 서브쿼리, 그룹함수, 윈도우 함수, DCL, 절차형 SQL](https://yganalyst.github.io/sql/SQL_8/): 데이터 자격 검정 SQLD 정리자료 - [[SQLD (2-1)] SQL 기본(2) WHERE,GROUP BY,ORDER BY, JOIN, 내장함수,외장함수](https://yganalyst.github.io/sql/SQL_7/): 데이터 자격 검정 SQLD 정리자료 - [[SQLD (2-1)] SQL 기본(1) DDL,DML,TCL](https://yganalyst.github.io/sql/SQL_6/): 데이터 자격 검정 SQLD 정리자료 - [[SQLD (1-2)] 데이터 모델과 성능](https://yganalyst.github.io/sql/SQL_5/): 데이터 자격 검정 SQLD 정리자료 - [[SQLD (1-1)] 데이터 모델링의 이해](https://yganalyst.github.io/sql/SQL_4/): 데이터 자격 검정 SQLD 정리자료 - [[DFS/BFS] 백준 1012번 유기농배추 - 파이썬(Python)](https://yganalyst.github.io/training/algo_tr_bj_9/): 매일매일 알고리즘 공부하기 - [[DFS/BFS] 백준 1260번 DFS와 BFS - 파이썬(Python)](https://yganalyst.github.io/training/algo_tr_bj_8/): 매일매일 알고리즘 공부하기 - [[DFS/BFS] (이코테) 미로탈출 - 파이썬(Python)](https://yganalyst.github.io/training/algo_tr_ect_2/): 매일매일 알고리즘 공부하기 - [[DFS/BFS] (이코테) 음료수 얼려 먹기 - 파이썬(Python)](https://yganalyst.github.io/training/algo_tr_ect_1/): 매일매일 알고리즘 공부하기 - [[Algorithm] 깊이 우선 탐색(DFS)과 너비 우선 탐색(BFS)](https://yganalyst.github.io/concept/algo_cc_book_3/): 매일매일 알고리즘 공부하기 - [[Algorithm] 탐색을 위한 스택(Stack), 큐(Queue), 재귀함수(Recursive function)](https://yganalyst.github.io/concept/algo_cc_book_2/): 매일매일 알고리즘 공부하기 - [[Algorithm] 탐욕 알고리즘 (Greedy algorithm)](https://yganalyst.github.io/concept/algo_cc_book_1/): 매일매일 알고리즘 공부하기 - [[Brute force] 백준 1065번 한수 - 파이썬(Python)](https://yganalyst.github.io/training/algo_tr_bj_7/): 매일매일 알고리즘 공부하기 - [[구현] 백준 1316번 그룹 단어 체커 - 파이썬(Python)](https://yganalyst.github.io/training/algo_tr_bj_6/): 매일매일 알고리즘 공부하기 - [[정렬] 백준 1427번 소트인사이드 - 파이썬(Python)](https://yganalyst.github.io/training/algo_tr_bj_5/): 매일매일 알고리즘 공부하기 - [[Brute force] 백준 2798번 블랙잭 - 파이썬(Python)](https://yganalyst.github.io/training/algo_tr_bj_4/): 매일매일 알고리즘 공부하기 - [[구현] 백준 10172번 개 - 파이썬(Python)](https://yganalyst.github.io/training/algo_tr_bj_3/): 매일매일 알고리즘 공부하기 - [[구현] 백준 2884번 알람시계 - 파이썬(Python)](https://yganalyst.github.io/training/algo_tr_bj_2/): 매일매일 알고리즘 공부하기 - [[구현] 백준 2239번 별찍기 2 - 파이썬(Python)](https://yganalyst.github.io/training/algo_tr_bj_1/): 매일매일 알고리즘 공부하기 - [[ML] 은닉 마르코프 모델 (Hidden Markov Model, HMM)](https://yganalyst.github.io/ml/hmm/): sequential data 모델링에 활용되는 HMM에 대해 알아보자 - [[Anaconda] 아나콘다 가상환경 IDE와 연동하기](https://yganalyst.github.io/basic/anaconda_env_2/): jupyter notebook, spyder에 가상환경을 연결시켜보자! - [[Anaconda] 아나콘다 가상환경의 개념 및 활용방법](https://yganalyst.github.io/basic/anaconda_env_1/): 가상환경이 도대체 뭘까? 