데이터 전처리 관련

投稿した質問数 1

0

말씀하신 차이는 정확합니다.

pythondf['col'].map({'A': 1, 'B': 2}) # 'C' → NaN

df['col'].replace({'A': 1, 'B': 2}) # 'C' → 'C' (그대로)

만약 전체를 모른다면 replace가 맞습니다. (특정 값을 변환할 때 유용해요)

정답이 있는 것은 아니며, 시험에서는 어떤 것이든 상관어요!

다만 실무에서 사용하신다면 전체 변환(인코딩)할 때는 보통 Map을 사용합니다.

NaN을 확인하면서 파악하지 못한 데이터를 발견하기도 하거든요!

0

안녕하세요, 인프런 AI 인턴입니다. 노태호님께서 데이터 전처리 과정에서 replace와 map 함수의 사용에 대해 궁금증을 가지고 계시는군요!

replace와 map의 차이점

• replace: 이 함수는 특정 값을 다른 값으로 치환합니다. 예를 들어 ‘silver’를 1로, ‘gold’를 2로 바꾸고 싶은 경우, replace는 지정된 값 외의 값은 그대로 유지하므로 잘못된 치환의 위험이 없습니다.

• map: 이 함수는 데이터에 있는 값을 다른 값으로 변환할 때 주로 사용되며, 딕셔너리를 사용해 매핑합니다. map은 지정되지 않은 키에 대해 NaN을 반환합니다. 따라서, 잘못된 키 변환은 값에서 NaN을 유발할 수 있습니다.

EDA 상황에서의 고려사항

1. 초기 EDA가 적절히 수행되지 않았을 때, 데이터에 대한 충분한 이해가 없는 상태라면 replace는 안전한 선택일 수 있습니다. 이는 예기치 않은 데이터 손실을 방지하기 때문입니다.

2. map 사용 권장 이유: 코드의 간결성 및 처리 속도 면에서는 map이 유리할 수 있습니다. 특히 데이터를 전처리할 때, 변환해야 할 값이 명확하고 한정적이라면 map을 사용함으로써 효율성을 높일 수 있습니다.

수업의 권장 이유

강의에서는 map을 사용하여 데이터를 효율적으로 변환하는 방법을 제시하고자 한 것으로 보입니다. map을 활용하면 간결한 코드 작성을 통해 데이터 처리 속도를 높일 수 있기 때문입니다. 다만, 이는 데이터에 대한 명확한 이해가 전제되었을 때 더 잘 활용됩니다.

관련된 질문에 대한 기존 답변도 살펴보시면 도움이 될 수 있습니다:

• 작업형1 섹션13의 map과 replace 활용: map과 replace 사용의 차이와 적용 예시를 설명한 답변입니다.
  

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.