본문 바로가기

전체 글

(106)
[전Z전능 DA]Day44 - 디자인 스프린트 프로젝트2 🎯실무자 인터뷰 차종 및 차량의 적재함 CBM 규격에 따라서 온도 유지 등 배송품질 차이가 있나요? -품질 차이 없다 배송 차량의 유류비나 연비에 대한 데이터도 제공 받을 수 있을지 궁금합니다 배송 편수, 차수, 노선의 차이가 무엇인가요..? - 배차담당자에게 직접 문의해야함 물류센터 간 재고 이동 정보나, 상품별 보관 기간 그리고 포장방식에 대한 데이터가 있을 지 궁금합니다. - 제공불가.. Delivery 테이블의 출고시간만 가지고 최초 출고부터 배송지도착까지 걸린시간을 얻을 수 있는지 궁금합니다 - 배송과정 추적 못함 물류 운송 시 ‘평균 운송 중량’ 및 ‘적정 중량’은 어떻게 되나요? ‘적정 중량’은 어떻게 판별하고 계신가요? - 법적규제에 따라. 상품의 무게보다 부피의 제약이 더 많다 차량에 적..
[전Z전능 DA]Day43 - 디자인 스프린트 프로젝트 1 🎯BM 이해와 솔루션 기획 팀빌딩 &주제선정 담아두지않기, 해결을 위한 끊임없는 의사소통, 대화의 방법, 활발한 피드백, 자기조직화: 자기일에 최선을 다함. 다른 팀원의 일을 잘 도와준다 잘하는거 아이디어내기 응원 리액션 못하는거 정리 기록 팀원들이 알아야 할 나 3 나에 대해서 팀원들에게 꼭 부탁하고 싶은것. -약간 다른길로 빠질떄가 있는데 잘 잡아주시길. 일리있는 말, 그럴싸한 말 하면 단호하게 커트해주기 프로젝트에서 기대하는 꼭 이루고싶은 것, 개인의 목표 -원활한 커뮤니케이션, 사용자측면 깊이 고민, 피그마 사용해보기 , 드릴다운 성공적인 프로젝트를 위해 팀원들에게 바라거나 양해를 구하고 싶은 것 -미리 개인 일정 알림, 어려운점이 있다면 바로 요청 정우님 노잼인말 싫어해 악의없음 주의 뭘하고있는..
[전Z전능 DA]Day42 - 태블로 2 https://app.sli.do/event/uRfwXSCGVp4aPbpkN7eJmq Join Slido: Enter #code to vote and ask questions Participate in a live poll, quiz or Q&A. No login required. app.sli.do 슬리도 태블로 데이터 시각화 | Built with Notion 강의자료는 개인 소장용으로만 사용 부탁드립니다! www.notion.so 노션
[전Z전능 DA]Day41 - 태블로 1 https://www.canva.com/design/DAF2jlhTXXQ/n1lzdyFxJP3tE_9xjXMwXw/edit?utm_content=DAF2jlhTXXQ&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton 강의자료 데이터 시각화로 어떻게 설득할 수있을까 지표에 대한 비교 시각화 액션을 취해야할지 말지 심각성? 중요성을 바로 직관적으로 전달 시각화 데이터를 보고 평가가 가능해야한다. 액션으로 바로 이어질 수 있었어야 한다 시각화의 시작은 목적 일단 그래프를 그려보고 나서 인사이트를 도출하려고 해서는 안된다. 방향성이 모호해짐 분석 목적을 생각하고 나서 그래프를 그릴 것 대시보드 - 관리자용 모니터링 대시보드 - 실무자용 액셔너블 ..
[전Z전능 DA]Day40 - PYTHON 프로젝트 발표 🎯프로젝트 피드백 외부데이터 출처와 설명 더 하면 좋았겠다 이상치 처리 할떄 1%정도만 제외하는걸 고려해야한다..? 직장인데이터를 보기로한 근거 부족한거같다 가설검증하며 인사이트를 발견하고 생각의 진화 과정을 볼수있어 좋았다 데이터 검증 - 결과가 맘에안들어 - 이부분 다른데이터 가져와서 비교해보자 귀무/대립가설 추가하자 상관관계 히트맵 더 사용 전체이용량 시간대별 이용량 가설을 더 잘게 쪼개봤으면 좋았겠다 오피스 주거지 구분하는 기준, 더 다양한 기준 사용할수있지않았을까(부동산, 등기부등본) 활용하면 더 좋았겟다 지도 사용 이유 합리적, 지도 상관관계가 높지 않은 부분을 결론으로 도출한 부분 좋았다 전체 흐름, 전체 방향상 아쉽다.(어떤식으로 제안을 했고, ) -> 이부분 기억이 안나 ,, 팀원들에게 ..
[전Z전능 DA]Day39 - PYTHON 프로젝트 4 출근시간대 -대여: 강서 영등포 송파 양천 구로 노원 -반납: 강서 영등포 송파 양천 구로 퇴근시간대 -대여: 강서 송파 영등포 양천 노원 -반납: 강서 송파 영등포 양천 노원 대여 수 강서 송파 영등포 노원 양천 마포 광진 강동 구로 성동 대여소 수 송파 강서 강남 영등포 서초 노원 마포 강동 구로 양천 공통적으로 강서 송파 영등포 양천 노원이 대여수가 높은 것을 볼 수 있는데 대여소 수는 강남권이 상위에 위치하고있다. 대여수 대비 적은 대여소를 가진 구는 왜 대여소 수가 적을까 -> 지형적 요소 (산, 언덕) 대여수 대비 많은 대여소를 가진 구는 왜 대여소 수가 많을까 -> ? 출퇴근 시간대 대여/반납량에 강남은 상위권에 없는데 왜 그럴까 (강남은 오피스 밀집구가 아닌것인가..회사가 많지 않나..?)
