- ÇöÀç À§Ä¡
- home > ÄÄÇ»ÅÍ¡¤ICT¡¤¾îÇÐ > ÄÄÇ»ÅÍ¡¤IT µµ¼ > ÇÁ·Î±×·¡¹Ö/¾ð¾î > ÆÄÀ̽㠶óÀ̺귯¸®¸¦ È°¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼®[ÇѺû¹Ìµð¾î]
ÀÌ Ã¥Àº NumPy, pandas, matplotlib, IPython, Jupyter µî ´Ù¾çÇÑ ÆÄÀ̽㠶óÀ̺귯¸®¸¦ »ç¿ëÇؼ È¿°úÀûÀ¸·Î µ¥ÀÌÅ͸¦ ºÐ¼®ÇÏ´Â ¹æ¹ýÀ» ¾Ë·ÁÁØ´Ù. pandasÀÇ »õ·Î¿î ±â´É»Ó¸¸ ¾Æ´Ï¶ó ¸Þ¸ð¸® »ç¿ë·®À» ÁÙÀÌ°í ¼º´ÉÀ» °³¼±ÇÏ´Â °í±Þ »ç¿ë¹ý±îÁö ´Ù·é´Ù. ¶ÇÇÑ ¸ðµ¨¸µ µµ±¸ÀÎ statsmodels¿Í scikit-learn ¶óÀ̺귯¸®µµ ¼Ò°³ÇÑ´Ù. ¿¬´ëº° À̸§ Åë°è ÀÚ·á, ¹Ì ´ë¼± µ¥ÀÌÅͺ£À̽º ÀÚ·á µî ½Ç»ç·Ê·Î µû¶ó ÇÏ´Ù º¸¸é ¾î´Àµ¡ ¿©·¯ºÐµµ µ¥ÀÌÅÍ¿¡ ¾Ë¸Â°Ô Á¢±ÙÇÏ°í È¿°úÀûÀ¸·Î ºÐ¼®ÇÏ´Â Àü¹®°¡°¡ µÉ °ÍÀÌ´Ù.
ÀúÀÚ: ¿þ½º ¸ÆÅ°´Ï (ÁöÀºÀÌ), ±è¿µ±Ù (¿Å±äÀÌ)