그리고 어떻게 쓰는 걸까? - [[클러스터링] 비계층적(K-means, DBSCAN) 군집분석](https://yganalyst.github.io/ml/ML_clustering/): 비계층적 군집분석 방법인 K-means와 DBSCAN에 대해 알아보자 - [[GIS] 공간 데이터 결합(Spatial Join)](https://yganalyst.github.io/spatial_analysis/spatial_analysis_4/): geopandas를 이용해서 공간데이터를 결합해보자 - [[GIS] 좌표 정의 및 변환 방법, 자주쓰는 좌표계](https://yganalyst.github.io/spatial_analysis/spatial_analysis_3/): 공간정보 데이터의 좌표를 정의하고 변환하는 방법을 알아보자. - [[Python] tqdm, 반복 작업에서 진행상황 확인하기](https://yganalyst.github.io/etc/memo_19_tqdm/): tqdm 라이브러리를 활용해서 for문이나 apply문에서의 진행상황을 모니터링 해보자. - [[Python] itertools, 원소의 경우의 수(순열, 조합) 추출하기](https://yganalyst.github.io/etc/memo_18_itertools/): itertools 라이브러리를 활용해서 원소들의 경우의 수를 추출하는 방법을 배워보자. - [[시각화] 레이더(Radar), 거미줄(spider) 그래프](https://yganalyst.github.io/visualization/visual_3/): 파이썬을 활용해 레이더(스파이더) 차트를 시각화하는 방법을 알아보자 - [[시각화] Matplotlib pyplot을 활용한 데이터 시각화 2](https://yganalyst.github.io/visualization/visual_2/): 시계열 데이터의 시각화 및 세부 설정 방법들에 대해 알아보자 - [[시각화] Matplotlib pyplot을 활용한 데이터 시각화 1](https://yganalyst.github.io/visualization/visual_1/): 히스토그램, 막대그래프, 산점도, 상자그림 등의 시각화 방법을 예제를 통해 배워보자. - [[Python] 병렬처리(Multiprocessing)를 통한 연산속도 개선](https://yganalyst.github.io/data_handling/memo_17_parallel/): Pandas dataframe의 연산속도 개선을 위해 병렬처리를 활용해보자 - [[Python] 예외처리 (try, except, finally, else)](https://yganalyst.github.io/basic/memo_16_except/): 오류 발생을 회피하거나 처리하는 방식에 대해 알아보자 - [[Python] 경고 메시지(warnings) 숨기기](https://yganalyst.github.io/etc/memo_15/): 버전 관리에 따라 알려주는 경고메세지 숨기기 - [[Web] slack bot 만들고 python으로 메세지 보내기](https://yganalyst.github.io/web/slackbot1/): slack bot을 만들고 python과 연동하여 메세지를 보내보자 - [[Dacon] 제주 퇴근시간 버스 승하차 인원 예측 3 - modeling](https://yganalyst.github.io/competition/dacon_bus_inout_3/): Dacon에서 주최되었던 제주 퇴근시간 버스 승하차 인원 예측, 프로젝트를 진행해보자 - [[Dacon] 제주 퇴근시간 버스 승하차 인원 예측 2 - feature engineering](https://yganalyst.github.io/competition/dacon_bus_inout_2/): Dacon에서 주최되었던 제주 퇴근시간 버스 승하차 인원 예측, 프로젝트를 진행해보자 - [[Dacon] 제주 퇴근시간 버스 승하차 인원 예측 1 - EDA](https://yganalyst.github.io/competition/dacon_bus_inout_1/): Dacon에서 주최되었던 제주 퇴근시간 버스 승하차 인원 예측, 프로젝트를 진행해보자 - [[SQL] Oracle 내장함수 - 문자 데이터 처리](https://yganalyst.github.io/sql/SQL_3/): 