반응형 다양한 실전소스코드/PYTHON데이터과학6 파이썬으로 배우는 재귀함수, 상세 설명 안녕하세요 재귀 함수를 저도 잘 사용하지 않았었고, 코딩 테스트에서 필수라는것을 깨달은 후로 저처럼 어려워하시는 분들을 위해 같이 배울겸 정리를 해보았습니다. 순서는 1. 팩토리얼 설명 (재귀 미사용/ 사용 ) 2, 순열 설명 (재귀 미사용/ 사용) [ 팩토리얼 ] 가장 유명한 팩토리얼 함수를 통해 설명하겠습니다. 5! 는 5 × 4 ×3 ×2 ×1 입니다. 먼저 일반적인 방법 입니다 def factorial(n): # n의 팩토리얼을 계산하는 함수입니다. result = 1 # 1부터 n까지의 곱을 저장할 변수입니다. 초기값은 1입니다. for i in range(1, n+1): # 1부터 n까지 반복합니다. result *= i # result에 i를 곱한 값을 저장합니다. return result .. 2023. 3. 19. [중요]Pandas에서 Column 필터링 하는 3가지 방법 df[['a','b','c']][df.d>5][df.c 5) & (df.c 2023. 3. 17. MinMaxScaler (Sklearn) 다양한 사용예 MinMaxScaler는 데이터를 일정한 범위 안으로 스케일링하는 데 사용됩니다. 데이터의 크기와 범위를 표준화하여 데이터 분석 및 머신러닝 모델링을 수행하기 쉽게 만들어줍니다. 다른 단위나 스케일을 가진 데이터를 비교하거나 분석하는 것은 어렵습니다. 예를 들어, 체중은 kg으로, 키는 cm으로 측정되기 때문에 직접 비교하기 어렵습니다. 이때, MinMaxScaler를 사용하여 두 변수를 동일한 스케일로 조정하면 체중과 키의 값이 동일한 범위 안으로 들어가게 되어 직접적으로 비교하기 쉬워집니다. 또한, MinMaxScaler는 이상치(outlier)가 있는 경우에도 효과적입니다. 이상치는 일반적으로 큰 값을 가지며, 이를 제외하지 않으면 스케일링된 데이터의 범위가 크게 왜곡됩니다. MinMaxScaler.. 2023. 3. 17. Pandas 컬럼을 딕셔너리로 매핑해서 새 컬럼에 추가하기 데이터 분석을 할 때, 데이터를 다루기 쉽도록 범주형 데이터를 수치형 데이터로 변환해야 할 경우가 많습니다. 이러한 작업을 범주값 매핑(mapping)이라고 합니다. 범주값 매핑을 수행하는 가장 기본적인 방법은 사전(dictionary)을 이용하는 것입니다. 예를 들어, 다음과 같은 데이터프레임이 있다고 가정해보겠습니다. import pandas as pd df = pd.DataFrame({'fruits': ['apple', 'banana', 'orange', 'kiwi']}) 이제 이 데이터프레임에서 fruits 열의 값을 수치화하고 싶다고 가정해봅시다. 이를 위해서는 fruits 열의 고유값(unique values)을 확인하고, 이를 사전으로 매핑해주어야 합니다. fruits_dict = {'app.. 2023. 3. 17. 이전 1 2 다음 반응형