CHAPTER 1 ½ÃÀÛÇϱâ Àü¿¡
__1.1 ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ³»¿ë
__1.2 ¿Ö µ¥ÀÌÅÍ ºÐ¼®¿¡ ÆÄÀ̽ãÀ» »ç¿ëÇϳª
__1.3 Çʼö ÆÄÀ̽㠶óÀ̺귯¸®
__1.4 ¼³Ä¡ ¹× ¼³Á¤
__1.5 Ä¿¹Â´ÏƼ¿Í ÄÁÆÛ·±½º
__1.6 ÀÌ Ã¥À» »ìÆ캸´Â ¹æ¹ý
CHAPTER 2 ÆÄÀ̽㠾ð¾îÀÇ ±âº», IPython, ÁÖÇÇÅÍ ³ëÆ®ºÏ
__2.1 ÆÄÀ̽ã ÀÎÅÍÇÁ¸®ÅÍ
__2.2 IPython ±âÃÊ
__2.3 ÆÄÀ̽㠱âÃÊ
CHAPTER 3 ³»Àå ÀڷᱸÁ¶, ÇÔ¼ö, ÆÄÀÏ
__3.1 ÀڷᱸÁ¶¿Í ¼øÂ÷ ÀÚ·áÇü
__3.2 ÇÔ¼ö
__3.3 ÆÄÀÏ°ú ¿î¿µÃ¼Á¦
__3.4 ¸¶Ä¡¸ç
CHAPTER 4 NumPy ±âº»: ¹è¿°ú º¤ÅÍ ¿¬»ê
__4.1 NumPy ndarray: ´ÙÂ÷¿ø ¹è¿ °´Ã¼
__4.2 À¯´Ï¹ö¼³ ÇÔ¼ö: ¹è¿ÀÇ °¢ ¿ø¼Ò¸¦ ºü¸£°Ô ó¸®ÇÏ´Â ÇÔ¼ö
__4.3 ¹è¿À» ÀÌ¿ëÇÑ ¹è¿ÁöÇâ ÇÁ·Î±×·¡¹Ö
__4.4 ¹è¿ µ¥ÀÌÅÍÀÇ ÆÄÀÏ ÀÔÃâ·Â
__4.5 ¼±Çü´ë¼ö
__4.6 ³¼ö »ý¼º
__4.7 °è´Ü ¿À¸£³»¸®±â ¿¹Á¦
__4.8 ¸¶Ä¡¸ç
CHAPTER 5 pandas ½ÃÀÛÇϱâ
__5.1 pandas ÀڷᱸÁ¶ ¼Ò°³
__5.2 ÇÙ½É ±â´É
__5.3 ±â¼ú Åë°è °è»ê°ú ¿ä¾à
__5.4 ¸¶Ä¡¸ç
CHAPTER 6 µ¥ÀÌÅÍ ·Îµù°ú ÀúÀå, ÆÄÀÏ Çü½Ä
__6.1 ÅؽºÆ® ÆÄÀÏ¿¡¼ µ¥ÀÌÅ͸¦ ÀÐ°í ¾²´Â ¹ý
__6.2 ÀÌÁø µ¥ÀÌÅÍ Çü½Ä
__6.3 À¥ API¿Í ÇÔ²² »ç¿ëÇϱâ
__6.4 µ¥ÀÌÅͺ£À̽º¿Í ÇÔ²² »ç¿ëÇϱâ
__6.5 ¸¶Ä¡¸ç
CHAPTER 7 µ¥ÀÌÅÍ Á¤Á¦ ¹× Áغñ
__7.1 ´©¶ôµÈ µ¥ÀÌÅÍ Ã³¸®Çϱâ
__7.2 µ¥ÀÌÅÍ º¯Çü
__7.3 ¹®ÀÚ¿ ´Ù·ç±â
__7.4 ¸¶Ä¡¸ç
CHAPTER 8 µ¥ÀÌÅÍ ÁغñÇϱâ: Á¶ÀÎ, º´ÇÕ, º¯Çü
__8.1 °èÃþÀû »öÀÎ
__8.2 µ¥ÀÌÅÍ ÇÕÄ¡±â
__8.3 ÀçÇü¼º°ú Çǹþ
__8.4 ¸¶Ä¡¸ç
CHAPTER 9 ±×·¡ÇÁ¿Í ½Ã°¢È
__9.1 matplotlib API °£·«ÇÏ°Ô »ìÆ캸±â
__9.2 pandas¿¡¼ seabornÀ¸·Î ±×·¡ÇÁ ±×¸®±â
__9.3 ´Ù¸¥ ÆÄÀ̽㠽ð¢È µµ±¸
__9.4 ¸¶Ä¡¸ç
CHAPTER 10 µ¥ÀÌÅÍ Áý°è¿Í ±×·ì ¿¬»ê
