TY_IT💻

JDK(Java Development Kit) 개발자용 자바 자바 응용 개발 환경, 개발에 필요한 도구 포함 JDK 깔면 자동으로 JRE(Java Runtime Environment, 자바 실행 환경) 생성 자바 배포판 종류 개발 환경에 따라 다양한 배포판 제공 Java SE 자바 표준 배포판 데스크탑과 서버 응용 개발 플랫폼 Java ME 자바 마이크로 배포판 임베디드, 가전 제품 위한 API 정의 Java EE 자바 기업용 배포판 Java 모듈 프로그래밍 Java 9부터 모듈 프로그래밍 시작 모듈 방식 아닌 기존 방식으로 자바 프로그래밍 해도 무관 자바 API JDK에 포함된 클래스 라이브러리 (내가 만들지 않은 프로그램) 개발자는 API를 이용해 쉽고 빠르게 자바 프로그램 개발 자바 패키지(pack..

객체지향프로그래밍 완전 기초 컴퓨터와 소프트웨어 프로그래밍: 프로그래머가 만능 기계인 컴퓨터를 이용해 소프트웨어를 개발하는 것 프로그래밍 언어 컴퓨터가 실행할 프로그램을 작성하기 위한 언어(컴퓨터 언어, 기계어) 기계어 0, 1의 이진수로 구성된 언어 컴퓨터의 CPU는 기계어만 이해, 처리가능 어셈블리어 기계어 명령을 ADD, SUB, MOVE등과 같은 표현하기 쉬운 상징적인 단어인 니모닉 기호(mnemonic symbol)로 일대일 대응시킨 언어 (기계어 BASE, 자주 쓰는 기호들 이용해서 대응, 자주 쓸 수 있도록 상징해주는 언어) 고급언어 사람이 이해하기 쉽고, 복잡한 작업, 자료구조, 알고리즘을 표현하기 위해 고안된 언어 절차 지향 언어와 객체 지향 언어로 나눌 수 있음 고급 언어(High-qu..

column에 NaN값이나 여러 type의 데이터가 섞여 있으면 이와 같은 경고가 발생한다. 이 때 경고 메시지가 알려주는 대로 dtype option으로 타입을 명시해주거나 low_memory = False로 지정해 주면 경고 메시지가 출력되지 않는다. pd.read_csv('[파일명].txt', delimiter = '\t', low_memory=False)

기존 데이터프레임 일부를 복사하거나 인덱싱 후 값을 수정할 때 종종 발생한다. 기존 데이터프레임을 가져와(복사) 다른 데이터프레임을 만들 때 원본을 수정할 지 복사본을 수정할 지 몰라서 발생하는 오류라고 한다. 두 가지 해결 방법이 있는데, 하나는 경고를 무시하는 것이고 하나는 copy를 사용하는 것! 1. 경고 무시 pd.set_option을 사용한 경고문 제거 # SettingWithCopyError --> 오류 raise 로 코드 실행 X pd.set_option('mode.chained_assignment', 'raise') # SettingWithCopyWarning --> 실행은 되지만 경고문 뜸 pd.set_option('mode.chained_assignment', 'warn') # err..

Pandas concat vs append vs join vs merge Concat gives the flexibility to join based on the axis( all rows or all columns) Append is the specific case(axis=0, join='outer') of concat Join is based on the indexes (set by set_index) on how variable =['left','right','inner','couter'] Merge is based on any particular column each of the two dataframes, this columns are variables on like 'left_on', 'ri..

sum(리스트명, [])

df.drop_duplicates() df 전체의 중복 제거도 할 수 있지만, 열 끼리 중복 제거도 가능하다. 위의 데이터는 pert_iname이라는 열에 중복된 데이터들이 많이 있는데, 여기서 df.drop_duplicates()로 distinct한 값은 몇 개인지 확인할 수 있다. 원래 13553개의 데이터가 중복값을 제외하면 6798개라는 것을 알 수 있다. 다른 방법으로 df.value_counts() 를 이용하면 distinct한 값을 찾아주면서 몇 개가 중복되어있는지 확인할 수 있다.

import time import datetime start = time.time() ''' 함수내용 ''' sec = time.time() - start times = str(datetime.timedelta(seconds=sec)).split(".") times = times[0] print("Time: ", times)