데이터 분석을 쉽게 알아보자

이전 내용 [스파르타코딩클럽] 직장인을 위한 실전 데이터분석 _ 3-4 데이터 시각화 라이브러리 가져오기 import matplotlib.pyplot as plt # matplotlib 라이브러리를 가져오고 plt라고 부를거야. import numpy as np # numpy 라이브러리를 가져오고 np라고 부를거야. plt.figure(figsize=(10,5 datanaly.tistory.com 제품 수요가 많은 지역을 찾아라! _ 라인 그래프 그리기 import pandas as pd # 판다스 라이브러리를 가져오는데 pd라고 부르겠다. import matplotlib.pyplot as plt # 맷플롯립 라이브러리를 가져오는데 plt라고 부르겠다. sparta_data = pd.read_table(..

이전 내용 [스파르타코딩클럽] 직장인을 위한 실전 데이터분석 _ 3-3 요일 별 접속한 수강생 수 구하기 weeks = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday'] # 'Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday'가 담겨있는 # weeks라는 리스트 생 datanaly.tistory.com 데이터 시각화 라이브러리 가져오기 import matplotlib.pyplot as plt # matplotlib 라이브러리를 가져오고 plt라고 부를거야. import numpy as np # numpy 라이브러리를 가져오고 np라..

이전 내용 [스파르타코딩클럽] 직장인을 위한 실전 데이터분석 _ 3-2 2) 시간 데이터 전처리 해주기 기존의 sparta_data에 있는 컬럼들은 다음과 같습니다. access_date 컬럼을 이용하여 access_date_time 컬럼 만들기 a = '%Y-%m-%dT%H:%M:%S.%f' # a라는 변수에 '%Y-%m-%dT%H:%M:%S.%f'라는 datanaly.tistory.com 요일 별 접속한 수강생 수 구하기 weeks = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday'] # 'Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', '..

1. 어떤 문제가 있었는지 어제부터 미니 프로젝트에 몰입하고 있는데 유의미한 데이터가 나오지 않아 난항을 겪고 데이터셋도 한번 바꿨다. 2. 내가 시도해본 것들 튜터님께 프로젝트 가이드라인을 요청드렸다. 3. 어떻게 해결했는지 - 이번 프로젝트의 포커스는 유의미한 데이터를 도출하여 결과물을 내는데 두기보단 데이터 분석의 전반적인 과정을 경험하고 느끼는데에 둬야한다는 것을 깨달았다. - 가설이 맞고 틀리는지, 유의미한 데이터가 나오는지가 중요한게 아니라 세운 가설이 왜 맞았는지, 왜 틀렸는지 알아내는게 더 중요하다는 것을 깨달으니 프로젝트를 어떻게 해야되는지 알 수 있었다. 4. 무엇을 새롭게 알았는지 데이터 분석가는 세운 가설이 맞고 틀리는 지 중요한게 아니라 맞았으면 왜 맞았는지, 틀렸으면 왜 틀렸는지..

이전 내용 [스파르타코딩클럽] 직장인을 위한 실전 데이터분석 _ 3-1 1. 판다스 불러오기 import pandas as pd import라는 명령어 이용해서 pandas라는 라이브러리 가져올건데 pd로 사용할거야 2. CSV 파일 불러오기 sparta_data = pd.read_table('access_detail.csv',sep=',') 1. pd(pandas)안에 csv datanaly.tistory.com 2) 시간 데이터 전처리 해주기 기존의 sparta_data에 있는 컬럼들은 다음과 같습니다. access_date 컬럼을 이용하여 access_date_time 컬럼 만들기 a = '%Y-%m-%dT%H:%M:%S.%f' # a라는 변수에 '%Y-%m-%dT%H:%M:%S.%f'라는 날짜 형..

