미식가의 개발 일기

3주차는 웹크롤링에 대해 학습했습니다!웹크롤링을 하는 방법 뿐만 아니라 웹이 돌아가는 전체 구조를 함께 설명해주셔서 웹크롤링 동작 과정을 더 잘 이해할 수 있었던 거 같습니다.여러가지 방식으로 크롤링을 진행 했는데 Scrapy 방식은 특정 규칙이 정해져 있는 프레임워크이다 보니 다른 방식보다 조금 더 복잡하고 어려웠던 거 같아요. 😅 그래도 실무에서는 거의 Scrapy로 크롤링을 진행한다고 하니 숙지해두면 좋을 거 같습니다!혼자서는 여러가지 시행착오를 겪어야만 알 수 있는 정보들을 미리 시행착오를 겪으시고 어떻게 해야 에러없이 접근할 수 있는지 알려주신 것이 많은 도움이 됐습니다. 😊 웹 요청-응답 과정아래 그림은 강사님께서 교육 내내 강조하셨던 웹 요청-응답 과정입니다! 이 그림 덕분에 웹 동작 과..

2주차는 데이터 분석 및 의미찾기에서 마지막 주제인 이변량 분석에 대해 학습했어요!두 변수에 유형에 따라 시각화, 수치화 기법을 다르게 적용해야 하는 것과 각 수치화 기법에서 도출된 통계량을 분석하여 가설이 유의미한지 판단하는 법을 배웠습니다.강사님께서 이 파트는 조금 어려울 거라고 하셨는데 확실히 이전에 배웠던 내용보다는 복잡하고, 헷갈리는 내용이 있었던 거 같아요. 😅 그래도 다양한 실습 자료를 반복해서 풀어보다 보니 익숙해진 거 같습니다!또, 강의 내내 변수 유형에 따른 기법들을 표로 정리해 주셨는데 이 표가 정말 도움이 많이 됐습니다! 이변량 분석의 전체 그림을 이해하기 좋고, 기법이 떠오르지 않을 때 바로바로 확인할 수 있어서 아주 유용합니다. ㅎㅎ 아래 표로 정리해뒀어요!드디어 2주차 데이터..

데이터 프레임 조작데이터 프레임 변경추가 `df['추가할 열'] = 추가할 값` 변경 `df['변경할 열'] = 변경할 값``.loc`# 나이가 10 이하인 나이 컬럼을 모두 0으로 변경df.loc[df['Age']  `np.where(조건, True일 때 출력할 값, False일 때 출력할 값)`# 나이가 10 이하인 나이 컬럼을 모두 0으로 변경df['Age'] = np.where(df['Age']  `map`: 주로 범주형 값을 변경할 때 사용 # Gen 컬럼의 값이 Male이면 1, Female이면 0으로 변경df['Gen'] = df['Gen'].map({'Male': 1, 'Female': 0}) `cut`: 숫자형 변수 → 범주형 변수 균등 분할: `age_group = pd.cut(df['..