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 모의문제2

작업형1 모의문제2 9분 10초 내용에 대해 질문 드립니다.

해결된 질문

67

박춘호

작성한 질문수 2

0

age 컬럼에서 소수점인 칼럼을 찾기 위해

df[age] != round (df[age], 0)으로 수식 작성하셨는데요.

 

이렇게 될 경우, 36.3은 버림이 되면서 round 적용하기 전과, 적용한 이후가 같아져서 누락이 되는거 아닌지 궁금합니다. 영상에서는 36.3 값도 필터링이 되던데 어째서 가능한지 너무 궁금합니다ㅠ

 

바쁘신데 감사합니다!

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

1

퇴근후딴짓

예를들어, 데이터에 35와 37.1이 있다고 가정하겠습니다.

df[age] != round (df[age], 0) 로 가정한다면

 

첫번째 35 != 35 입니다. False죠!

두번째 37.1 != 37 입니다. True입니다.

이해가 될까요?

앞에 값은 원본값 그대로 적고, 뒤에 값은 round처리된 값이 작성됩니다.
반올림, 절사와 상관없이 원본과는 다른 값이죠!

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. 박춘호님.

박춘호님의 질문은 round 함수를 사용하여 소수점이 있는 값을 올바르게 필터링하는 방식에 대한 내용으로 이해됩니다.

df['age'] != round(df['age'], 0) 이 식은 df['age'] 값이 반올림된 값과 다를 경우에만 해당하는 데이터를 필터링합니다. 즉, 반올림 후 값이 원래의 값과 다른 모든 소수점이 포함된 나이 값을 찾아냅니다. round 함수는 주어진 값에서 소수 첫 번째 자리에서 반올림을 수행하기 때문에 36.3이 0으로 반올림 되지 않고 36으로 반올림 됩니다. 따라서 원래 값 36.3과 반올림 값 36은 같지 않으며, 이로 인해 필터링된다는 것입니다.

관련된 자료나 추가적인 예시를 참고하실 수 있는 유사 질문 링크는 다음과 같습니다:

  • 작업형1 모의문제2 6번 에서는 % 연산자를 통해 소수점을 필터링하는 다른 방법을 설명하며, 소수점 값들을 정확히 탐지하고 제외하는 방법에 대한 정보를 제공합니다. 이는 데이터 전처리에서 소수점 값 처리 방법에 대한 이해를 도울 수 있습니다.

이 정보가 박춘호님의 질문에 대한 이해를 깊이 하는 데 도움이 되길 바랍니다.

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.

수강기간 연장문의

0

0

0

강의 관련 질문

0

11

0

작업형 2 질문

0

16

2

강의 연장 관련하여 문의드립니다.

0

19

1

섹션7 자료 다운로드

0

20

2

작업형 1 연습문제 Section12

0

19

2

수강기간 연장 문의

0

30

1

안녕하세요, 혹시 수강기간 연장이 가능할까요?

0

29

2

판다스 강의자료는 어디서 받을 수 있나요?

0

28

2

작업형2 모의고사3 자료 업데이트 요청

0

35

4

수강 연장가능여부 문의드립니다!

0

38

2

수강기간 연장 문의드립니다!

0

36

2

최빈값

0

37

2

수강 가이드라인

0

31

2

수강 연장 가능 여부 문의

0

57

2

강의 구매했는데 교재 필수일까요

0

45

2

수강기간 연장 가부 문의드립니다.

0

41

2

수강기간 연장이 가능한지 양해를 구하며 문의를 드립니다.

0

43

2

작업형2 모의문제2에서 drop이랑 인코딩

0

52

3

인코딩을 다 꼭 해봐야하는지

0

51

2

안녕하세요? 강사님 질문있습니다.(인코딩관련)

0

62

2

이진분류에서 양성 클래스가 0일 때 평가 방법

0

46

2

원핫인코딩 전 train과 test 병합여부

0

53

2

수강기간 연장

0

72

2