이 랩에서는 Pandas 라이브러리의 mad() 메서드를 사용하여 DataFrame 의 평균 절대 편차 (mean absolute deviation) 를 계산하는 방법을 배우게 됩니다. 평균 절대 편차는 데이터 세트의 변동성을 측정하는 지표로, 각 데이터 값과 평균 간의 평균 거리를 의미합니다.
VM 시작이 완료되면, 왼쪽 상단 모서리를 클릭하여 Notebook 탭으로 전환하여 실습을 위해 Jupyter Notebook에 접근하십시오.
때로는 Jupyter Notebook 이 로딩을 완료하는 데 몇 초 정도 기다려야 할 수 있습니다. Jupyter Notebook 의 제한으로 인해 작업의 유효성 검사는 자동화될 수 없습니다.
학습 중에 문제가 발생하면 언제든지 Labby 에게 문의하십시오. 세션 후 피드백을 제공해주시면 문제를 신속하게 해결해 드리겠습니다.
먼저, pandas 라이브러리를 pd로 가져옵니다. 이렇게 하면 Pandas DataFrame 과 해당 mad() 메서드를 사용할 수 있습니다.
import pandas as pd다음으로, 작업할 DataFrame 을 생성합니다. 이 예제에서는 네 개의 열 (A, B, C, D) 과 세 개의 행을 가진 DataFrame 을 생성합니다.
df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6], "C": [7, 8, 9], "D": [10, 11, 12]})이제 DataFrame 이 있으므로 mad() 메서드를 사용하여 평균 절대 편차 (mean absolute deviation) 를 계산할 수 있습니다. 인덱스 축 (index axis) 에 대한 평균 절대 편차를 계산하려면 axis=0을 인수로 지정합니다.
mad_index = df.mad(axis=0)열 축 (column axis) 에 대한 평균 절대 편차를 계산하려면 axis=1을 인수로 지정합니다.
mad_columns = df.mad(axis=1)마지막으로, 평균 절대 편차 값을 출력할 수 있습니다.
print("Mean Absolute Deviation over index axis:")
print(mad_index)
print("Mean Absolute Deviation over column axis:")
print(mad_columns)이 랩에서는 Pandas 라이브러리의 mad() 메서드를 사용하여 DataFrame 의 평균 절대 편차 (mean absolute deviation) 를 계산하는 방법을 배웠습니다. 평균 절대 편차는 데이터 세트의 변동성을 측정하는 지표로, 각 데이터 값과 평균 간의 평균 거리를 의미합니다. 이 랩에 설명된 단계를 따르면, 이제 mad() 메서드를 자신의 DataFrame 에 적용하고 데이터의 변동성을 분석할 수 있습니다.