±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.
Á¤°¡ |
28,000¿ø |
---|
25,200¿ø (10%ÇÒÀÎ)
1,400P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼(4)
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
ÆÄÀ̽ãÀ» »ç¿ëÇÏ¿© µ¥ÀÌÅÍ ½Ã°¢È¸¦ ½ÃÀÛÇÏ´Â ºÐ¿¡°Ô ±ÇÀåÇÏ´Â Çʵ¶¼!
±âÁ¸ Àü°øÀÚµéÀÇ ÁÖµÈ ¿µ¿ªÀ̾ú´ø ºòµ¥ÀÌÅÍ, ¸Ó½Å ·¯´× µîÀº ÀÌÁ¦ Àü°øÀÚ°¡ ¾Æ´Ï´õ¶óµµ ½±°Ô Á¢±ÙÇÒ ¼ö ÀÖ´Â ¿µ¿ªÀÌ µÇ¾ú°í ÇàÁ¤, ±³À°, °æÁ¦, °æ¿µ, ÀÇÇÐ, °øÇÐ, °úÇÐ, ¿¹¼ú, ½ºÆ÷Ã÷ µî¿¡¼ ¸¹Àº »ç¶÷µéÀÌ ´Ù·ê ¼ö ÀÖ´Â ¿µ¿ªÀ¸·Î º¸ÆíÈ µÇ¾ú½À´Ï´Ù.
ºòµ¥ÀÌÅÍ, ¸Ó½Å ·¯´× °úÁ¤¿¡¼ µµÃâµÇ´Â ±¤¹üÀ§ÇÑ µ¥ÀÌÅ͵éÀº ¿¢¼¿°ú °°Àº Ç¥ ÇüÅÂÀÇ µ¥ÀÌÅÍ, ±×·¡ÇÁ µîÀÇ ÇüÅ·ΠǥÇöÀÌ °¡´ÉÇØÁ³½À´Ï´Ù. µ¥ÀÌÅ͸¦ Ç¥ÇöÇÏ´Â ¿©·¯ °¡Áö ¹æ¹ý Áß °¡Àå ºü¸¥ ÀÇ¹Ì Àü´ÞÀÇ µµ±¸´Â ¿ª½Ã ½Ã°¢ÀûÀÎ ±â¹ýÀ¸·Î º¸¿© ÁÖ´Â °ÍÀÔ´Ï´Ù.
ÀÌ Ã¥Àº ÆÄÀ̽ãÀ» »ç¿ëÇÏ¿© µ¥ÀÌÅ͸¦ ½Ã°¢ÈÇÏ´Â µ¥ ÃÊÁ¡À» µÎ¾úÀ¸¸ç, ÀϹÝÀûÀ¸·Î ÀÚÁÖ »ç¿ëµÇ´Â ±×·¡ÇÁ¸¦ Ç׸ñ º°·Î ³ª´©¾î ¼³¸íÇÏ¿´°í ÆÄÀ̽㿡¼ Á¦°øÇÏ´Â matplotlib, seaborn ¶óÀ̺귯¸®·Î ÀÛ¼ºÇÏ¿´½À´Ï´Ù. ÆÄÀ̽ãÀÇ ±âÃÊÀûÀÎ ¹®¹ýÀ» ÇнÀÇϽŠºÐÀ̶ó¸é ÀÌ Ã¥À» ÅëÇØ ÀÚ½ÅÀÇ »óȲ¿¡ ¸Â´Â ´Ù¾çÇÑ ºÐ¾ß¿¡¼ µ¥ÀÌÅÍ ºÐ¼®À» À§ÇÑ ½Ã°¢È °úÁ¤¿¡ ÀÀ¿ëÇÒ ¼ö ÀÖÀ» °ÍÀÔ´Ï´Ù.