원본 아티클 데이터 시각화 101: ① 데이터 시각화는 왜 중요할까? | 요즘IT 데이터의 양이 늘어나고 복잡해질 수록 데이터를 좀 더 쉽게 이해하고 인사이트를 발견하는 것의 필요성이 높아지고 있는데요. 데이터 시각화란 말 그대로 데이터에서 발견한 정보를 시각적으 yozm.wishket.com 1. 오늘의 아티클(주제) 데이터 시각화는 왜 중요할까? 2. 아티클 정보 요약 인트로 데이터의 양이 늘어나고 복잡해질 수록 데이터를 좀 더 쉽게 이해하고 인사이트를 발견하는 것의 필요성이 높아지고 있음. 시각 정보는 쉽게 알 수 있다. 인체의 감각마다 시간당 처리할 수 있는 정보의 양이 많은 차이를 보이는데 시각의 정보 처리 속도는 1,250MB/s로 컴퓨터 네트워크와 비슷하다. 3M의 연구에 따르면 그래픽은 텍..

1. 판다스 불러오기 import pandas as pd import라는 명령어 이용해서 pandas라는 라이브러리 가져올건데 pd로 사용할거야 2. CSV 파일 불러오기 sparta_data = pd.read_table('access_detail.csv',sep=',') 1. pd(pandas)안에 csv 파일을 열 수 있는 read_table이라는 명령어를 사용할거야. 2. access_deatil.csv 파일을 열거고 sparta_data라고 칭할 거야. 3. csv의 칼럼은 ,(쉼표)로 구분할 거야. ex) [인천,서울,경기] -> [인천] [서울] [경기] 3. 불러온 파일 상위 5개 데이터 확인하기 sparta_data.head() sparta_data의 상위 5개 데이터를 확인해볼거야. 4...

내일배움캠프 사전캠프 데일리 미션 : 데이터 분석 용어 정리 데이터 마이닝 (Data Mining): 대규모 데이터 세트에서 패턴, 연관성, 추세 등을 찾아내는 과정. 통계 분석 (Statistical Analysis): 데이터를 수집, 검토, 해석하는 과정으로, 통계적 방법을 사용하여 결론을 도출합니다. 데이터 시각화 (Data Visualization): 데이터를 그래프, 차트, 맵 등의 시각적 형식으로 표현하는 방법. SQL (Structured Query Language): 관계형 데이터베이스 관리 시스템에서 데이터를 관리하기 위한 표준 프로그래밍 언어. 데이터 웨어하우스 (Data Warehouse): 기업이나 조직의 다양한 소스로부터 수집된 대량의 데이터를 저장하는 시스템. 데이터 정제 (Da..

내일배움캠프 데이터분석 과정 두번째 미션 : 데이터분석 JD 분석하기 JD(Job Description) 분석이란? JD란 현재 채용 중인 포지션이 어떤 일을 하는지 자세히 설명해놓은, 쉽게 말해 ‘채용 공고’를 일컫습니다. 기업이 현재 원하는 사람에 대해 자세하게 작성되어 있는 채용 정보를 보면 아래와 같은 내용들을 분석해 볼 수 있겠죠? 기업 명 모요 주요 업무 • 북극성 지표(North Star Metric, NSM)를 바탕으로 각 스쿼드가 OKR을 잘 설계할 수 있도록 도와요. • 스쿼드에서 진행되는 실험의 설계와 결과 분석에 기여해요. • 팀에 인사이트를 줄 수 있는 대시보드를 만들고 관리해요. • 비즈니스에 필요한 데이터를 분석하고 발견한 인사이트를 동료들에게 공유해요. • 마케팅 성과 분석 ..

사전 캠프 데일리 미션 리스트1) 데이터 분석 트랙을 신청한 이유 적기 내가 데이터 분석 코스에 참여한 계기는 무엇인가요? - 데이터를 근거로 의사결정하는 역량을 기르고 싶어서 지원하게 되었습니다. 내가 이해한 데이터 분석가는 어떤 역할을 하는 사람인가요? - 데이터라는 근거를 토대로 업무 진행의 가이드라인을 제시해주는 사람이라고 생각합니다. 데이터 분석가의 역할과 비슷한 경험을 해 보았나요? 어떤 점이 유사하다고 생각했나요? (비슷한 경험을 해보지 않았다면, 데이터분석 코스에서 어떤 경험을 해보길 기대하시나요?) - 해본적이 없고 데이터 분석 코스에서 문제 분석 역량을 기르고 싶습니다. 데이터 분석가의 역할을 수행하는 데에 있어 나의 강점과 연관된 부분은 무엇이라고 생각하나요? 혹은 보완, 개선하고 싶..