# data

gyuu

Data Analysis Exercise 1) Find the most common date and time for taking classes -> What day and time do they usually take the classes? 1-1) identify the necessary fields - accessdate, userid 1-2) convert from str to timestamp type 1-3) retrieve day and time since we convert the type, we can easily retrieve only day and time from date time. ![](https://velog.velcdn.com/images/gyuu/pos

gyuu

Data Analysis - Python Using colab what is colaboratory(Colab)? the environment where user can study data analysis using Python online(browser) why do we use colab? -don't need to install python -access everywhere when the internet is enabled) -faster than my computer syntax -similar to Java 1) Variable can hold one value in one variable if value is digit, they can do

meem2

#47. 두 과목의 평균 구하기 #48. Mean Subtraction #49. 분산과 표준편차 #50. Standardization #51. 분산과 표준편차(4) #52. Standardization #53. Hadamard Product #54. Vector Norm(3) #55. Making Unit Vectors #56. Dot Product(내접) #57. Euclidean Distance #58. Mean Squared Error #59. 숫자 빈도 구하기 #60. 합격 알려주기 #61. 합격 / 불합격 알려주기 #62. 초를 분초로 표현하기 #63. 초를 시분초로 표현하기 #64. 홀수/짝수 구하기 #65. 두 수 비교하기 #66. 점수 부여하기 #67. 합격 / 불합격 알려주기 #68. 성적을 평점으로 바꾸기 #69. 합격/불합격 학생들의 평균 구하기 #70. 홀수 / 짝수 구하기 #71. 배수의 합 구하기 #72.

reien1107

getSharedPreferences getPreferences 두개의 차이점 getSharedPreferences는 여러개 getPreferences는 한개 전자를 더 많이 씀 MainActivity.kt

sseq007

Python 설치 Python 3.7+ 이상의 버전으로 파이썬을 설치 나는 3.7.0 버전을 깔았다 >Python 다운로드 링크 https://www.python.org/downloads/ >pip install로 이용해 Fast api 라이브러리 설치 터미널을 열고 아래 명령어 작성 Fast api를 위한 라이브러리 설치 Fast api 실시간 미리보기를 위한 라이브러리 설치 끝

gyuu

Data Analysis Data preprocessing : to prepare raw data in a suitable format in order to use for further analysis 1) Data Collection & Profiling - import data 2) Data check - to make a hypothesis, which data should be considered 3) Data cleansing - removing unnecessary fields , filling missing fields Activity 1 - data correlation hypothesis: The rich passengers had a higher survival rate in the RMS Titanic. 'Fare' field is related to survival rate 'Pclass' field also is rela

astrhhn

데이터 타입 확인 이미지 나누고 합치기 이미지 리사이즈 bitwise 연산 비트 연산(Bitwise Operations)은 컴퓨터에서 비트 단위로 데이터를 처리하는 연산입니다. 이러한 연산은 주로 컴퓨터의 하드웨어 레벨에서 사용되며, 데이터의 비트 패턴을 조작하거나 검사하는 데 사용됩니다. 주요 비트 연산에는 AND, OR, XOR, NOT 등이 포함됩니다. trackbar 트랙바(Trackbar)는 그래픽 사용자 인터페이스 (GUI)에서 사용자가 값을 조정하거나 설정할 수 있는 인터랙티브한 컨트롤 요소입니다. 주로 OpenCV와 같은 컴퓨터 비전 및 이미지 처리 라이브러리 또는 다른 그래픽 애플리케이션에서 사용됩니다. 트랙바 포지션 값 이미지에 띄우기

yjs_177076

😖문제 상황 엔티티에서 @NoArgsConstructor 어노테이션을 사용해서 생성자를 만들었는데 코드를 실행해보니 mapper 인터페이스에서 기본 생성자에 접근을 못해서 에러가 나는 이슈가 있었다. 문제 코드 ) 🤓문제 해결 과정 step1. mapper에서 어떤 경우에 생성자를 호출하는지 확인했다. 생성자에 접근할 때 주로 사용되는 패턴 중 하나는 생성자 주입. 이는 스프링과 같은 의존성 주입(Dependency Injection) 프레임워크에서 많이 사용됨. 이 패턴에서는 생성자를 통해 의존성을 주입받는다. 위 코드에서 ObjectMapper 인터페이스의 구현체가 Spring에 의해 주입되고, 이것을 사용하여 데이터베이스와 상호 작용. > 매퍼 인터페이스와 생성자 간의 관계는 주로 프레임워크나 라이브러리, 그리고 사용 중인 의존성 주입 패턴에 따라 달라집니다. 일반적으로 매퍼 인터페이스 내에서 생성자 호출보다는 매퍼 메서드를 통해 객체를 생성