오라클에서 제공하는 내장 함수 중 문자열을 가공 처리하는 함수에 대하여 알아보자 - [[SQL] Oracle DB 및 SQL, WHERE절과 연산자](https://yganalyst.github.io/sql/SQL_2/): Oracle 데이터베이스에서 SQL문의 WHERE절과 연산자에 대하여 알아보자 - [[SQL] Oracle DB 및 SQL 기본 조회방식](https://yganalyst.github.io/sql/SQL_1/): SQL을 활용하여 Oracle 데이터베이스에서 데이터를 조회하는 방식을 알아보자 - [[GIS] 공간정보 데이터를 자유롭게 변형, 가공, 처리하기](https://yganalyst.github.io/spatial_analysis/spatial_analysis_2/): geopandas를 이용해서 공간데이터를 변형하거나 연산처리하는 방법을 알아보자 - [[GIS] 공간정보 데이터의 구성 및 기본 이해하기](https://yganalyst.github.io/spatial_analysis/spatial_analysis_1/): GIS 공간정보 데이터를 이해하고 geopandas를 이용해서 다루는 방법을 알아보자 - [[Kaggle] 타이타닉 생존자 예측모델 3 - modeling](https://yganalyst.github.io/competition/kaggle_titanic_3/): 캐글 compoetition의 가장 기본인 타이타닉 생존자 예측 예제를 공부해보자 - [[Kaggle] 타이타닉 생존자 예측모델 2 - Feature Engineering](https://yganalyst.github.io/competition/kaggle_titanic_2/): 캐글 compoetition의 가장 기본인 타이타닉 생존자 예측 예제를 공부해보자 - [[Kaggle] 타이타닉 생존자 예측모델 1 - EDA](https://yganalyst.github.io/competition/kaggle_titanic_1/): 캐글 compoetition의 가장 기본인 타이타닉 생존자 예측 예제를 공부해보자 - [[Python] pass, continue, break 차이](https://yganalyst.github.io/basic/memo_14/): 조건문 등에서 흐름을 제어하는 pass, continue, break를 알아보자 - [[Web] 재귀적으로 url 크롤링하기](https://yganalyst.github.io/web/crawling_5/): while문 또는 재귀호출 함수를 만들어 페이지 내부 url을 긁어오기 - [[Python] 특정 값이 최대값을 가지는 행(row) 추출](https://yganalyst.github.io/data_handling/memo_13/): 특정 값이 최대값을 가지는 행(row) 추출 - [[Web] BeautifulSoup와 표현식](https://yganalyst.github.io/web/crawling_4/): BeautifulSoup와 정규표현식, 람다표현식 등을 활용하는 방법 - [[Web] BeautifulSoup의 기초 함수와 트리구조](https://yganalyst.github.io/web/crawling_3/): BeautifulSoup의 기초 함수와 트리구조의 이해를 통해 HTML코드를 파헤치기 - [[Python] dataframe의 원소가 리스트인 컬럼을 기반으로 행 복사](https://yganalyst.github.io/data_handling/memo_12/): pandas dataframe에서 원소가 리스트인 컬럼이 있을때 이를 기반으로 행을 복사 - [[Python] glob 디렉터리 및 파일 리스트 추출](https://yganalyst.github.io/data_handling/memo_11/): glob 모듈을 이용한 디렉터리 및 파일 리스트 추출 - [[Web] 웹 스크레이핑 기본 및 예외처리](https://yganalyst.github.io/web/crawling_2/): urllib와 BeautifulSoup를 이용한 기본 스크레이핑과 에러 발생에 대한 예외처리 - [[Python] 리스트 각 원소들의 타입 변경](https://yganalyst.github.io/data_handling/memo_10/): 리스트 각 원소들의 타입 변경 - [[Python] pandas 문자열 관련 함수 str](https://yganalyst.github.io/data_handling/memo_9/): 판다스의 str 연산자를 이용해 문자열을 다루는 방법 - [[Python] 기준 날짜 전 또는 