¸ñÂ÷
µé¾î°¡¸ç
Chapter 01 ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö °³¿ä
1.1 PythonÀÇ °³¿ä
1.2 PythonÀÇ Æ¯Â¡
__1.2.1 ÁÖ¿ä Ư¡
__1.2.2 ½¬¿î ¹®¹ý
__1.2.3 ¹«·á ÇÁ·Î±×·¥
__1.2.4 °£°á¼º
__1.2.5 °³¹ß ¼ÓµµÀÇ ½Å¼Ó¼º
1.3 PythonÀÇ Á¾·ù
1.4 PythonÀÇ »ç¿ëó
__1.4.1 ÆÄÀ̽ãÀ¸·Î ÇÒ ¼ö ÀÖ´Â °Í
1.5 Python ¼³Ä¡Çϱâ
__1.5.1 ȨÆäÀÌÁö¸¦ ÀÌ¿ëÇÑ Python ¼³Ä¡
__1.5.2 PythonÀ» À§ÇÑ È¯°æ º¯¼ö ¼³Á¤Çϱâ
1.6 ÆÄÀ̽ãÀÇ ÄÚµù ±¸Á¶
1.7 Jupyter Notebook
__1.7.1 ÁêÇÇÅÍ ³ëÆ®ºÏ ¼³Ä¡
__1.7.2 »õ ³ëÆ® ¸¸µé±â
__1.7.3 ÁÖ¼®°ú ¹®¼ ÀÔ·ÂÇϱâ
__1.7.4 ³ëÆ® ÀúÀåÇϱâ
__1.7.5 Ãâ·ÂÀÌ Á¦´ë·Î µÇÁö ¾Ê´Â °æ¿ì
__1.7.6 µ¥ÀÌÅÍ ½Ã°¢È
__1.7.7 ipynb2py
1.8 ÅëÇÕ °³¹ß µµ±¸(IDE)¸¦ »ç¿ëÇÑ Python ½ÇÇà
__1.8.1 PyCharm ¼³Ä¡
__1.8.2 PyCharm ¼³Á¤
__1.8.3 PyCharm ½ÇÇà
¿ä¾à
Chapter 02 ÆÇ´Ù½º ÆÐÅ°Áö
2.1 Series(½Ã¸®Áî)
__2.1.1 ½Ã¸®Áî »ý¼º ¹æ¹ý
2.2 SeriesÀÇ µ¥ÀÌÅÍ Àбâ¿Í ¾²±â
2.3 DataFrame(µ¥ÀÌÅÍ ÇÁ·¹ÀÓ)
__2.3.1 DataFrame »ý¼º ¹æ¹ý
2.4 DataFrame µ¥ÀÌÅÍ Àбâ¿Í ¾²±â
2.5 ÇÔ¼ö Àû¿ë°ú ¸ÅÇÎ(apply ÇÔ¼ö)
2.6 µ¥ÀÌÅÍ º´ÇÕÇϱâ
__2.6.1 merge( ) ÇÔ¼ö
2.7 ´Ù¾çÇÑ ¹æ½ÄÀÇ µ¥ÀÌÅÍ ÃßÃâ
2.8 GroupBy ¸ÞÄ«´Ð
__2.8.1 ±×·ìÇÎ °ü·Ã ÇÔ¼ö
¿¬½À ¹®Á¦
¿ä¾à
Chapter 03 µ¥ÀÌÅÍ ½Ã°¢È
3.1 matplotlib API
__3.1.1 plt¿Í ¿¬°üµÈ ÇÔ¼ö
__3.1.2 À̹ÌÁö·Î ÀúÀåÇϱâ
3.2 º¯¼ö °³¼ö ¹× Çüź° ±×·¡ÇÁ Á¾·ù
3.3 ²©Àº ¼± ±×·¡ÇÁ
__3.3.1 ƯÁ¤ ±¹°¡ÀÇ Æ¯Á¤ ÀÏÀÚ¿¡ ´ëÇÑ ²©Àº ¼± ±×·¡ÇÁ
__3.3.2 ÀÌÁß Ãà ²©Àº ¼± ±×·¡ÇÁ
3.4 »êÁ¡µµ ±×·¡ÇÁ
