inflearn logo
Khóa học

Khóa học

Chia sẻ kiến thức

Bài viết của codingkorea

codingkorea codingkorea

@codingkorea

Học viên
700
Đánh giá khóa học
82
Đánh giá khóa học
4.8

Bài viết 65

Hỏi & Đáp

3회 작업형1 문제 2

안녕하세요 최재현님, 유연수입니다. 작성하신 코드 맞습니다. 저도 같은 데이터로 돌려 봤는데 강의 코드랑 똑같이 102가 나오거든요. 시험은 코드가 아니라 결과 값으로 채점하니까, 이렇게 간결하게 푸셔도 전혀 문제없습니다. 오히려 더 깔끔하게 잘 푸셨어요. 강의에서 연도를 컬럼으로 바꿔서 푼 건, 실제 시험에서는 연도가 인덱스가 아니라 일반 컬럼으로 들어 있는 경우가 많아서 그렇습니다. 그럴 때는 df.loc[df['연도'] == 2003] 처럼 조건으로 골라야 하거든요. 그래서 어떤 데이터가 나와도 쓸 수 있는 방법으로 보여드린 겁니다. 다만 재현님 방식으로 푸실 때는 df.head() 로 첫 번째 열이 정말 연도인지 먼저 확인하시고, df.index 로 연도가 숫자로 들어 있는지도 한 번 보시면 되겠습니다. 글자로 들어 있으면 df.loc[2003] 이 안 될 수 있거든요. 그리고 강의 코드의 df.columns.values[0] = '연도' 부분은 최신 판다스에서는 오류가 날 수 있어서, df = df.reset_index().rename(columns={'index':'연도'}) 이렇게 쓰시는 게 더 안전합니다. 두 방법 다 알아 두시고, 시험장에서는 데이터 모양 보시고 편한 쪽으로 푸시면 되겠습니다. 합격 응원합니다!

Lượt thích
0
Số bình luận
3
Lượt xem
29

Hỏi & Đáp

6회 작업형1 문제2

안녕하세요, 질문 감사합니다. 말씀하신 내용이 맞습니다. 제가 잘못 보여 드린 부분이고, 수강생님이 잘못하신 것이 아닙니다. 프로젝트 값은 10~199 사이의 숫자이고 5개 칸을 더하기 때문에, 총프로젝트수는 최대 995를 넘을 수 없습니다. 그런데 이전 영상에 1605처럼 큰 값이 나온 이유는, 제가 코드를 한 줄씩 덧붙이면서 같은 셀을 여러 번 실행했기 때문입니다. df['총프로젝트수'] = df.iloc[ : , 2: ].sum(axis=1) df.iloc[ : , 2: ] 는 2번 인덱스 컬럼부터 끝까지를 뜻합니다. 처음 실행할 때는 1프로젝트~5프로젝트만 더해집니다. 그런데 셀을 다시 실행하면 앞에서 만든 총프로젝트수 컬럼도 범위에 들어가서 같이 더해집니다. 부서1로 계산해 보면 이렇습니다. 1번 실행: 193 + 76 + 105 + 49 + 112 = 535 2번 실행: 535 + 535 = 1070 3번 실행: 535 + 1070 = 1605 이전 영상의 값은 이렇게 3번 실행된 값이고, 올바른 총프로젝트수는 부서1부터 차례로 535, 463, 491, 529, 548입니다. 직원 한 명당 프로젝트 수도 29.72, 11.02, 49.1, 14.30, 11.91이 맞습니다. 다행히 부서3이 가장 많다는 결과는 같아서 답은 10으로 동일합니다. 하지만 이렇게 값이 틀어지면 다른 문제에서는 답이 달라질 수 있습니다. 시험에서는 다음 두 가지 중 하나로 예방하시면 됩니다. 셀을 다시 실행할 때는 데이터를 읽어 오는 pd.read_csv 셀부터 다시 실행하기 더할 컬럼의 범위를 끝까지 잡지 말고 df.iloc[ : , 2:7 ] 처럼 정확히 지정하기 강의 영상과 풀이 구글 코랩을 모두 올바른 값(535, 463, 491, 529, 548)으로 고쳐 두었습니다. 다시 보시면 이 값으로 나옵니다. 값이 이상하다고 느끼고 직접 따져 보신 점이 정말 좋습니다. 시험에서도 이렇게 결과를 한 번 의심해 보는 습관이 큰 도움이 됩니다. 합격을 응원하겠습니다!