후(월/일) 날짜 구하기](https://yganalyst.github.io/data_handling/memo_8/): 기준 날짜의 6개월 전이나 100일 전 등의 날짜값 계산을 편리하게 - [[Python] csv 필드값이 매우 큰 경우 에러](https://yganalyst.github.io/data_handling/memo_7/): csv파일 read시, Overflow 오류 해결방법 - [[Handson ML] 부스팅(Boosting)과 스태킹(Stacking) - 앙상블](https://yganalyst.github.io/ml/ML_chap6-4/): 약한 모델을 연속적으로 보완해나가며 정확도를 개선하는 부스팅과 스태킹 알고리즘에 대해 알아보자 - [[Handson ML] 랜덤 포레스트(Random Forest) - 앙상블](https://yganalyst.github.io/ml/ML_chap6-3/): 여러개의 결정트리 모델을 이용한 앙상블 모형, 랜덤 포레스트에 대해 알아보자 - [[Handson ML] 배깅(Bagging)과 페이스팅(Pasting) - 앙상블](https://yganalyst.github.io/ml/ML_chap6-2/): 하나의 알고리즘으로 여러 예측기를 만드는 배깅과 페이스팅 기법에 대해 알아보자 - [[Handson ML] 투표기반 분류기(Voting classifiers) - 앙상블](https://yganalyst.github.io/ml/ML_chap6-1/): 앙상블 모형의 기본 원리와 직접,간접투표 방식의 앙상블 기법에 대해 알아보자 - [[Handson ML] 의사결정나무(Decision Tree)](https://yganalyst.github.io/ml/ML_chap5/): 사이킷런을 활용해 의사결정나무를 구현하고, 그 이론에 대해 알아보자 - [[Handson ML] 로지스틱(Logistic), 소프트맥스(Softmax) 회귀 - 모델 훈련](https://yganalyst.github.io/ml/ML_chap3-5/): 분류 문제에서 주로 활용되는 로지스틱(logistic), 소프트맥스(softmax)에 대해 알아보자 - [[Handson ML] 릿지(Ridge),라쏘(Lasso),엘라스틱 넷(Elsatic-net) - 모델 훈련](https://yganalyst.github.io/ml/ML_chap3-4/): 모델의 과대적합을 방지하기 위해 선형모델에 규제를 걸어주는 릿지, 라쏘 회귀와 엘라스틱 넷에 대해 알아보자 - [[Handson ML] 다항회귀(Polynomial Regression) - 모델 훈련](https://yganalyst.github.io/ml/ML_chap3-3/): 비선형 데이터의 학습을 위한 다항회귀 모델과 오차검증을 위한 학습곡선에 대해 알아보자 - [[Handson ML] 경사하강법(Gradient Descent) - 모델 훈련](https://yganalyst.github.io/ml/ML_chap3-2/): 비용함수를 최적화 시키기 위한 알고리즘으로, 경사하강법의 이론과 개념에 대해 알아보자 - [[Handson ML] 선형회귀(Linear Regression) - 모델 훈련](https://yganalyst.github.io/ml/ML_chap3-1/): 최적의 모델 파라미터 조합을 찾아 모델을 훈련시키는 방법과 수학적 알고리즘 이론에 대해 알아보자 - [[Web] Selenium으로 네이버 페이지 다루기](https://yganalyst.github.io/web/crawling_1/): Selenium 라이브러리를 통해 네이버에 접근하여 브라우징 하는 방법을 알아보자 - [[Handson ML] 분류(Classification)](https://yganalyst.github.io/ml/ML_chap2/): 사이킷런을 활용해 MNIS데이터셋의 분류문제를 자세하게 다뤄보자 - [[Python] re모듈, 정규표현식(regular expression)](https://yganalyst.github.io/data_handling/memo_6/): re모듈을 이용해, 정규표현식을 만들고 문자열을 식별하는 방법을 알아보자 - [[Handson ML] 머신러닝 프로젝트 A-Z(실습)](https://yganalyst.github.io/ml/ML_chap1/): 머신러닝을 이용한 캘리포니아의 주택 가격 예측 - [[Python] 구조의 재배열, numpy.reshape 함수](https://yganalyst.github.io/data_handling/memo_5/): 구조의 재배열을 통해 차원을 변환해주는 reshape함수에 대해 알아보자 - [[Python] 난수(random number)발생과 표본추출(sampling)](https://yganalyst.github.io/data_handling/memo_4/): 표본추출과 모델링에 주로 활용되는 난수와 관련된 함수들을 알아보자 - [[Python] pd.where과 np.where의 차이](https://yganalyst.github.io/data_handling/memo_3/): 조건문 함수 where를 제공하는 판다스와 넘파이의 차이를 알아보자 - [[Python] zipfile 모듈, 압축파일 다루기](https://yganalyst.github.io/data_handling/memo_2/): zipfile 모듈을 활용해서 압축 파일을 다루는 방법을 알아보자 - [[Python] os 모듈, 파일(file)과 디렉토리(directory)활용](https://yganalyst.github.io/data_handling/memo_1/): os 모듈을 활용해서 내 컴퓨터의 파일과 디렉토리를 효과적으로 활용해보자 - [[Pandas 기초] 피벗 테이블(pivot_table)과 멀티인덱스(MultiIndex)](https://yganalyst.github.io/data_handling/Pd_14/): 판다스의 피벗테이블과 그에 따라 생기는 멀티인덱스에 대해 알아보자 - [[Pandas 기초] 그룹(group)객체 생성 및 집계(agg) 연산](https://yganalyst.github.io/data_handling/Pd_13/): 판다스의 groupby함수 및 다양한 그룹연산 메소드들에 대해 알아보자 - [[Pandas 기초] 데이터프레임 합치기(merge, join, concat)](https://yganalyst.github.io/data_handling/Pd_12/): 판다스 데이터프레임을 병합하는 여러가지 함수에 대해 알아보자 - [[Pandas 기초] 데이터프레임의 필터링(filtering)](https://yganalyst.github.io/data_handling/Pd_11/): 불린(boolean)시리즈를 활용해 데이터프레임을 필터링하는 방법을 알아보자 - [[Pandas 기초] 데이터프레임의 열(column)재구성](https://yganalyst.github.io/data_handling/Pd_10/): 판다스를 활용해 데이터프레임의 열(column)을 적절히 재구성하는 방법을 알아보자 - [[Pandas 기초] 함수 매핑(mapping)](https://yganalyst.github.io/data_handling/Pd_9/): 판다스를 활용해 개별 원소를 특정함수에 일대일 대응시키는 방법을 알아보자 - [[Pandas 기초] 시계열 데이터(timeseries), Timestamp와 Period](https://yganalyst.github.io/data_handling/Pd_8/): 판다스를 활용해서 시계열 데이터의 자료형과 활용방법에 대해 알아보자 - [[Pandas 기초] 자료형(type) 변형, 범주형(category)데이터 처리](https://yganalyst.github.io/data_handling/Pd_7/): 판다스를 활용해서 자료형을 알맞게 변형하고, 범주형 데이터를 다루는 방법을 알아보자 - [[Pandas 기초] 결측치(NaN), 중복 데이터 처리](https://yganalyst.github.io/data_handling/Pd_6/): 판다스를 활용해서 결측치와 중복 데이터를 식별하고 처리하는 방법을 알아보자 - [[Pandas 기초] EDA, 데이터 탐색하기(요약정보, 기초통계, 시각화)](https://yganalyst.github.io/data_handling/Pd_5/): 판다스의 데이터프레임을 다양한 방법으로 살펴보고 파악해보자 - [[Pandas 기초] 다양한 데이터 읽고(read) 쓰기(write)](https://yganalyst.github.io/data_handling/Pd_4/): 판다스에서 제공하는 데이터 읽고 쓰기 기능을 알아보자 - [[Pandas 기초] 시리즈와 데이터프레임의 산술연산](https://yganalyst.github.io/data_handling/Pd_3/): 판다스 시리즈와 데이터프레임의 산술연산에 대해 알아보자 - [[Pandas 기초] 인덱스 활용 및 정렬](https://yganalyst.github.io/data_handling/Pd_2/): 판다스 데이터프레임의 인덱스와 정렬 기능을 알아보자 - [[Pandas 기초] 시리즈(Series)와 