__3.4.1 ¿£Áø Å©±â¿¡ ´ëÇÑ ÁÖÇà ¸¶ÀϼöÀÇ »êÁ¡µµ ±×·¡ÇÁ
__3.4.2 ±¸µ¿ ¹æ½Ä¿¡ ÀÇÇÑ »ö»ó ±¸ºÐÇϱâ
__3.4.3 »êÁ¡µµ¿Í È÷½ºÅä±×·¥ µ¿½Ã¿¡ ±×¸®±â
__3.4.4 ´ÙÀ̾î¸óµå µ¥ÀÌÅÍ ¼Â°ú »êÁ¡µµ
3.5 ¸·´ë ±×·¡ÇÁ
__3.5.1 ƯÁ¤ ÀÏÀÚ ÀϺ¯·® ¸·´ë ±×·¡ÇÁ
__3.5.2 ƯÁ¤ ±¹°¡º° ÀϺ° ´Ùº¯·® ¸·´ë ±×·¡ÇÁ
__3.5.3 ÀϺ° ±¹°¡º° ´Ùº¯·® ¸·´ë ±×·¡ÇÁ
__3.5.4 ÀϺ° ±¹°¡º° ´©Àû ¸·´ë ±×·¡ÇÁ
__3.5.5 ±¹°¡º° ÀϺ° ´©Àû °¡·Î ¸·´ë ±×·¡ÇÁ
__3.5.6 ¼ºê Ç÷ÎÆà »ç¿ëÇϱâ
__3.5.7 TableÀÌ Á¸ÀçÇÏ´Â ¸·´ë ±×·¡ÇÁ
3.6 ÆÄÀÌ ±×·¡ÇÁ
__3.6.1 »ç¿ëÀÚ Á¤ÀÇ ºñÀ² ÁöÁ¤
__3.6.2 »ç¿ëÀÚ Á¤ÀÇ Æ÷Áö¼Å´×
__3.6.3 µµ¿ì³Ó ÆÄÀÌ ±×·¡ÇÁ
__3.6.4 ±¹°¡º° Áßø ÆÄÀÌ ±×·¡ÇÁ
__3.6.5 ƯÁ¤ ÆÄÀÌ ¿µ¿ªÀÇ ¼¼ºÎ ³»¿ª º¸À̱â
3.7 »óÀÚ ¼ö¿° ±×·¡ÇÁ
__3.7.1 »óÀÚ ¼ö¿°(»ç¿ëÀÚ Á¤ÀÇ »ö»ó)
__3.7.2 »óÀÚ ¼ö¿°°ú ¹ÙÀ̿ø° ±×·¡ÇÁ
3.8 È÷½ºÅä±×·¥
__3.8.1 ³²ÀÚµéÀÇ ½ÅÀå
__3.8.2 ³²ÀÚ¿Í ¿©ÀÚÀÇ ´ÙÁß È÷½ºÅä±×·¥ ±×¸®±â
__3.8.3 ÃÑ °áÀç ±Ý¾×
__3.8.4 ÃÑ °áÀç ±Ý¾×(°è±Þ ±¸°£ Á¶Á¤)
__3.8.5 °ÅÀα¹°ú ¼ÒÀα¹ÀÇ ½ÅÀå È÷½ºÅä±×·¥
__3.8.6 °ÅÀα¹°ú ¼ÒÀα¹ÀÇ È÷½ºÅä±×·¥À» µ¿ÀÏ È¸é¿¡ ±×¸®±â
__3.8.7 È÷½ºÅä±×·¥ÀÇ ´©Àû
¿¬½À ¹®Á¦
¿ä¾à
Chapter 04 Çѱ¹ º¹Áö ÆгΠµ¥ÀÌÅÍ
4.1 seaborn ¶óÀ̺귯¸®
4.2 Çѱ¹ º¹Áö ÆгΠµ¥ÀÌÅÍ °³¿ä
__4.2.1 µ¥ÀÌÅÍ ÆÄÀÏ
__4.2.2 µ¥ÀÌÅÍ ºÐ¼® ÁغñÇϱâ
__4.2.3 º¹Áö µ¥ÀÌÅÍ Àüó¸®
__4.2.4 ôµµ¿¡ ´ëÇÑ ÀÌÇØ
__4.2.5 °áÈ¥ À¯¹«¿Í Á¾±³ À¯¹«¿¡ µû¸¥ ºóµµ(countplot)
__4.2.6 ³ªÀÌ¿¡ µû¸¥ È÷½ºÅä±×·¥(distplot)
__4.2.7 °áÈ¥ À¯¹«¿Í ¼ºº°¿¡ µû¸¥ È÷Æ®¸Ê(heatmap)
__4.2.8 µÎ Ä÷³°£ÀÇ Â¦ ±×·¡ÇÁ(pairplot)
__4.2.9 ¼ºº°°ú ³ªÀÌ¿¡ µû¸¥ ¹ÙÀ̿ø° ±×·¡ÇÁ(violinplot)
__4.2.10 ¼±Çü ȸ±Í ¸ðµ¨ ±×·¡ÇÁ(lmplot)
__4.2.11 ³ªÀÌ¿Í ¼Òµæ¿¡ µû¸¥ »êÁ¡µµ(replot)
__4.2.12 ³ªÀÌ¿Í ¼Òµæ¿¡ µû¸¥ »êÁ¡µµ¿Í È÷½ºÅä±×·¥(jointplot)
__4.2.13 ¼ºº°¿¡ µû¸¥ ¼Òµæ ±×·¡ÇÁ(barplot)
__4.2.14 ¼ºº°¿¡ µû¸¥ ¼Òµæ »óÀÚ ¼ö¿° ±×·¡ÇÁ(boxplot)
__4.2.15 ¼Òµæ¿¡ µû¸¥ ³ªÀÌ(ÀÌÂ÷¿ø ¹ÐÁýµµ_kdeplot)
¿¬½À ¹®Á¦