Lượt thích
0
Số bình luận
1
Lượt xem
42

Hỏi & Đáp

인덱스 관리 기준관하여

네, 답변드립니다. 먼저 인덱스 추가할지 말지 결정할 때 제일 먼저 보는 지표는 buffers입니다. 선택도나 dml 빈도도 참고하긴 하지만, 결국 그 쿼리가 실제로 블록을 얼마나 읽어들이는지가 체감 성능을 가장 직접적으로 보여주기 때문에 buffers를 1순위로 봅니다. 인덱스 갯수 상한선은 사실 딱 몇 개다라고 정해놓기는 어렵습니다. 그 테이블이 조회 위주인지 dml 위주인지에 따라 달라지기 때문입니다. 조회가 압도적으로 많은 테이블이라면 인덱스를 좀 더 여유 있게 두는 편이고, insert나 update가 빈번한 테이블이라면 인덱스 하나 늘어날 때마다 dml 비용이 같이 늘어나니까 훨씬 보수적으로 접근합니다. 그래서 절대적인 개수보다는 그 테이블의 트래픽 패턴을 먼저 보고 판단하시는 게 맞습니다. 운영 중인 큰 테이블에 인덱스를 새로 만들 때는 생성 속도를 위해 parallel 옵션이랑 nologging 옵션을 같이 사용합니다. parallel로 여러 프로세스가 동시에 인덱스를 만들게 해서 시간을 줄이고, nologging으로 리두 로그 생성을 최소화해서 부하를 줄이는 방식입니다. 인덱스 생성후에는 반드시 alter index 명령어로 다시 parallel 을 1로 되돌리고 로깅도 nologging 에서 logging으로 변경을 해둡니다.

Lượt thích
0
Số bình luận
2
Lượt xem
104

Hỏi & Đáp

다른 디비관련

네 ~ 답변드립니다. DBMS 의 작동원리는 비슷비슷해서 튜닝의 큰 원리는 거의 같습니다. 다만 DBMS 마다 추구하는 튜닝철학이 달라서 차이가 조금 있습니다. 예를 들어 오라클은 힌트가 많은데 상대적으로 PostgreSQL은 힌트가 거의 없습니다. 혹시 오라클 말고 쓰고 계시는 디비가 어떤건지 알려주시면 더 자세히 답변드릴 수 있습니다.

Lượt thích
0
Số bình luận
2
Lượt xem
93

Hỏi & Đáp

변수명 한글로 써도 될까요

안녕하세요! 답변드립니다. 구름 IDE 환경 자체는 Linux + UTF-8 기반이라 한글 변수명이 기술적으로 동작합니다. 체험 환경에서 직접 테스트해보시면 실제로 돌아가는 걸 확인하실 수 있을 거예요. https://dataq.goorm.io/exam/3/%EC%B2%B4%ED%97%98%ED%95%98%EA%B8%B0/quiz/1 그런데 저는 그래도 쓰지 말라고 말씀드리고 싶습니다. 이유가 있습니다. 체험 환경과 실제 시험 당일 환경은 같지 않습니다. 공지사항에도 "패키지 및 라이브러리는 시험 회차별로 다를 수 있다"고 명시되어 있고, 시험장 PC의 언어 설정이나 Python 실행 환경 세부 설정까지 동일하다는 보장이 없습니다. 변수명은 아래처럼 짧은 영문으로 습관화하시면 전혀 불편하지 않습니다. df # 데이터프레임 X, y # 피처, 타겟 result # 최종 결과 cnt # 개수 tmp # 임시 변수 이 다섯 개만 몸에 익혀두시면 시험장에서 변수명 고민할 일이 거의 없습니다. 합격하세요!

