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 모의고사 풀어보기

모의고사 2번 sum( )과 .sum()의 차이

해결된 질문

96

bonanza9312

작성한 질문수 8

0

2번 문제를 풀다가 sum을 쓰는 방법에 대해서 궁금한 점이 있어 문의 드리빈다.

 

 

저는 print((a.sum(axis=1) > 0.1).sum()) 이렇게 풀었는데,

선생님께서는 print(sum(a.sum(axis=1) > 0.1)) 이렇게 푸셨더라구요.

 

답은 같은데, 두 방법의 차이가 있을까요?

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

sum() 파이썬 함수입니다.

.sum() 뒤에 붙이는 건 판다스 함수입니다.
아무데서나 사용하는건 아니고 데이터 프레임, 시리즈에 주로 붙일 수 있어요.

결과는 동일해요 🙂

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. bonanza9312님.

sum 함수와 .sum() 메소드는 파이썬에서 데이터의 합계를 계산할 때 많이 사용되는 기능이지만, 그 사용 방법과 대상이 약간 다릅니다.

  1. .sum(axis=1) 메소드: 이 메소드는 pandas의 DataFrame 객체에서 사용됩니다. axis=1은 각 행에 대한 합계를 계산하라는 의미입니다. 이후 (a.sum(axis=1) > 0.1)은 각 행의 합계가 0.1보다 큰지의 여부를 판별하는 Boolean Series를 반환합니다. 마지막으로 .sum()을 호출하면 True(1)의 개수를 세어서 반환합니다.

  2. sum() 함수: 이는 파이썬의 내장 함수로, 어떤 이터러블 객체에 대해서 합계를 구할 수 있는 기능을 제공합니다. (a.sum(axis=1) > 0.1)이 반환하는 Boolean Series에 sum()을 적용하면 True 값의 개수를 세어서 반환하는 것이죠.

두 방법 모두 같은 결과를 반환하며, 이는 pandas의 연산을 이용하느냐 아니면 파이썬의 내장 함수를 이용하느냐의 차이입니다. 성능 면에서 큰 차이는 없으므로 편한 방법을 사용하셔도 무방합니다.

관련 질문을 해결하는 데 도움이 될 수 있는 유사한 질문 및 답변을 여기에서 확인하실 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.

수강 연장 문의드립니다.

0

23

2

강의 연장 문의

0

29

2

수강 신청 연장 문의드립니다.

0

42

2

작업형 1번문제... 환경관련

0

30

2

12회 기출은 언제 업데이트 될까요??

0

39

2

8/6 작성한 연장문의 질문글에 대한 재요청

0

38

2

수강기간 연장 문의

0

40

2

수강기간 연장문의

0

37

2

수강기간 연장 요청 문의드립니다

0

38

2

수강 기간 연장 문의

0

47

2

수강연장 가능 문의 (기간 약 한달반)

0

60

2

수강기간 연장 가능할까요 선생님

0

74

2

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

0

56

3

수강연장요청 문의

0

91

2

아무래도 다음 시험 연장은 어렵겠죠?

0

109

2

빅분기 12회 결과 관련 문의

0

113

1

책이랑 강의랑 순서나 예제가 다른것 같네요

0

82

2

수강연장 문의

0

107

2

재검토 요청 방법 좀 알려주셔요...-.-;;

0

106

2

12회 실기 질문(작업형 2)

0

92

2

뒤로가기 버튼 같은 것이 있나요?

0

66

1

강의 연장 문의

0

99

2

출력값 질문

0

74

2

수업노트가 어디에 있나요?

0

63

1