¿ä¾à
Chapter 05 ÀÚµ¿Â÷ µ¥ÀÌÅÍ ¼Â
5.1 ÀÚµ¿Â÷ µ¥ÀÌÅÍ ¼Â °³¿ä
__5.1.1 µ¥ÀÌÅÍ ÆÄÀÏ
__5.1.2 »êÁ¡µµ¿Í Rug Plot(scatterplot)
__5.1.3 ¿£Áø Å©±â È÷½ºÅä±×·¥(histplot)
__5.1.4 ±¸µ¿ ¹æ½Ä¿¡ µû¸¥ ÁÖÇà ¸¶Àϼö(stripplot)
__5.1.5 ±¸µ¿ ¹æ½Ä¿¡ µû¸¥ ÁÖÇà ¸¶Àϼö(swarmplot)
¿¬½À ¹®Á¦
¿ä¾à
Chapter 06 Ưº°ÇÑ ±×·¡ÇÁ
6.1 °³¿ä
__6.1.1 ¼ºÀûÇ¥ Çâ»ó ±×·¡ÇÁ(°æ»ç ±×·¡ÇÁ)
__6.1.2 ¸®º» ¹Ú½º ±×·¡ÇÁ
__6.1.3 ¹üÁÖÇü Ç÷ÎÆÃ
__6.1.4 Density Plotting
__6.1.5 Lollipop Chart
__6.1.6 Ordered Bar Chart
__6.1.7 TreeMap
__6.1.8 Stem Plotting
¿¬½À ¹®Á¦
¿ä¾à
Chapter. A ¿¬½À ¹®Á¦ ÇØ´ä
ÆÇ´Ù½º ÆÐÅ°Áö
µ¥ÀÌÅÍ ½Ã°¢È
Çѱ¹ º¹Áö ÆгΠµ¥ÀÌÅÍ
ÀÚµ¿Â÷ µ¥ÀÌÅÍ ¼Â
Ưº°ÇÑ ±×·¡ÇÁ
Chapter. B ºÎ·Ï
B.1 plot( ) ÇÔ¼ö
B.2 Series¿Í ±×·¡ÇÁ
B.3 DataFrame°ú ±×·¡ÇÁ
B.4 ¼ºê Ç÷ÎÆÃ
Chapter. C ã¾Æº¸±â
°ü·ÃÀ̹ÌÁö
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
±â°è °øÇÐÀ» Àü°øÇÏ¿´À¸¸ç, LG ÀüÀÚ¿¡ ÀÔ»çÇÏ¿© ¼¼Å¹±â »ç¾÷ºÎ Àü»êºÎ¿¡¼ ±Ù¹«ÇÏ¿´´Ù. ÀÌÈÄ ¾à±¹ µµ¸Å»ó ÇÁ·Î±×·¥À» 2³â Á¤µµ °³¹ßÇÏ¿´°í, PC¹æ ¸ÞÀÎ/Ŭ¶óÀ̾ðÆ® °ü¸® ÇÁ·Î±×·¥ °³¹ßÀ» 7³â Á¤µµ ±Ù¹«ÇÏ¿´´Ù. ÇÁ·Î±×·¡¹Ö °ÀÇ °æ·ÂÀº 12³â° ÁøÇà ÁßÀ̸ç, °ÀÇ°¡ °¡´ÉÇÑ °ú¸ñÀº ÀÚ¹Ù, ÆÄÀ̽ã, R, µ¥ÀÌÅͺ£À̽º, vba µîÀÌ´Ù.
ÀúÀÚÀÇ ´Ù¸¥Ã¥
Àüüº¸±â¹è¿ö¼ ¹Ù·Î ½á¸Ô´Â µ¥ÀÌÅÍ ºÐ¼® with ÆÄÀÌ...
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
