inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

(삭제 예정, 구 버전) 작업형1 모의문제1

map 적용 의미

해결된 질문

92

wsyang

작성한 질문수 48

0

map을 적용한다는 것이 어떤 의미인가요?

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

사전에 정의한 특정값으로 변환할 수 있어요! (맵핑)
map은 심화 학습으로 패스하고 넘어 가셔도 좋습니다.

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. wsyang님.

map 함수와 관련한 질문을 주셨네요. map 함수는 주로 데이터를 변환할 때 사용하는 파이썬에서 아주 유용한 함수입니다. pandas 라이브러리에서는 주로 Series(열)에 표현된 각 요소에 함수를 적용하고, 이를 통해 새로운 값을 반환할 수 있도록 해줍니다.

map 함수 활용하기

  • 목적: 데이터의 각 요소를 적절한 방식으로 변환하거나 매핑할 때 사용합니다. 예를 들어, 데이터에 있는 특정 문자열이나 숫자를 다른 형식으로 변환할 때 사용 가능합니다.

  • 예시:
    ”`python
    import pandas as pd

data = {‘Category’: [‘silver’, ‘gold’, ‘vip’]}
df = pd.DataFrame(data)

# 사전(Dictionary)을 이용한 변환
mapping = {‘silver’: 1, ‘gold’: 2, ‘vip’: 3}
df[‘Category Code’] = df[‘Category’].map(mapping)


- **함수 & 람다 사용**: `map` 함수를 사용하여 함수나 람다(lambda) 식으로 더 복잡한 변환도 가능해집니다.
  ```python
  df['Category Code'] = df['Category'].map(lambda x: len(x))

기본적으로 map은 pandas의 Series에 적용하여 데이터 내부의 값을 새로운 값으로 치환하는 데 많이 이용되며, 직접적으로 무언가를 수행하는 대신, 정의한 변환 규칙에 따라 데이터를 변환시킵니다.

관련된 세부 설명이나 예제를 보시려면 아래 링크를 참조하시면 좋겠습니다:
- pandas.Series.map 사용 방법

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.

작업형 1번문제... 환경관련

0

9

1

12회 기출은 언제 업데이트 될까요??

0

9

1

8/6 작성한 연장문의 질문글에 대한 재요청

0

22

1

수강기간 연장 문의

0

25

1

수강기간 연장문의

0

25

1

수강기간 연장 요청 문의드립니다

0

30

1

수강 기간 연장 문의

0

35

1

수강연장 가능 문의 (기간 약 한달반)

0

53

2

수강기간 연장 가능할까요 선생님

0

70

2

Section15. 수업에 사용하는 데이터 주소가 다 보이지 않아서 실습을 위한 데이터를 다운 받지 못하고 있습니다.

0

47

3

수강연장요청 문의

0

83

2

아무래도 다음 시험 연장은 어렵겠죠?

0

103

2

빅분기 12회 결과 관련 문의

0

107

1

책이랑 강의랑 순서나 예제가 다른것 같네요

0

78

2

수강연장 문의

0

102

2

재검토 요청 방법 좀 알려주셔요...-.-;;

0

101

2

12회 실기 질문(작업형 2)

0

88

2

뒤로가기 버튼 같은 것이 있나요?

0

61

1

강의 연장 문의

0

97

2

출력값 질문

0

69

2

수업노트가 어디에 있나요?

0

59

1

실기시험 제출관련

0

222

3

6.20 작업형 2 과적합

0

227

3

코딩팡 장업형2 베이스 라인 인코딩 종류 질문

0

86

2