__10.1 GroupBy ¸ÞÄ«´Ð
__10.2 µ¥ÀÌÅÍ Áý°è
__10.3 Apply: ÀϹÝÀûÀÎ ºÐ¸®-Àû¿ë-º´ÇÕ
__10.4 ÇǹþÅ×À̺í°ú ±³Â÷À϶÷Ç¥
__10.5 ¸¶Ä¡¸ç
CHAPTER 11 ½Ã°è¿
__11.1 ³¯Â¥, ½Ã°£ ÀÚ·áÇü, µµ±¸
__11.2 ½Ã°è¿ ±âÃÊ
__11.3 ³¯Â¥ ¹üÀ§, ºóµµ, À̵¿
__11.4 ½Ã°£´ë ´Ù·ç±â
__11.5 ±â°£°ú ±â°£ ¿¬»ê
__11.6 ¸®»ùÇøµ°ú ºóµµ º¯È¯
__11.7 À̵¿Ã¢ ÇÔ¼ö
__11.8 ¸¶Ä¡¸ç
CHAPTER 12 °í±Þ pandas
__12.1 Categorical µ¥ÀÌÅÍ
__12.2 °í±Þ GroupBy »ç¿ë
__12.3 ¸Þ¼µå ¿¬°á ±â¹ý
__12.4 ¸¶Ä¡¸ç
CHAPTER 13 ÆÄÀ̽㠸𵨸µ ¶óÀ̺귯¸®
__13.1 pandas¿Í ¸ðµ¨ ÄÚµåÀÇ ÀÎÅÍÆäÀ̽º
__13.2 Patsy¸¦ ÀÌ¿ëÇؼ ¸ðµ¨ »ý¼ºÇϱâ
__13.3 statsmodels ¼Ò°³
__13.4 scikit-learn ¼Ò°³
__13.5 ´õ °øºÎÇϱâ
CHAPTER 14 µ¥ÀÌÅÍ ºÐ¼® ¿¹Á¦
__14.1 Bit.lyÀÇ 1.USA.gov µ¥ÀÌÅÍ
__14.2 MovieLensÀÇ ¿µÈ ÆòÁ¡ µ¥ÀÌÅÍ
__14.3 ½Å»ý¾Æ À̸§
__14.4 ¹Ì±¹³ó¹«ºÎ ¿µ¾ç¼Ò Á¤º¸
__14.5 2012³â ¿¬¹æ¼±°Å°ü¸®À§¿øȸ µ¥ÀÌÅͺ£À̽º
__14.6 ¸¶Ä¡¸ç
APPENDIX A °í±Þ NumPy
__A.1 ndarray °´Ã¼ ±¸Á¶
__A.2 °í±Þ ¹è¿ Á¶ÀÛ ±â¹ý
__A.3 ºê·Îµåij½ºÆÃ
__A.4 °í±Þ ufunc »ç¿ë¹ý .
__A.5 ±¸Á¶ÈµÈ ¹è¿°ú ·¹ÄÚµå ¹è¿
__A.6 Á¤·Ä¿¡ °üÇÏ¿©
__A.7 umba¸¦ ÀÌ¿ëÇÏ¿© ºü¸¥ NumPy ÇÔ¼ö ÀÛ¼ºÇϱâ
__A.8 °í±Þ ¹è¿ ÀÔÃâ·Â
__A.9 ¼º´É ÆÁ
APPENDIX B IPython ½Ã½ºÅÛ ´õ ¾Ë¾Æº¸±â
__B.1 ¸í·É¾î È÷½ºÅ丮 »ç¿ëÇϱâ
__B.2 ¿î¿µÃ¼Á¦¿Í ÇÔ²² »ç¿ëÇϱâ
__B.3 ¼ÒÇÁÆ®¿þ¾î °³¹ß µµ±¸
__B.4 IPythonÀ» ÀÌ¿ëÇÑ »ý»êÀûÀÎ ÄÚµå °³¹ß¿¡ °üÇÑ ÆÁ
__B.5 IPython °í±Þ ±â´É
__B.6 ¸¶Ä¡¸ç
__1.1 ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ³»¿ë
__1.2 ¿Ö µ¥ÀÌÅÍ ºÐ¼®¿¡ ÆÄÀ̽ãÀ» »ç¿ëÇϳª
__1.3 Çʼö ÆÄÀ̽㠶óÀ̺귯¸®
__1.4 ¼³Ä¡ ¹× ¼³Á¤
__1.5 Ä¿¹Â´ÏƼ¿Í ÄÁÆÛ·±½º
__1.6 ÀÌ Ã¥À» »ìÆ캸´Â ¹æ¹ý
CHAPTER 2 ÆÄÀ̽㠾ð¾îÀÇ ±âº», IPython, ÁÖÇÇÅÍ ³ëÆ®ºÏ