ÀÌ »óÇ°ÀÇ ½Ã¸®Áî
(ÃÑ 5±Ç / ÇöÀ籸¸Å °¡´Éµµ¼ 5±Ç)
Àü°øµµ¼/´ëÇб³Àç ºÐ¾ß¿¡¼ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥
ÆǸÅÀÚÁ¤º¸
»óÈ£ |
(ÁÖ)±³º¸¹®°í |
---|---|
´ëÇ¥ÀÚ¸í |
¾Èº´Çö |
»ç¾÷ÀÚµî·Ï¹øÈ£ |
102-81-11670 |
¿¬¶ôó |
1544-1900 |
ÀüÀÚ¿ìÆíÁÖ¼Ò |
callcenter@kyobobook.co.kr |
Åë½ÅÆǸž÷½Å°í¹øÈ£ |
01-0653 |
¿µ¾÷¼ÒÀçÁö |
¼¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù) |
±³È¯/ȯºÒ
¹ÝÇ°/±³È¯ ¹æ¹ý |
¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼ ½Åû °¡´É |
---|---|
¹ÝÇ°/±³È¯°¡´É ±â°£ |
º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É |
¹ÝÇ°/±³È¯ ºñ¿ë |
º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã |
¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯ |
·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡ ÇØ´çµÇ´Â °æ¿ì |
»óÇ° Ç°Àý |
°ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½ |
¼ÒºñÀÚ ÇÇÇغ¸»ó |
·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© ó¸®µÊ ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀǼҺñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ |
(ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º´Â ȸ¿ø´ÔµéÀÇ ¾ÈÀü°Å·¡¸¦ À§ÇØ ±¸¸Å±Ý¾×, °áÁ¦¼ö´Ü¿¡ »ó°ü¾øÀÌ (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º¸¦ ÅëÇÑ ¸ðµç °Å·¡¿¡ ´ëÇÏ¿©
(ÁÖ)KGÀ̴Ͻýº°¡ Á¦°øÇÏ´Â ±¸¸Å¾ÈÀü¼ºñ½º¸¦ Àû¿ëÇÏ°í ÀÖ½À´Ï´Ù.
¹è¼Û¾È³»
±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.
¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.