PM 의 생활 PM 의 생활

matplotlib 에서 제어가능한 여러 요소들을 해부해본다! matplotlib: 파이썬에서 차트나 플롯으로 데이터를 시각화하기 위한 모듈 - 그래프 종류: 산점도, 꺾은선 그래프, 막대 그래프, 히스토그램, 박스 플롯 0. font 설치 !sudo apt-get install -y fonts-nanum !sudo fc-cache -fv !rm ~/.cache/matplotlib -rf 출처: https://teddylee777.github.io/colab/colab-korean 1. 데이터 시각화의 대상, DataFrame 불러오기 import pandas as pd df = pd.read_csv('시간대별_상품판매량.csv', engine='python', encoding..

기본 통계량 확인 - 기본 통계량: describe() 조건에 따른 변수통계량을 요약한 테이블 - 출력물 자체가 결과물인 경우에는 pivot_talbe - 출력물이 중간 산출물인 경우에는 groupby (as_index=False) 즉, 우리는 groupby 를 많이 쓰게 될 것이다! describe() df.describe() pd.pivot_table() 데이터프레임, 행 조건, 열 조건, 집계대상 컬럼목록, 집계함수 pd.pivot_table( data=df, index='제품', columns='쇼핑몰 유형', values=['수량', '판매금액'], aggfunc='mean' ) df.pivot_table( index='제품', columns='쇼핑몰 유형', values=['수량', '판매금액..

다양한 local file 에 대해서 file handling 을 하게 된다. Tabular 표 형식의 데이터인 .csv, .xlsx 를 불러오고, 읽는 과정을 학습한다. File Handling # data 초기화 header = [] data = [] # file 읽기 with open('./data_reading.csv', 'r') as f: header = f.readline() line = f.readline() while line: data.append(list(map(float, line.split(',')))) line = f.readline() # file 작성하기 with open('./written_data.csv', 'w') as f: f.write(header) for line i..

기존에는 매번 Google Colab 에서 노트북을 만들었다 지웠다 했다. 1. 누적되는 산출물로 관리하고 싶었다. 내가 어떤 공부를 했는지, 산출물을 관리했는지 확인하기 어려웠다. 2. 나도 블로그에서 github example code 를 제공해보고 싶었다. 그래서 나도 Github Repository 에 저장해보기로 했다. 1. GitHub 계정 만들기 https://github.com/ 2. Github Repository 생성 저는 Halora 계정에 ds 라는 Private Repository 를 생성했습니다. Repository 란 일종의 작업공간입니다. Repository 프로젝트 파일과 각 파일의 수정 히스토리를 담고 있습니다. https://github.com/halora/ds 3. G..

내가 성장하지 못한다는 압박감이 계속되고 있다. 내가 기술을 쌓아올리는 동안에 비즈니스 가치를 창출하는 데 기여했는지 확신이 서지 않는다. 누구보다 열심히 일했는데, 확신이 서지 않으니 공허감이 찾아온다. 난 항상 왜 이렇게 현실에 만족하지 못하고, 불안한걸까? 그걸 왜 항상 공부라는 방법으로 채우려고 하는 걸까? 인생살기 피곤하게. 하지만 부정적인 감정에 근거한 사람들은 그걸 발판으로 삼아 자신을 성장시킨다고 했다. 꼭 나쁘게 볼 것만은 아니라고 하는 그 말이 위안이 되었다. 애초에 무엇을 안해서 생기는 불안이라면, 그냥 하면 그만이다. 적어도 무언가를 하고 있는 순간에는 불안하지 않으니까. 나는 30대 초반이다. 아직 최소 20년을 더 일할 수 있다. 조급해 하지 말자. 좋은 방향 설정이 중요하다. ..

클러스터링 기법을 사용하기 위해 index 에 대한 피쳐를 붙인다. (결과: cluster_df) 이 때, replace 함수가 필요하다. number_of_order_per_CID = order_df.drop_duplicates( subset=['CustomerID', 'InvoiceNo'] )['CustomerID'].value_counts() # CustomerID 를 index 로 하는 Series cluster_df['주문횟수'] = cluster_df['CustomerID'].replace( number_of_order_per_CID.to_dict()) # CustomerID 를 CustomerID 의 주문횟수 값으로 치환 # 매칭되는 것이 없다면 CustomerID 값 유지 cluster_d..

너무 정확한 진단이다. 용두사미의 전사 TF 가 떠오른다. 휴. 패스트 캠퍼스 의 안중호 강사님의 슬라이드 중 가장 공감되었든 슬라이드 조각이다. Q. 그 많던 TF 는 왜 망했을까? A. 서로 다른 부서에 대한 기대치가 높고, 만나야하는 접점을 만나지 못했기 때문. 망한 TF 의 망한 이유는 첫 문장 "첫번째 고민을 듣는다." 부터 삐걱댔다. (그러다가 조직논리로 폭파) 분석가 입장에서 당시에는 많은 가설들을 기대했는데, 인풋이 없어서 당황스러웠다. 생각해보니까.. 현업 담당자들은 데이터 분석이 뿅 하고 나타나기를 기대하고 있었던 것일지도. 그래서 기다리다 어영부영 시간이 지났다. (굳이 거기서 질문하지 않아도 바쁜게 많았고.) 그리고 조직논리로 TF 는 해체되었다. Q. 기술부서 담당자로서 어떻게 마..

Pivot # 예시 pivoted = df.pivot(index="foo", columns="bar", values="baz") # 일반적인 용법 pivoted = df.pivot(index="date", columns="variable", values="value") pivot() will error with a ValueError: Index contains duplicate entries, cannot reshape if the index/column pair is not unique. In this case, consider using pivot_table() which is a generalization of pivot that can handle duplicate values for one i..