inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

[작업형1] 연습문제 12번 문제

47

민지

작성한 질문수 8

0

안녕하세요.

[작업형1] 섹션12번 문제에서 두번째 지시문에 결측치가 있는 데이터(행)을 삭제하라고 되어있는데 답안 내의 주석에는 컬럼 자체를 삭제하도록 해설이 되어있습니다.

 

답에는 차이가 없으나 저의 문제 이해력이 부족한건지 궁금하여 문의드립니다.

 

 

문제)

image.png

해설)

image.png

 

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

# 특정 컬럼에 결측치가 있을 경우 해당 행 제거
가 맞습니다. 코드 수정할게요!

풀이가 완성된 후 문제를 수정할 때가 있었는데

주석을 미처 수정하지 못했습니다. 양해 부탁드립니다.

 

문제가 한번에 이해가 잘 안된다면 민지님의 이해력 부족은 아닙니다.

0

민지

감사합니다!

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. 민지님 질문에 대해 도와드리겠습니다.

작업형1 섹션12번 문제에서 명시된 “두번째 지시문”에서는 결측치가 있는 데이터(행)를 삭제하라고 되어 있지만, 답안 주석에서는 컬럼을 삭제하도록 설명이 되어 있었다고 하셨습니다. 문제와 답안 설명 간의 충돌이 있어 혼란스러우셨겠네요.

  • 문제 이해 및 해설 차이점 설명: 일반적으로, 결측치가 많은 경우 행을 삭제하는지 혹은 전체 열을 삭제하는지는 문제의 의도에 따라 다를 수 있습니다. 결측치가 몇 개 안 되는 경우 행을 삭제하는 것이 적절할 수 있지만, 특정 열에서 결측치 비율이 상대적으로 매우 높은 경우 그 열 자체를 분석에서 제외시키는 것을 권장하기도 합니다.
  1. 문제의 명확한 이해 필요성: 문제에 언급된 지시문이 “결측치 있는 행을 삭제”하라는 경우, 이 지시는 특정 열이 아닌 모든 결측치가 있는 행을 삭제하는 것으로 이해될 수 있습니다.

  2. 답안의 접근 방식: 해설의 경우, 데이터 분석의 목적이나 맥락에 따라 결측치가 많은 특정 열을 삭제하는 것이 더 의미가 있을 때도 있습니다. 특히, 분석의 핵심이 되는 열이 아닌 경우라면 과감히 삭제하는 것도 방법입니다.

관련하여 유사한 문제 및 강의에서 다룬 내용을 조금 더 알아보시면 도움이 될 것 같습니다. 민지님과 같은 질문을 겪으신 다른 수강생들이 많은데요, 아래 링크들을 참고하여 문제 해결에 힌트를 얻으실 수 있을 겁니다:

저는 민지님의 이해를 돕고자 위의 유사한 질문과 답변 링크를 추천해드리고 있습니다. 이 기능은 현재 베타 버전이므로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적인 질문이 있으시면, 이어서 더 질문해 주세요. 곧 지식공유자께서 답변해 주실 것으로 기대합니다.

RandomForest vs lgb

0

11

1

전처리 관련질문

0

7

2

작업형3 기출

0

7

1

유형2에서 데이터분할 생략 가능여부

0

13

2

9회 기출 유형3 질문

0

10

1

lgb 기초편

0

8

1

괄호 사용

0

12

1

작업형 2 데이터 전처리 질문

0

14

1

11회 기출 유형 작업형1 문제 3-1

0

10

0

예시문제 작업형2 (ver2023) 질문입니다

0

12

1

Data type에 따른 처리

0

12

2

데이터 전처리 관련

0

14

2

시험에서 문제 불러오기

0

12

2

2번문제 출력값 질문

0

18

2

pd.get_dummies()가 bool로 반환

0

16

2

대응표본검정 레빈

0

20

3

단일표본검정 문제 유형

0

22

2

[작업형 3] 6~7. 카이제곱 검정

0

18

2

9회 작업형3 문제 1-1

0

35

2

최종답안 계산 방식 질문

0

20

1

시험 치기 전 급하게 질문 사항

0

35

2

유형3

0

29

2

작업형 2 연습문제 섹션 3

0

20

2

11 기출문제 ipynb파일

0

33

2