데이터 과학 튜토리얼

Python 내에서 HTML 을 생성하는 것은 재미가 없고, 실제로 꽤 번거롭습니다. 애플리케이션을 안전하게 유지하기 위해 직접 `escape` 를 사용하여 HTML 이스케이핑을 수행해야 하기 때문입니다. 이러한 이유로 Flask 는 Jinja2 템플릿 엔진을 자동으로 구성합니다. 템플릿은 모든 유형의 텍스트 파일을 생성하는 데 사용할 수 있습니다. 웹 애플리케이션의 경우 주로 HTML 페이지를 생성하지만, 이메일용 마크다운, 일반 텍스트 등 다른 모든 것도 생성할 수 있습니다.

이 실습에서는 누락된 값 처리, 중복 제거, 데이터 타입 수정 등 Pandas 라이브러리를 사용하여 데이터를 클리닝하는 기본적인 기술을 배우게 됩니다.

브로드캐스팅은 NumPy 에서 모양이 다른 배열을 산술 연산에 사용할 수 있도록 하는 강력한 기능입니다. 배열 연산을 벡터화하고 계산 효율성을 개선하는 방법을 제공합니다. 이 실습에서는 NumPy 브로드캐스팅의 기본 사항을 안내합니다.

이 실습에서는 NumPy 배열 작업의 기본 사항을 배우게 됩니다. NumPy 는 Python 에서 수치 계산을 위한 강력한 라이브러리입니다. 배열에 대한 수학 연산을 수행하기 위한 효율적인 데이터 구조와 함수를 제공합니다.

이 실습에서는 강력한 Python 데이터 분석 라이브러리인 Pandas 를 시작합니다. 설치 확인 방법, 라이브러리 가져오기, 기본 Series 생성, 요소 접근, 속성 검사 방법을 배웁니다.

이 실험에서는 Python 의 강력한 플로팅 라이브러리인 Matplotlib 을 사용하여 단일 그림 내에서 여러 서브플롯을 생성하고 사용자 정의하는 방법을 배우게 됩니다. 서브플롯 생성, 데이터 플로팅, 레이아웃 조정 등을 연습하게 됩니다.

이 실습에서는 Pandas DataFrame 에서 열, 행 및 특정 데이터 슬라이스를 선택하는 것을 포함하여 데이터를 선택하고 부분집합화하는 기본 기술을 배우게 됩니다.

이 실습에서는 NumPy 의 구조화된 배열에 대해 배웁니다. 구조화된 배열은 명명된 필드의 시퀀스로 구성된 더 간단한 데이터 타입의 조합으로 이루어진 ndarray 입니다. 각 필드가 데이터의 다른 속성을 나타내는 테이블 형식 데이터와 같은 구조화된 데이터를 작업하는 데 유용합니다.

이 실습에서는 Pandas 라이브러리를 사용하여 데이터 그룹화 및 집계의 기본 사항을 배웁니다. groupby() 를 사용하여 그룹을 만들고 다양한 집계 함수를 적용하는 연습을 하게 됩니다.

이 실습에서는 딕셔너리 등을 포함하여 Pandas DataFrame 을 생성하는 기본적인 방법과 열 및 인덱스를 사용자 정의하는 방법을 배웁니다.

이 실험에서는 평균, 중앙값, 최소/최대값 등 Pandas DataFrame 에 대한 다양한 기술 통계를 계산하는 방법을 배웁니다.

이 랩에서는 Pandas DataFrame 에서 데이터를 정렬하는 필수 기술을 배우게 됩니다. 단일 및 여러 열로 정렬하고, 정렬 순서를 제어하며, 정렬 작업 후 DataFrame 의 인덱스를 관리하는 방법을 탐색합니다.

이 실습에서는 numpy.genfromtxt 함수를 사용하여 데이터를 가져오는 방법을 배웁니다. 이 함수를 사용하면 다양한 소스에서 표 형식 데이터를 읽어 NumPy 배열로 변환할 수 있습니다. 입력 정의, 줄을 열로 분할, 열 선택, 데이터 타입 설정 및 변환 조정에 대한 다양한 옵션을 탐색합니다.

이 실습에서는 Python 의 기본 배열 컨테이너 라이브러리인 NumPy 를 사용하여 배열을 생성하는 방법에 대한 단계별 가이드를 제공합니다. Python 시퀀스 변환, 내장 NumPy 배열 생성 함수 사용, 기존 배열 복제 및 결합, 디스크에서 배열 읽기를 포함한 다양한 배열 생성 방법을 배우게 됩니다.

이 랩에서는 Pandas DataFrame 으로 외부 데이터를 읽는 기본 사항을 배웁니다. 강력한 `read_csv` 함수와 주요 매개변수를 사용하여 다양한 실제 CSV 파일 형식을 처리합니다.

이 실습에서는 NumPy 인덱싱의 기본 사항을 살펴봅니다. 인덱싱을 통해 배열의 특정 요소 또는 요소의 하위 집합에 접근하고 조작할 수 있습니다. NumPy 에서 배열 작업을 효과적으로 수행하려면 인덱싱 사용 방법을 이해하는 것이 중요합니다.

이 실습에서는 NumPy 유니버설 함수 (ufuncs) 의 기본 사항을 살펴봅니다. ufuncs 는 배열 브로드캐스팅, 타입 캐스팅 및 기타 표준 기능을 지원하며 ndarray 에 요소별로 작동하는 함수입니다. ufuncs 의 다양한 메서드, 브로드캐스팅 규칙, 타입 캐스팅 규칙 및 ufunc 동작을 재정의하는 방법을 배우게 됩니다.

이 실습에서는 부울 인덱싱, 조건 결합, isin 사용, 누락된 값 처리 등 Pandas DataFrame 에서 데이터를 필터링하는 기본적인 기술을 배우게 됩니다.