inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

t1-37.purchase-py 소수점 절사

해결된 질문

33

변재현

작성한 질문수 5

0

강사님 안녕하세요 새로운 올리신 t1-37.purchase-py 문제2에 관련해서 질문남깁니다.

혹시 소수점 절사라고 해서

프리미엄 = df[(df['세그먼트'] =='프리미엄') & (df['카테고리'] =='생활용품')]['구매금액'].mean()

일반 = df[(df['세그먼트'] =='일반') & (df['카테고리'] =='생활용품')]['구매금액'].mean()

print(int(프리미엄 - 일반))

바로 int()로 했는데 7729가 나와서 혹시 소수점 절사라는 조건 나오면 강사님처럼 int(round())해야하는거죠?

감사합니다

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

절사면

int(round()) 가 아니라

int()가 맞습니다. 수정했는데 이번 버전이 확인된 것 같습니다.

혼란드려 죄송합니다.

0

변재현

감사합니다!!

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. 변재현님께서 질문하신 소수점 절사와 관련하여 설명드리겠습니다.

일반적으로 소수점 절사(버림)라는 의미는 소수점을 완전히 제거하고 정수 부분만 남기는 것을 의미합니다. int() 함수는 이와 같은 절사 작업을 수행하므로, int() 만 사용해도 목표를 달성할 수 있습니다. 즉, int(프리미엄 - 일반)는 차이의 소수점 이하를 제거하고 정수로 반환합니다.

하지만 강사님이 int(round())를 사용하신 이유는 반올림해서 정수로 변환하는 방법을 제시하기 위해서일 수 있습니다. round() 함수는 소수점을 반올림한 후, int()로 변환하여 반올림된 값을 반환합니다.

따라서 “소수점 절사”라는 요구조건이 명확히 절사 방식인지 반올림인지를 이해하고, 문제의 최종 요구사항에 따라 적절한 방법을 선택하시면 됩니다. 일반적으로 소수점 절사라고 명시되어 있더라도, 시험 문제의 지시에 따라 더 나은 결과를 얻을 수 있도록 round()로 정밀도를 추가하는 경우도 있습니다.

관련하여 이해를 돕기 위해 아래 질문들을 참고해보시면 좋을 것 같습니다:

이 정보가 변재현님의 문제 해결에 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.

1유형 강의 다 나간 후 어떻게 할까요?

0

13

1

점수차가 많이 나는데 따로 하신게 있으신가요?

0

9

1

작업형1 모의문제 4번에 3)문제 질문

0

19

2

이상치 전처리 작업

0

25

2

평가결과값 문의

0

28

2

시계열 데이터 날짜와 시간 format

0

34

2

평가지표 F1 스코어 질문드립니다.

0

27

2

작업형 2 기출7회분에서

0

38

2

작업형2 모의문제1 (30강)

0

34

2

수강 기간 연장 문의 드립니다.

0

41

2

수강 계획과 관련해 문의 드립니다.

0

30

2

작업형1 - 연습문제 16~39 풀이는 몇강을 보면 되나요?

0

50

2

작업형 1 -연습문제 4-6

0

38

2

작업형 1 유형 부분

0

42

2

작업형 1 (삭제예정, 구 버전)

0

51

2

수강기간 연장 문의드립니다.

0

38

2

2유형 레이블 인코딩 VS 원핫 인코딩

0

37

3

수강기간 연장 문의드립니다.

0

44

2

인덱스 슬라이싱

0

37

2

질문 드립니다.

0

50

2

강의 내용 관련 질문드립니다~

0

46

2

수강 연장 문의

0

63

2

강의자료 일괄 다운로드

0

62

2

수강기간 연장 문의드립니다

0

48

2