__2.1 ÆÄÀ̽ã ÀÎÅÍÇÁ¸®ÅÍ
__2.2 IPython ±âÃÊ
__2.3 ÆÄÀ̽㠱âÃÊ
CHAPTER 3 ³»Àå ÀڷᱸÁ¶, ÇÔ¼ö, ÆÄÀÏ
__3.1 ÀڷᱸÁ¶¿Í ¼øÂ÷ ÀÚ·áÇü
__3.2 ÇÔ¼ö
__3.3 ÆÄÀÏ°ú ¿î¿µÃ¼Á¦
__3.4 ¸¶Ä¡¸ç
CHAPTER 4 NumPy ±âº»: ¹è¿°ú º¤ÅÍ ¿¬»ê
__4.1 NumPy ndarray: ´ÙÂ÷¿ø ¹è¿ °´Ã¼
__4.2 À¯´Ï¹ö¼³ ÇÔ¼ö: ¹è¿ÀÇ °¢ ¿ø¼Ò¸¦ ºü¸£°Ô ó¸®ÇÏ´Â ÇÔ¼ö
__4.3 ¹è¿À» ÀÌ¿ëÇÑ ¹è¿ÁöÇâ ÇÁ·Î±×·¡¹Ö
__4.4 ¹è¿ µ¥ÀÌÅÍÀÇ ÆÄÀÏ ÀÔÃâ·Â
__4.5 ¼±Çü´ë¼ö
__4.6 ³¼ö »ý¼º
__4.7 °è´Ü ¿À¸£³»¸®±â ¿¹Á¦
__4.8 ¸¶Ä¡¸ç
CHAPTER 5 pandas ½ÃÀÛÇϱâ
__5.1 pandas ÀڷᱸÁ¶ ¼Ò°³
__5.2 ÇÙ½É ±â´É
__5.3 ±â¼ú Åë°è °è»ê°ú ¿ä¾à
__5.4 ¸¶Ä¡¸ç
CHAPTER 6 µ¥ÀÌÅÍ ·Îµù°ú ÀúÀå, ÆÄÀÏ Çü½Ä
__6.1 ÅؽºÆ® ÆÄÀÏ¿¡¼ µ¥ÀÌÅ͸¦ ÀÐ°í ¾²´Â ¹ý
__6.2 ÀÌÁø µ¥ÀÌÅÍ Çü½Ä
__6.3 À¥ API¿Í ÇÔ²² »ç¿ëÇϱâ
__6.4 µ¥ÀÌÅͺ£À̽º¿Í ÇÔ²² »ç¿ëÇϱâ
__6.5 ¸¶Ä¡¸ç
CHAPTER 7 µ¥ÀÌÅÍ Á¤Á¦ ¹× Áغñ
__7.1 ´©¶ôµÈ µ¥ÀÌÅÍ Ã³¸®Çϱâ
__7.2 µ¥ÀÌÅÍ º¯Çü
__7.3 ¹®ÀÚ¿ ´Ù·ç±â
__7.4 ¸¶Ä¡¸ç
CHAPTER 8 µ¥ÀÌÅÍ ÁغñÇϱâ: Á¶ÀÎ, º´ÇÕ, º¯Çü
__8.1 °èÃþÀû »öÀÎ
__8.2 µ¥ÀÌÅÍ ÇÕÄ¡±â
__8.3 ÀçÇü¼º°ú Çǹþ
__8.4 ¸¶Ä¡¸ç
CHAPTER 9 ±×·¡ÇÁ¿Í ½Ã°¢È
__9.1 matplotlib API °£·«ÇÏ°Ô »ìÆ캸±â
__9.2 pandas¿¡¼ seabornÀ¸·Î ±×·¡ÇÁ ±×¸®±â
__9.3 ´Ù¸¥ ÆÄÀ̽㠽ð¢È µµ±¸
__9.4 ¸¶Ä¡¸ç
CHAPTER 10 µ¥ÀÌÅÍ Áý°è¿Í ±×·ì ¿¬»ê
__10.1 GroupBy ¸ÞÄ«´Ð
__10.2 µ¥ÀÌÅÍ Áý°è
__10.3 Apply: ÀϹÝÀûÀÎ ºÐ¸®-Àû¿ë-º´ÇÕ
__10.4 ÇǹþÅ×À̺í°ú ±³Â÷À϶÷Ç¥
__10.5 ¸¶Ä¡¸ç
CHAPTER 11 ½Ã°è¿
__11.1 ³¯Â¥, ½Ã°£ ÀÚ·áÇü, µµ±¸
__11.2 ½Ã°è¿ ±âÃÊ
__11.3 ³¯Â¥ ¹üÀ§, ºóµµ, À̵¿
__11.4 ½Ã°£´ë ´Ù·ç±â
__11.5 ±â°£°ú ±â°£ ¿¬»ê
__11.6 ¸®»ùÇøµ°ú ºóµµ º¯È¯
__11.7 À̵¿Ã¢ ÇÔ¼ö
__11.8 ¸¶Ä¡¸ç
CHAPTER 12 °í±Þ pandas