Lượt thích
0
Số bình luận
1
Lượt xem
87

Hỏi & Đáp

빅분기2회기출문제 1유형 2번문제

넵! 좋은 질문이에요 -1을 쓰는 이유 정확히 파악하셨어요! df.loc는 끝값을 포함하기 때문에 -1 안 하면 151개가 맞아요. 다만 더 안전한 방법을 알려드릴게요. 시험 중에 이런 코드가 앞에 있으면 어떻게 될까요? df = df[df['나이'] > 20] # 필터링 필터링 후에는 인덱스가 0, 1, 2, 3… 이 아니라 5, 7, 11… 처럼 뒤섞여요. 이 상태에서 df.loc[:149] 하면 150개가 아닌 엉뚱한 개수가 나와요. 이럴 때 쓰는 게 바로 iloc예요. df_75 = df.iloc[:int(len(df) * 0.75)] iloc는 인덱스 번호가 아니라 순서로 찾아요. “앞에서 150번째까지 주세요” 라고 하는 거라서 인덱스가 뒤섞여도 항상 정확하게 150개를 가져와요. 그리고 -1도 필요 없어요. iloc는 끝값을 포함하지 않거든요! 앞으로 iloc 쓰는 습관 들이시면 시험에서 훨씬 안전해요

Lượt thích
0
Số bình luận
2
Lượt xem
96

Hỏi & Đáp

변경된 체험환경 작업형3번질문이요

좋은 질문 주셔서 정말 감사합니다. 꼼꼼하게 확인하셨네요. 사실 두 방법 모두 등분산 검정에 사용할 수 있는데, 이 문제에서는 '모델은 정규분포를 포함한다'는 조건이 있어서 F검정 공식으로 직접 계산하는 게 더 문제 의도에 맞습니다. var1 = np.var(normal, ddof=1) var2 = np.var(patient, ddof=1) F = max(var1, var2) / min(var1, var2) print(round(F, 3)) 강의에서 levene을 사용한 건 실무에서 자주 쓰이는 방법을 보여드린 것인데, 이 문제처럼 정규분포 가정이 명시된 경우에는 위 공식으로 푸시는 게 정확합니다. 헷갈리셨을 텐데 좋은 포인트를 짚어주셔서 감사합니다.

Lượt thích
0
Số bình luận
2
Lượt xem
88

Hỏi & Đáp

21c 버전으로 해도 무방한가요?

아 네~ 21c 버젼으로 하셔도 됩니다. 똑같이 실습 하실 수 있습니다. SQL튜닝의 기본 뼈대를 학습하시는데는 둘다 똑같습니다. 또 질문 있으시면 언제든 질문 주세요

Lượt thích
0
Số bình luận
3
Lượt xem
108

Hỏi & Đáp

수업노트는 어디서 볼 수 있나요?

네 ~ 저도 확인해보니 마우스 스크롤을 내리면 보이네요. ^^ 마우스 휠을 위아래로 내리거나 올려보시겠어요 ^^

Lượt thích
0
Số bình luận
2
Lượt xem
90

Hỏi & Đáp

accuracy_score() 사용 시 인자 순서 오류 관련

안녕하세요, 꼼꼼하게 확인해 주셔서 진심으로 감사드립니다! ^^ 말씀하신 내용이 맞습니다. sklearn 공식 문서 기준으로 accuracy_score(y_true, y_pred) — 실제값이 먼저, 예측값이 나중이 올바른 순서입니다. 강의에서 제가 순서를 반대로 사용했는데, accuracy_score는 대칭 함수라 결과값 자체는 동일하게 나오지만, sklearn 컨벤션에 맞지 않는 코드였습니다. precision_score, recall_score, f1_score 등 다른 평가 지표에서는 순서가 바뀌면 결과도 달라지므로, 처음부터 올바른 순서로 익히는 것이 중요합니다. 정확하게 주셔서 감사합니다!

Lượt thích
0
Số bình luận
2
Lượt xem
104