±¹³»µµ¼
ÄÄÇ»ÅÍ/ÀÎÅͳÝ
IT Àü¹®¼
2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.
Á¤°¡ |
17,700¿ø |
---|
15,930¿ø (10%ÇÒÀÎ)
880P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
¡´ÆÄÀ̽㠵¥ÀÌÅÍ ºÐ¼® & ½Ã°¢È + À¥ ´ë½Ãº¸µå Á¦ÀÛÇϱ⡵åÀº ÆÄÀ̽㠵¥ÀÌÅÍ ºÐ¼®°ú µ¥ÀÌÅÍ ½Ã°¢È ±âÃÊ¿Í À¯¿ëÇÑ ÆÁ ¹× µ¥ÀÌÅÍ À¥ ´ë½Ãº¸µå Á¦ÀÛ µî ½ÇÀü¿¡ ¹Ù·Î ÀÛ¿ëÇÒ ¼ö ÀÖ´Â ¾ËÂ¥ ³»¿ë¸¸ ¾ËÂ÷°Ô ´ã¾Ò´Ù!
ÀÌ Ã¥À» ÅëÇؼ ¹è¿ì´Â ÇÙ½É ³»¿ëÀº ´ÙÀ½°ú °°´Ù.
01. Á¤Çü µ¥ÀÌÅ͸¦ ´Ù·ç´Â Pandas ±âÃʺÎÅÍ ½ÇÀü±îÁö
Á¤Çü µ¥ÀÌÅ͸¦ ´Ù·ç´Â ±¹¹Î ¶óÀ̺귯¸® Pandas¿¡ ´ëÇÑ ±âÃʺÎÅÍ ½ÇÀü¿¡ ÇʼöÀûÀÎ ¸Þ¼µå ¹× ÆÁµéÀ» ´Ù·é´Ù.
02. ÆÄÀ̽㠽ð¢ÈÀÇ ±âÃʺÎÅÍ ½ÇÀü±îÁö
PythonÀÇ ´ëÇ¥ÀûÀÎ µ¥ÀÌÅÍ ½Ã°¢È ¶óÀ̺귯¸®ÀÎ Matplotlib, Seaborn, Plotly¸¦ ´Ù·é´Ù.
°£´ÜÇÏ°í ±ò²ûÇÑ ±×·¡ÇÁ¸¦ ±×¸®±â À§ÇÑ ½ÇÀü ÁöÇâ ¸Þ¼µå ¹× ÆÁµéÀ» ¹è¿î´Ù.
03. À¥ ±âÃÊ Áö½Ä ¾øÀÌ Streamlit À¥ ´ë½Ãº¸µå Á¦ÀÛÇϱâ
À¥ °ü·Ã ¼±¼ö Áö½Ä ¾øÀÌ ¼Õ½±°Ô À¥ ´ë½Ãº¸µå¸¦ Á¦ÀÛÇÒ ¼ö ÀÖ´Â Streamlit ¶óÀ̺귯¸®ÀÇ ±âÃʸ¦ ¹è¿î´Ù. ½ÇÀü µ¥ÀÌÅͼÂÀ» ÀÌ¿ëÇÏ¿© °£´ÜÇÑ À¥ ´ë½Ãº¸µå¸¦ Á÷Á¢ Á¦ÀÛÇÏ°í µ¥ÀÌÅͷκÎÅÍ ÀλçÀÌÆ®¸¦ ¾ò´Â ½Ç½ÀÀ» Çغ»´Ù.
ÀÌ Ã¥ÀÇ ¿¹Á¦ µ¥ÀÌÅͼ ¹× ¼Ò½º ÄÚµå ÆÄÀÏ ´Ù¿î·Îµå ¹æ¹ýÀº 5ÂÊÀ» ÂüÁ¶ÇÑ´Ù.
ÃâÆÇ»ç ¼Æò
¡´ÆÄÀ̽㠵¥ÀÌÅÍ ºÐ¼® & ½Ã°¢È + À¥ ´ë½Ãº¸µå Á¦ÀÛÇϱ⡵åÀº ÆÄÀ̽ã A ºÎÅÍ Z±îÁö ¹é°ú»çÀü °°Àº ¹ÙÀ̺íÀÌ ¾Æ´Ï´Ù. ÇöÀå¿¡ ¹Ù·Î Àû¿ëÇÒ ¼ö ÀÖ´Â ¾ËÂ¥ ³»¿ë¸¸ ´ãÀº ÆÄÀ̽㠵¥ÀÌÅÍ ºÐ¼® ¹× ½Ã°¢È ½ÇÀü Âü°í¼ÀÌ´Ù!