__12.1 Categorical µ¥ÀÌÅÍ
__12.2 °í±Þ GroupBy »ç¿ë
__12.3 ¸Þ¼µå ¿¬°á ±â¹ý
__12.4 ¸¶Ä¡¸ç
CHAPTER 13 ÆÄÀ̽㠸𵨸µ ¶óÀ̺귯¸®
__13.1 pandas¿Í ¸ðµ¨ ÄÚµåÀÇ ÀÎÅÍÆäÀ̽º
__13.2 Patsy¸¦ ÀÌ¿ëÇؼ ¸ðµ¨ »ý¼ºÇϱâ
__13.3 statsmodels ¼Ò°³
__13.4 scikit-learn ¼Ò°³
__13.5 ´õ °øºÎÇϱâ
CHAPTER 14 µ¥ÀÌÅÍ ºÐ¼® ¿¹Á¦
__14.1 Bit.lyÀÇ 1.USA.gov µ¥ÀÌÅÍ
__14.2 MovieLensÀÇ ¿µÈ ÆòÁ¡ µ¥ÀÌÅÍ
__14.3 ½Å»ý¾Æ À̸§
__14.4 ¹Ì±¹³ó¹«ºÎ ¿µ¾ç¼Ò Á¤º¸
__14.5 2012³â ¿¬¹æ¼±°Å°ü¸®À§¿øȸ µ¥ÀÌÅͺ£À̽º
__14.6 ¸¶Ä¡¸ç
APPENDIX A °í±Þ NumPy
__A.1 ndarray °´Ã¼ ±¸Á¶
__A.2 °í±Þ ¹è¿ Á¶ÀÛ ±â¹ý
__A.3 ºê·Îµåij½ºÆÃ
__A.4 °í±Þ ufunc »ç¿ë¹ý .
__A.5 ±¸Á¶ÈµÈ ¹è¿°ú ·¹ÄÚµå ¹è¿
__A.6 Á¤·Ä¿¡ °üÇÏ¿©
__A.7 umba¸¦ ÀÌ¿ëÇÏ¿© ºü¸¥ NumPy ÇÔ¼ö ÀÛ¼ºÇϱâ
__A.8 °í±Þ ¹è¿ ÀÔÃâ·Â
__A.9 ¼º´É ÆÁ
APPENDIX B IPython ½Ã½ºÅÛ ´õ ¾Ë¾Æº¸±â
__B.1 ¸í·É¾î È÷½ºÅ丮 »ç¿ëÇϱâ
__B.2 ¿î¿µÃ¼Á¦¿Í ÇÔ²² »ç¿ëÇϱâ
__B.3 ¼ÒÇÁÆ®¿þ¾î °³¹ß µµ±¸
__B.4 IPythonÀ» ÀÌ¿ëÇÑ »ý»êÀûÀÎ ÄÚµå °³¹ß¿¡ °üÇÑ ÆÁ
__B.5 IPython °í±Þ ±â´É
__B.6 ¸¶Ä¡¸ç
¡Ú ¡ºÆÄÀ̽㠶óÀ̺귯¸®¸¦ È°¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼®¡» µåµð¾î °³Á¤!
ÀÌ Ã¥ÀÇ ÃÊÆÇÀÌ Ãâ°£µÈ 2012³âÀº pandas °³¹ß Ãʱâ·Î, ÆÄÀ̽ã¿ë ¿ÀǼҽº µ¥ÀÌÅÍ ºÐ¼® ¶óÀ̺귯¸®°¡ ÈçÇÏÁö ¾Ê¾Ò½À´Ï´Ù. À̹ø¿¡ pandasÀÇ »õ·Î¿î ±â´É°ú 5³â¿©°£ÀÇ ¼¼¿ùÀÌ È帣´Â µ¿¾È ³°¾Ò°Å³ª »ç¿ë¹ýÀÌ ¹Ù²ï ³»¿ëÀ» ¸ðµÎ ¹Ý¿µÇÏ¿© Ã¥ Àü¹ÝÀ» ´Ù½Ã ´Ùµë¾ú½À´Ï´Ù. ¶ÇÇÑ ´ç½Ã¿¡´Â Á¸ÀçÇÏÁö ¾Ê¾Ò°Å³ª Ã¥¿¡ ½Æ±â¿¡´Â ºÒ¾ÈÇß´ø °« ³ª¿Â µµ±¸µéÀ» »õ·Î ¼Ò°³ÇÏ´Â ³»¿ëÀ» Ãß°¡Çß½À´Ï´Ù. 2ÆÇÀÇ ÁÖ¿ä º¯°æ »çÇ×Àº ´ÙÀ½°ú °°½À´Ï´Ù.
¡Ü ¸ðµç Äڵ带 ÆÄÀ̽ã 3.6 ±â¹ÝÀ¸·Î ¼öÁ¤ ...
´õº¸±â