[전Z전능 DA]Day38 - PYTHON 프로젝트 3 프로젝트 중간 발표 ⚡귀무가설 (H0): 쓸모없는 가설, 버리는 가설, 기각시키고 싶은 가설 H0 : N1=N2 두 변수간 관계가 없을것이다 (남성과 여성의 보수는 같다) ⚡대립가설 (H1): 검증하는 가설 (이쪽이 더 중요) H1 : N1 > N2 혹은 N1 < N2 (남성은 여성보다 보수가 더 많다. 혹은 남성은 여성보다 보수가 적) t-tset 하기 사용하려는 컬럼만 전처리, 결측치, 이상치 처리 결론적기 정합성검사(데이터이해) 데이터전처리(클렌징, 사용할 변수들만) 기술통계분석(그룹평균, 그룹카운트, discribe,상관관계,) eda() - 이용량에 대해서 알고싶다 이용량- 고장신고, 이용량-강수량, 이용량-나이대 이런식으로 한변수를 여러가지 다른 변수와 함께 분석해보기 인사이트 뽑기 H0 : ..
[전Z전능 DA]Day37 - PYTHON 프로젝트 2 🎯통계 분석 기법을 이용한 가설 검증 통계분석은 1. 기술 통계 분석 : 데이터를 요약해 설명하는 통계 분석 2. 추론 통계 분석 : 단순히 숫자를 요약하는 것을 넘어 어떤 값이 발생할 확률을 계산 성별에 따라 월급에 차이가 있는 것으로 나타났을 때 이 차이가 우연히 발생할 확률을 게산 확률이 작다면 통게적으로 유의하다 확률이 크다면 통계적으로 유의하지않다 => 데이터를 이용해 신뢰할 수 있는 결론을 내리려면 유의확률을 계산하는 통계적 가설 검증 절차를 거쳐야한다 유의확률(p-value)을 이용해 가설을 검정하는 방법 비무가설: 연구적 목적으로 세우는 가설 대립가설: 비무가설의 반대가 되는 것 참고 : https://ko.wikipedia.org/wiki/%EA%B7%80%EB%AC%B4_%EA%B0%8..
[전Z전능 DA]Day36 - PYTHON 프로젝트 1 탐색적 데이터 분석. 주어진 데이터를 탐색하고 이해하는 과정 ! = 데이터에 대한 일종의 견적을 내는 일 EDA를 하려면? 데이터의 각 컬럼들과 로우의 의미 이해 결측치 처리 및 데이터 클렌징 - 어떤 결과를 만들어 낼 지 데이터를 여러 측면으로 쪼개고, 출력 시각화 - 인사이트를 얻어내는것 EDA 데이터 분석 주의할 점? 무의식적 판단 / 인지적 편향 X => 정보(데이터) SQL 프로젝트에서 해봤던 것을 파이썬에서 해볼까요? 성별 별 대여수 및 평균 이동거리 - 남자 : 100만 - 여자 : 70만 - NULL : 68만 #대여수 rental_list['gender'].value_counts() # 젠더 카테고리 빈도 확인 rental_list_copy = rental_list.copy() renta..
[전Z전능 DA]Day35 - PYTHON 기초6 🎯그래프 그리기 graph : 데이터를 보기 쉽게 그림으로 표현한 것 추세와 경향성이 드러나 데이터의 특징을 쉽게 이해할 수 있다. 새로운 패턴 발견, 데이터의 특징을 잘 전달 다양한 그래프 2차원 그래프, 3차원 그래프 지도 그래프 네트워크 그래프 모션 차트 인터랙티브 그래프 seaborn 패키지 그래프를 만들 때 자주 사용되는 패키지 코드가 쉽고 간결함 1. scatter plot 산점도 데이터를 x축과 y축에 점으로 표현한 그래프 나이와 소득처럼 연속값으로 된 두 변수의 관계를 표현할 때 사용 2.막대그래프 (bar chart) 데이터의 ㄱ크기를 막대의 길이로 표현한 그래프 성별 소득 차이처럼 집단 간 3. 빈도 막대 그래프 sns.countplot 4. 선그래프 (line chart) 데이터를 선..
[전Z전능 DA]Day34 - PYTHON 기초5 🎯자유자재로 데이터 가공하기 데이터 전처리 - 원하는 형태로 데이터 가공하기 조건에 맞는 데이터만 추출하기 필요한 변수만 추출하기 순서대로 정렬하기 파생 변수 추가하기 집단별로 요약하기 데이터 합치기 1. 데이터 전처리 함수 기능 query() 행 추출 (시리즈 사용불가) df [ ] 열(변수) 추출 sort_values() 정렬 groupby() 집단별로 나누기 assign() 변수(컬럼) 추가 agg() 통계치 구하기 merge() 데이터 합치기(열) concat() 데이터 합치기 (행) 2. 조건에 맞는 데이터 추출하기 전체 조건에 작은따옴표, 추출할 문자 조건에 큰 따옴표 사용 (사용순서 바껴도 상관없음, 같은 모양 따옴표 사용하면 에러) 🌵외부 변수를 이용해 추출하기 더보기 파이썬에서 사용하는 ..
[전Z전능 DA]Day33 - PYTHON 기초4 조건에 맞는 변수(컬럼) 생성하기 : numpy 사용 numpy c로 만들어져서 수학연산할때 빠르다 메서드 체이닝