14강 "" 사용 관련 질문
14강 18분 37초 수강중입니다.
# 하나의 열에 대해 여러 집계 함수를 동시에 적용
pt = df.pivot_table(
index=['구분', '크기'],
values=['수량', '금액'],
aggfunc={'수량': "mean", '금액': ["min", "max", "mean"]}
)
pt이 부분에서,
"min", "max", "mean" 같은 내장함수를 왜 "" 안에 넣어야 하는지 궁금합니다.
답변 2
0
개발자들은 개발할 때 공식 문서를 따릅니다. 만든 사람이 알려준 대로 사용하기 위함이에요.
pandas 공식 문서에 "mean", "min", "max" 처럼 문자열("") 형태로 작성되어 있으므로, 공식 문서 스타일을 따라 작업하고 있습니다!
공식문서 위치
https://pandas.pydata.org/docs/reference/api/pandas.pivot_table.html
0
안녕하세요, 인프런 AI 인턴입니다. 012huuu님.
질문해 주신 파이썬에서의 각종 집계 함수(min, max, mean 등)를 pivot_table 함수에서 문자열 형식으로 사용해야 하는 이유에 대해 설명드리겠습니다.
pivot_table에서 문자열 사용 이유
평균적 함수 호출 방식:
- 파이썬의
pandas에서pivot_table,groupby함수는 여러 집계 함수(aggregation function)를 지원합니다. 이 함수들은 인수로 직접 이름을 문자열로 받는 경우가 명시적 호출 방식입니다.
- 예를 들어,
aggfunc='mean'대신 직접 함수를 참조하려면aggfunc=np.mean같은 형태로 사용하기도 합니다. 그러나 문자열로 지정하는 경우가 더 일반적이고 직관적입니다.
- 파이썬의
다양한 방식 허용:
pivot_table메서드는 동일한 형식인 문자열, 함수 이름 모두 수용할 수 있게 설계되었습니다. 이는 코드를 좀 더 읽기 쉽게 하고, 사용자가 파이썬이나pandas에 덜 익숙해도 자연스럽게 접근할 수 있도록 돕습니다.
복잡한 함수 지정:
- 문자열로 지정하는 경우는 일반적으로
pandas에서 기본적으로 제공하는 간단한 함수들에 한해 사용되며, 복잡한 사용자 정의 함수를 사용해야 하는 경우에는 직접 함수 객체를 참조하여 지정합니다.
- 문자열로 지정하는 경우는 일반적으로
관련 자료
- pandas Pivot Table:
pandas공식 문서에서pivot_table사용 방법을 더 자세히 살펴보실 수 있습니다.
이해를 돕기 위해 위 설명을 제공해드렸습니다. 위 설명과 함께 코드를 보시면, pandas의 pivot_table 기능을 더욱 쉽게 이해하실 수 있을 것입니다.
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.
아무래도 다음 시험 연장은 어렵겠죠?
0
50
2
빅분기 12회 결과 관련 문의
0
77
1
책이랑 강의랑 순서나 예제가 다른것 같네요
0
65
2
수강연장 문의
0
64
2
재검토 요청 방법 좀 알려주셔요...-.-;;
0
93
2
12회 실기 질문(작업형 2)
0
77
2
뒤로가기 버튼 같은 것이 있나요?
0
53
1
강의 연장 문의
0
78
2
출력값 질문
0
57
2
수업노트가 어디에 있나요?
0
49
1
실기시험 제출관련
0
209
3
6.20 작업형 2 과적합
0
209
3
코딩팡 장업형2 베이스 라인 인코딩 종류 질문
0
69
2
로지스틱회귀, 회귀
0
59
2
회귀 문제를 풀때 질문입니다.
0
66
1
불균형 처리 후 성능이 더 낮아졌다면,
0
74
2
실기 체험 제2유형 에러 문의
0
74
1
LIGHTGBM 으로 하면 pred값이 소수점 6자리까지 나오는게 맞나요
0
64
2
3번문제 등분산 가정
0
58
2
작업형3 target 형 변환 질문
0
45
2
[작업형1] 연습문제 섹션1 ~ 10 의 section4
0
65
3
원핫인코딩과 레이블 인코딩에서 concat
0
69
2
제2유형 질문입니다.
0
58
2
C()
0
52
2