ÀÌ Ã¥ÀÇ ÇÙ½É ³»¿ëÀº ´ÙÀ½°ú °°´Ù.
- ÆÄÀ̽㠵¥ÀÌÅÍ ºÐ¼® ±âÃÊ ¹× ½ÇÀü
- ÆÄÀ̽㠽ð¢È ±âÃÊ ¹× ½ÇÀü
- ³ª¸¸ÀÇ À¥ ´ë½Ãº¸µå ¸¸µé±â
ÀÌ Ã¥ÀÇ ÇнÀ ´ë»óÀº ´©±¸Àϱî?
- Áö·çÇÑ µ¥ÀÌÅÍ ¹Ýº¹ ¾÷¹«¸¦ ÀÚµ¿ÈÇÏ°í ½ÍÀº ºÐ!
- È¿À²Àû ¾÷¹«·Î 5ºÐ »¡¸® Åð±ÙÇÏ°í ½ÍÀº ºÐ!
- ÇÑÁ¤µÈ ½Ã°£À¸·Î ½ÇÀü¿¡ ¹Ù·Î È°¿ëÇÒ ¼ö ÀÖ´Â ¾ËÂ¥¸¦ ¹è¿ì°í ½ÍÀº ºÐ!
- ½ÇÀü¿¡ ¹Ù·Î È°¿ëÇÏ°í ½ÍÀº Ã¥À» ¿øÇÏ´Â ºÐ!
- ³ª¸¸ÀÇ À¥ ´ë½Ãº¸µå Á¦ÀÛÀ» ¿øÇϽô ºÐ!
¸ñÂ÷
CHAPTER 01 Pandas¸¦ ÀÌ¿ëÇÑ ÆÄÀ̽㠵¥ÀÌÅÍ ºÐ¼® ±âÃÊ
Pandas Series ¹× Dataframe
DataframeÀÇ ¿ ¹× Çà ¼±ÅÃ
select_dtypesÀ» ÀÌ¿ëÇÑ ¿ ¼±ÅÃ
filter ¸Þ¼µå¸¦ ÀÌ¿ëÇÑ Çà°ú ¿ ¼±ÅÃ
renameÀ» »ç¿ëÇÑ Çà, ¿ À̸§ º¯°æ
µ¥ÀÌÅÍ ÆľÇÀÇ ±âº»ÀÌ µÇ´Â info, describe, value_counts, unique ¸Þ¼µå
°áÃøÄ¡¸¦ ó¸®ÇÏ´Â fillna, dropna ¸Þ¼µå
µ¥ÀÌÅÍÀÇ ºÐÀ§¼ö¸¦ ±¸ÇÏ´Â quantile ¸Þ¼µå
¿øÇÏ´Â µ¥ÀÌÅ͸¸ ÇÊÅ͸µ ÇÏ´Â query ¸Þ¼µå
PandasÀÇ ²É, ±×·ìº° ¿¬»êÀ» À§ÇÑ groupby ¸Þ¼µå
½Ã°è¿ µ¥ÀÌÅÍÀÇ Æ¯Â¡
½Ã°è¿ µ¥ÀÌÅÍ ±×·çÇÎÀ» À§ÇÑ resample ¸Þ¼µå
CHAPTER 02 Pandas ¶óÀ̺귯¸® ½ÇÀü ²ÜÆÁ ´ë¹æÃâ
µ¥ÀÌÅ͸¦ óÀ½ ¸¸³ª¸é ÇÏ´Â °Íµé
¿¬¼Ó µ¥ÀÌÅ͸¦ ±×·ìÈÇÏ¿© ¹üÁÖÇü µ¥ÀÌÅÍ·Î ºÐ¼®Çϱâ
Á¶°ÇÀ» ¸¸Á·ÇÏ´Â ÃÖ´ë ¿¬¼Ó Ƚ¼ö ±¸Çϱâ
ÀÌ»óÄ¡¸¦ ´Ù·ç´Â ¹æ¹ý: clip, quantile ¸Þ¼µå
°áÃøÄ¡ ³»»ð/¿Ü»ðÇϱâ
Á¤·ÄµÈ À妽º¿¡¼ÀÇ Çà ½½¶óÀ̽Ì
Timestampµ¥ÀÌÅ͸¦ Æ÷ÇÔÇÑ ¿©·¯ ¿À» ±âÁØÀ¸·Î groupbyÇϱâ
µ¥ÀÌÅͼ ³» ƯÁ¤ ±×·ìº° µ¥ÀÌÅÍ Ç¥ÁØÈ
groupby ¸Þ¼µå¸¦ ÀÌ¿ëÇÑ ¹®ÀÚ¿ ¿¬»ê
ÇϳªÀÇ ÇàÀ» ¿©·¯ °³ÀÇ ÇàÀ¸·Î ÂÉ°³±â