데이터프레임(Dataframe)](https://yganalyst.github.io/data_handling/Pd_1/): 판다스의 기본 자료구조인 시리즈와 데이터프레임을 알아보자 - [[Python 기초] 파이썬 프로그래밍 - 외장함수](https://yganalyst.github.io/basic/Py_study17/): 파이썬 라이브러리, 외장함수를 알아보자 - [[Python 기초] 파이썬 프로그래밍 - 내장함수](https://yganalyst.github.io/basic/Py_study16/): 파이썬에 기본적으로 내장되어 있는 내장함수를 알아보자 - [[Python 기초] 파이썬 프로그래밍의 핵심 - 패키지(Package)](https://yganalyst.github.io/basic/Py_study15/): 파이썬의 패키지(Package)을 기초부터 확실하게 알아보자 - [[Python 기초] 파이썬 프로그래밍의 핵심 - 모듈(Module)](https://yganalyst.github.io/basic/Py_study14/): 파이썬의 모듈(Module)을 기초부터 확실하게 알아보자 - [[Python 기초] 파이썬 프로그래밍의 핵심 - 클래스(Class)](https://yganalyst.github.io/basic/Py_study13/): 파이썬의 클래스(Class)를 기초부터 확실하게 알아보자 - [[Python 기초] 사용자 입출력 & 파일 읽고 쓰기](https://yganalyst.github.io/basic/Py_study12/): 프로그램의 설계와 관련된 입출력에 대해 알아보자. - [[Python 기초] 프로그램의 입출력 - 재귀함수 호출](https://yganalyst.github.io/basic/Py_study11/): 프로그램의 설계와 관련된 입출력에 대해 알아보자. - [[Python 기초] 프로그램의 입출력 - 함수 정의(def)](https://yganalyst.github.io/basic/Py_study10/): 프로그램의 설계와 관련된 입출력에 대해 알아보자. - [[Python 기초] 프로그램의 구조, 제어문 - for문](https://yganalyst.github.io/basic/Py_study9/): 자료형과 연산자를 바탕으로 제어문을 이용한 구조를 배워보자. - [[Python 기초] 프로그램의 구조, 제어문 - while문](https://yganalyst.github.io/basic/Py_study8/): 자료형과 연산자를 바탕으로 제어문을 이용한 구조를 배워보자. - [[Python 기초] 프로그램의 구조, 제어문 - if문](https://yganalyst.github.io/basic/Py_study7/): 자료형과 연산자를 바탕으로 제어문을 이용한 구조를 배워보자. - [[Python 기초] 값의 저장공간, 변수(variable)](https://yganalyst.github.io/basic/Py_study6/): 값을 저장하는 공간인 변수(variable) 대해 알아보자 - [[Python 기초] 자료형의 참과 거짓(True/False)](https://yganalyst.github.io/basic/Py_study5/): 실제로 자주 활용되는 참과 거짓에 대해 알아보자 - [[Python 기초] 파이썬 자료형 - 집합자료형(Set)](https://yganalyst.github.io/basic/Py_study4/): 파이썬의 기본이자 핵심단위인 자료형을 알아보자 - [[Python 기초] 파이썬 자료형 - 딕셔너리(Dictionary)](https://yganalyst.github.io/basic/Py_study3/): 파이썬의 기본이자 핵심단위인 자료형을 알아보자 - [[Python 기초] 파이썬 자료형 - 리스트(List), 튜플(Tuple)](https://yganalyst.github.io/basic/Py_study2/): 파이썬의 기본이자 핵심단위인 자료형을 알아보자 - [[Python 기초] 파이썬 자료형 - 문자열(String)](https://yganalyst.github.io/basic/Py_study1/): 파이썬의 기본이자 핵심단위인 자료형을 알아보자 ## Pages - [About](https://yganalyst.github.io/about/) - [Lab](https://yganalyst.github.io/lab/) - [Posts](https://yganalyst.github.io/posts/) - [Contact](https://yganalyst.github.io/contact/) - [RSS](https://yganalyst.github.io/feed.xml)