k_gi

상수 데이터란? 정적인 데이터 Array.map() 메서드와 조합해서 반복되는 UI를 보다 간결하게 표현할 수 있다. Array.map() 활용 for문, Array.forEach() 메서드와 유사하지만, 요소에 콜백 함수를 실행한 결과를 모은 새 배열을 return(반환)한다는 점에서 차이가 있다. 상수 데이터 선언 위치 컴포넌트 파일 내부에서 선언 별도 파일로 분리 Mock Data란? 백엔드 API가 완성되지 않은 상황에서 개발을 진행해야 할 때, Mock(모조, 거짓) Data를 만들어 사용한다. 형태 : json 확장자 파일로 JSON 형식의 데이터를 생성 위치 : npm start 시 로컬 서버에 올라가는 폴더인 public 폴더 하위에서 관리 호출 : Mock Data는 실제 데이터와 동일하게 fetch 메서드에서 호출 우리가

ritina21

이하 구디아카데미 김지훈 강사님의 수업자료와 강의 내용 정리, 실습한 내용을 정리함 > 시간이 왜 이리 빠르지🤷‍♀️ 보조 스트림 보조 스트림은 다른 스트림과 연결되어 추가 기능을 제공해주는 스트림이다. 사용하고 싶은 추가 기능과 관련된 보조 스트림을 추가한다. 보조 스트림은 계속해서 붙일 수가 있다. 아래에서 주 스트림과 보조 스트림을 구분해 보자. 주 스트림은 보조 스트림을 사용하기 위해 탑승해야 한다. 보조 스트림 추가 구문 보조 스트림 종류 - Buffered 보조 스

user1

movie N : M 관계의 table 들의 연관관계를 위해 mapping table 을 추가하여 이용하자!

user1

1 정규형 ( Atomic columns - 컬럼이 원자값을 가져야한다. ) | 이름 | 나이 | 학년 | 좋아하는 음식 | | --- | --- | --- | --- | | 홍길동 | 19 | 고3 | 국밥 | | 홍길순 | 17 | 고1 | 떡볶이, 마라탕 | 좋아하는 음식 컬럼을 보면 홍길순은 떡볶이, 마라탕 두개의 값을 가지고 있다. Atomic columns 룰을 위배한다. 2 정규형 ( No partial dependencies - 부분 종속성이 없어야한다.) | 이름 | 나이 | 학년 | 좋아하는 음식 | | --- | --- | --- | --- | | 홍길동 | 19 | 고3 | 국밥 | | 홍길순 | 17 | 고1 | 떡볶이 | | 홍길순 | 17 | 고1 | 마라탕 | 나이, 학년 의 중복이 보인다. 나이와 학년이 이름에만 종속되어있기 때문이다. ( 이름만 알면 나이와 학년도 알 수 있다 ) No partial dependencies

cacaocoffee

데이터 클래스 data 키워드로 선언하며 자주 사용하는 데이터를 객체로 묶어준다. 데이터 클래스는 VO(value-object)클래스를 편리하게 이용하게 해준다. 선언 기존의 class 선언 앞에 data를 넣어 선언한다. 객체 생성 기존 class 와 같이 주생성자의 매개변수를 넣어 생성할 수 있다. equals() 객체의 데이터 비교하는 함수이다. VO클래스는 데이터를 주요하게 다루는 클래스이다. 따라서 객체의 데이터가 서로 같은지 비교가 빈번하게 이루어진다. 이는 객체가 같은 것과는 다르다. kotlin에서는 equals() 함수를 통해 주로 사용된다. 위 코드의 경우 각각 false ,true 의 값을 출력한다. 이는 equals() 함수는 일반 클래스의 객체를 비교하면 객체 자체를 비교하므로 결과값으로 false 를 내보낸다. 하지만 데이터 클래스의 객체를 비교하면 객체의 데이터를 비교하므로 true를 내보내