CHAPTER 03 Matplotlib, Seaborn, Plotly¸¦ ÀÌ¿ëÇÑ ÆÄÀ̽㠵¥ÀÌÅÍ ½Ã°¢È
MatplotlibÀÇ ±¸¼º ¿ä¼Ò ¹× Ư¡
Scatterplot
Regplot
Lineplot
Boxplot, Stripplot, Swarmplot
Histplot
Heatmap
MatplotlibÀÇ axes-level plot°ú figure-level plot
±×·¡ÇÁ ¼¼ºÎ ¿ä¼Ò Æ©´×
CHAPTER 04 Matplotlib, Seaborn ¹× Plotly ¶óÀ̺귯¸® ½ÇÀü ²ÜÆÁ ´ë¹æÃâ
xÃàÀÌ ³¯Â¥ÀÎ ½Ã°è¿ ±×·¡ÇÁ tick label ±ò²ûÇÏ°Ô Ç¥ÇöÇϱâ
´ÙÁß Ãà ±×·¡ÇÁ ±×¸®±â
¹ü·Ê(legend) À§Ä¡ Á¶ÀýÇϱâ
±×·¡ÇÁÀÇ Å׵θ®(spine) °Á¶Çϱâ
±×·¡ÇÁ ³» ÅؽºÆ® Ç¥ÇöÇϱâ
¼öÆò¼±°ú ¼öÁ÷¼± ±×¸®±â
FacetGrid·Î ³ª´« °¢ axº° mappingÀ¸·Î ±×·¡ÇÁ ¼¼ºÎ Æ©´×Çϱâ
FacetGrid¿¡¼ ƯÁ¤ Á¶°Ç¿¡ ÇØ´çÇÏ´Â ax °Á¶Çϱâ
regplotÀÇ ¼±Çüȸ±Í¼±ÀÇ ½Ä°ú »ó°ü°è¼ö Ç¥½Ã
±×·¡ÇÁÀÇ Ãà log Çü½ÄÀ¸·Î º¯È¯Çϱâ
Seaborn color palette ¹× Plotly colorÀÇ È°¿ë
CHAPTER 05 Python StreamlitÀ» ÀÌ¿ëÇÑ µ¥ÀÌÅÍ ´ë½Ãº¸µå ¸¸µé±â
Streamlit ¼³Ä¡ ¹× ½ÇÇàÇϱâ
ÅؽºÆ®¿Í Ç¥ ÀÌÇØÇϱâ
´Ù¾çÇÑ À§Á¬ ÀÌÇØÇϱâ: Button
´Ù¾çÇÑ À§Á¬ ÀÌÇØÇϱâ: Checkbox, Toggle
´Ù¾çÇÑ À§Á¬ ÀÌÇØÇϱâ: Selectbox, Radio, Multiselect
´Ù¾çÇÑ À§Á¬ ÀÌÇØÇϱâ: Slider
´Ù¾çÇÑ À§Á¬ ÀÌÇØÇϱâ: Input
´Ù¾çÇÑ À§Á¬ ÀÌÇØÇϱâ: File uploader
Â÷Æ® ¹× À̹ÌÁö Ç¥ÇöÇϱâ
Layout ÀÌÇØÇϱâ
Session state¿Í ij½Ì ÀÌÇØÇϱâ
°£´ÜÇÑ Streamlit À¥ ´ë½Ãº¸µå Á¦ÀÛ ½Ç½À
°ü·ÃÀ̹ÌÁö
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
ÄÄÇ»ÅÍ/ÀÎÅÍ³Ý 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.