inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

작업형2 모의문제2

작업형 2 모의문제 test_id pop

해결된 질문

201

thstmddns

작성한 질문수 2

0

안녕하세요? 선생님

강의를 듣다보니 pop 함수에 대해 궁금한 점이 생겼습니다.

 

선생님께선 train에는 drop을 쓰시고 test에는 pop을 쓰셨는데, 혹시 test에도 drop을 써도 되나요?

 

강의에서pop은 대입하고 컬럼을 삭제한다고 하셨는데, test_id = test.drop('id', axis=1)하면 test 컬럼에는 id가 남아있고 test_id에만 id 컬럼이 삭제된 후 들어가니 drop을 써도 되지 않나 해서요....

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

1

퇴근후딴짓

test_id = test.drop('id', axis=1)

작업후 test_id 를 출력해볼래요? 원하는 결과값이 아닐거에요

test_id에는 id가 아니라 id를 제외한 데이터프레임 전체가 들어갑니다

저와다른 원하는 방식이 있다면 실행하고 출력해서 눈으로 확인해 보는 것을 추천해요

0

thstmddns

앗 이해했습니다!! 감사합니다!!

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다.

thstmddns님의 질문에 대해 찾은 유사한 기존 답변은 “test.pop(‘id’)는 2가지 기능이 실행됩니다. 1) test_id변수에 ‘id’컬럼 값을 대입하고, 2) ‘id’컬럼을 데이터프레임에서 제거합니다.“라는 내용입니다. 이를 통해 pop 메소드는 지정된 컬럼을 데이터프레임에서 제거하면서 해당 컬럼의 값을 별도 변수에 저장할 수 있게 해줍니다. 이는 데이터를 분리한 후, 예측 결과와 함께 제출 파일을 생성할 때 해당 ‘id’의 정보가 필요하므로 유용하게 사용됩니다.

반면, drop 메소드를 사용할 경우에는 단순히 해당 컬럼을 데이터프레임에서 제거하는 작업만 실행되고, 해당 데이터를 별도 변수에 저장하지는 않습니다. 따라서, test_id = test.drop('id', axis=1)와 같이 작성하면 test_id 변수에는 ‘id’ 컬럼이 제거된 새로운 데이터프레임이 저장되고, 원본 test 데이터프레임에서는 ‘id’ 컬럼이 그대로 유지되어 thstmddns님의 기대와는 다른 결과가 나타날 것입니다.

질문하신 내용에 기반하여, 작업형2에서 test_ID의 경우에서 비슷한 상황을 설명한 기존 답변을 참고하시기 바랍니다. 여기서는 pop 메소드의 사용법과 test_id를 분리하여 저장하는 방법에 대해 설명하고 있어, 질문하신 내용에 대한 이해를 도울 수 있을 것입니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.

질문 드립니다.

0

36

2

강의 내용 관련 질문드립니다~

0

34

2

수강 연장 문의

0

31

1

강의자료 일괄 다운로드

0

40

2

수강기간 연장 문의드립니다

0

27

1

list 문제 질문드립니다~

0

28

2

빅분기 실기 12회 재도전

0

39

1

강의 기간 연장 가능여부 검토 요청건

0

30

1

수강기간 연장 문의 드립니다

0

36

2

수강기간 연장 문의드립니다

0

46

2

질문이요

0

50

2

수강기간 연장 문의드립니다.

0

48

2

문제 3-2 질문드립니다

0

43

2

수강기간 연장 문의 드립니다.

0

57

2

변수, 칼럼 , df 구분

0

47

2

수강기간 연장 문의드립니다.

0

49

2

수강기간 연장 문의

0

46

2

수강기간 연장 문의드립니다.

0

40

2

수강기한 연장 문의

0

75

2

수강기간 연장 문의드립니다

0

57

2

결정트리에서 적절한 깊이 선택 후 시각화 과정에서 학습 데이터만 사용하는 이유

0

44

2

수강기간 연장 문의드립니다.

0

69

2

수강연장 문의

0

76

2

수강연장문의

0

53

2