user1

movie 1:N 관계 에서의 N+1 발생 지연(Lazy) 로딩 연관관계의 Entity 를 proxy 객체로 가지고 있음, 실제로 해당 데이터를 사용하게 될 때 쿼리가 다시 날라감 ( N + 1 발생 ) Fetch join 연관관계의 Entity 까지 한번에 조회 즉시(Eager) 로딩 연관관계의 Entity 는 무시하고 조회 대상 Entity 를 우선 조회, 그 후 글로벌 패치 전략을 확인하고 즉시 연관관계의 Entity 를 조회 하면서 쿼리가 다시 날라감 ( N + 1 발생 ) 지연(Lazy) 로딩 권장, fetch join 을 함께 사용하기를 권장 fetch join limit 을 통해 페이징 시도 시, 데이터 누락이 발생할 수 있음

user1

@ManyToOne ( N : 1 관계 ) 연관관계 주인 : 외래키를 관리하는 참조 ( 주로 N 쪽이 관계의 주인) 주인의 반대편 : 외래키에 영향을 주지 않고 단순 조회만 가능 ex) 팀원들의 팀은 하나 @OneToMany(mappedBy = "team") -> team 은 연관관계의 주인이 아님 을 뜻함 외래키는 member 에게 team_id 로 만들어짐 외래키를 가지는 member 가 관계의 주인

qew8502

3. 범주형 데이터 시각화 >seaborn을 import하고 data loading하는 code 이번 포스팅에서 살펴볼 시각화 그래프들 막대 그래프 포인트플롯 박스플롯 바이올린플롯 3.1 막대 그래프(barplot) 막대 그래프 barplot() 범주형 데이터 값에 따라 수치형 데이터 값이 어떻게 달라지는지 파악할 때 사용함. 범주형 데이터에 따른 수치형 데이터의 평균과 신뢰구간을 그려준다. 수치형 데이터의 평균 : 막대 높이, 신뢰구간 : 오차 막대 로 표현한다. 원본 데이터를 복원 샘플링하여 얻은 표본을 활용햐 평균과 신뢰구간을 구함 즉, barplot()은 원본 데이터 평균이 아니라 샘플링한 데이터 평균을 구하는 것!!! 기본적으로 x파라미터에 범주형 데이터를, y파라미터에 수치형 데이터를 전달한다. data파라미터는

user1

movie database 의 relationship 은 primary key 와 foreign key 가 연결되는 걸 통해서 실제로 구현 된다. Cardinality 1:1 @OneToOne ( 학급하나 담임하나 ) 1:N @OneToMany ( 게시물 하나 댓글 여러개) N:1 @ManyToOne ( 댓글들의 게시물 하나 ) N:M @ManyToMany ( 나무위키 - 너도쓰고 나도쓰고 - 내가 이것도 쓰고 저것도 쓰고 ) Optionality Optional ( 저자 입장에서 내가 쓴 글이 없을 수 있다. ) Optional 의 다이어그램은 O 로 표시 ( 글 쪽에 O ) Mandatory ( 글 입장에서 날 쓴 저자는 무조건 있다. 작자미상? ㅋ) -

sssjrnfaos

아나콘다는 Data Science와 Machine Learning 프로젝트를 개발하고 관리하는데 도움을 주는 오픈 소스 플랫폼 및 배포판 데이터 과학(Data Science) 관련 라이브러리, 패키지를 제공하며 프로젝트 환경을 손쉽게 설정하고 관리할 있게 해주는 도구이다. 아나콘다를 쓰는 이유 아나콘다를 사용하면 프로젝트별로 독립적인 가상환경을 사용할 수 있다. 동일한 PC에서 여러 프로젝트를 진행하다 보면 사용하는 패키지 버전이 달라 충돌이 발생 할 수 있는데, 아나콘다를 사용하여 가상환경을 만들면 한 PC로도 여러가지 버전의 패키지를 쓸 수 있게 되는 것이다. conda 명령어 conda 명령어를 사용하여 가상환경을 생성, 복제, 삭제 등 관리할 수 있다.

jongk91

youtube API 유투브의 api를 받아와 json을 활용해보자! API 파헤치기 >https://www.googleapis.com/youtube/v3/search?part=snippet&q=먹방&maxResults=3&key=AIzaSyCv 나의 api 코드 주소 API 활용하기 `` 백틱을 사용하여 fetch안에 주소를 넣는다. data를 사용하게 될 태그를 백틱을 활용하여 넣어준다. 그리고 ✅ 선언된 html변수를 ul태그에 넣어주기 위해 $('ul').html(html);를 써준다. 그 후에 위에 적어두었던 api주소를 들어가보았다. 그러면 아래와 같이 데이터들이 눈에 정렬이 되었다. ![](https://velog.velc