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

object type 문제 다른 풀이 확인

해결된 질문

71

dkdidch

작성한 질문수 4

0

#모의문제 2 - 내가 푼 것
import pandas as pd
df=pd.read_csv('members.csv')
#print(df.info())
cond=df.dtypes=='object'
#print(df.shape)
df=df.drop(df.columns[cond],axis=1)
df=df.fillna(0)
#print(df.shape)
#print(df.info())
cond2=df.sum(axis=1)>3000
print(len(df[cond2]))

이렇게 해도 정답 73으로 동일한데, 이렇게 풀어도 되는지 여쭙고싶습니다.

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

네, 가능합니다 👏👏👏👏👏

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. dkdidch님, 질문해주신 내용에 대해 답변드리겠습니다.

제출하신 코드는 데이터프레임에서 object 타입의 열을 제거한 후 결측값을 0으로 채우고, 각 행의 합산 값이 3000보다 큰 행의 개수를 세고 있습니다. 이 방식은 문제의 요구사항을 충족하는 다른 유효한 접근법으로 볼 수 있습니다.

코드를 단계별로 검토하자면:

  1. object 타입 열 제거: df.dtypes=='object' 조건으로 문자형 열을 선택하고, 삭제합니다.

  2. 결측값 채우기: df.fillna(0) 메서드를 사용해 결측값을 0으로 채웁니다.

  3. 행 합계 계산 및 3000 이상 확인: 최종적으로 각 행의 합을 계산하여 3000보다 큰 행의 개수를 출력합니다.

유사한 문제에서 다양한 접근법이 있을 수 있으며, 질문자님이 선택한 방식도 문제의 요구에 효과적으로 대응하고 있습니다.

유사한 주제에 대한 해결책을 제공하는 기존 질문과 답변을 참고하시기 바랍니다:

질문자님의 코드가 문제의 요구사항을 만족하므로, 적용한 방법은 적절하다고 할 수 있습니다.

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.

작업형2에서 데이터 분포를 확인하는 이유

0

18

2

10회 기출 작업형 2 문제

0

18

1

코딩팡 프로 인증

0

22

1

이번 강의 학습노트

0

18

2

캐글 질문

0

17

2

코딩팡 pro 관련

0

20

1

9번질문입니다.

0

22

2

시험에 대해서

0

21

2

12회 작업형 2

0

25

2

copy()

0

26

2

딴짓코치 이용

0

21

1

수강 관련 문의 드립니다.

0

63

4

자치구 상점 수 합(12회)

0

29

1

불균형데이터 처리 전후 비교

0

34

2

레이블인코딩/원핫

0

44

2

인코딩

0

43

2

작업형 2 작업

0

42

2

ttest_rel() 관련 질문

0

51

2

작업형2. 인코딩에 대해 질문드립니다.

0

39

2

작업형3 2-3

0

47

1

코딩팡 2호선 전처리 종합 28번 중고 카메라 매입가 문제 최적화 질문드립니다.

0

40

1

8회 작업형2

0

39

2

작업형2 모의문제2 updated 2026.10

0

54

3

단순선형 회귀분석 신뢰구간,예측구간 관련질문

0

48

2