[Python] 파이썬으로 엑셀 다루기 | ❷ 엑셀 데이터 사용하기

실제 업무에서 가장 많이 다루는 프로그램 중 하나인 엑셀을 파이썬으로 자동화하는 방법을 알아보겠습니다. 파이썬으로 엑셀 데이터를 다루면 수백 개의 엑셀 파일을 하나로 합치거나 특정 조건에 맞는 데이터만 추출하는 등의 반복 작업을 코드 몇 줄로 자동화할 수 있습니다. 파이썬을 통해 엑셀 프로그램보다 더 빠르게 엑셀 데이터를 처리해봅시다.

[Python] 파이썬으로 엑셀 다루기 | ❶ 엑셀 데이터 사용하기

실제 업무에서 가장 많이 다루는 프로그램 중 하나인 엑셀을 파이썬으로 자동화하는 방법을 알아보겠습니다. 파이썬으로 엑셀 데이터를 다루면 수백 개의 엑셀 파일을 하나로 합치거나 특정 조건에 맞는 데이터만 추출하는 등의 반복 작업을 코드 몇 줄로 자동화할 수 있습니다. 파이썬을 통해 엑셀 프로그램보다 더 빠르게 엑셀 데이터를 처리해봅시다.

[Python] 아나콘다 설치하기 | Anaconda, 파이썬, 주피터 노트북, 단축키

아나콘다는 ‘종합 패키지’입니다. 또한 콘다(Conda) 패키지 관리자라는 것도 함께 설치되는데, 이를 통해 아나콘다로 설치했거나 설치하지 못한 다른 라이브러리 또는 패키지를 쉽게 설치하고 관리할 수 있습니다. 한마디로 파이썬 버전 문제를 해결한 라이브러리 패키지를 몽땅 쉽게 설치할 수 있게 만든 것이 아나콘다입니다. 파이썬만 설치할 수도 있지만 초보자라면 아나콘다를 설치하는 것을 권장합니다. 설치 방법과 주피터 노트북 사용법을 알아보겠습니다.

머신러닝 입문자가 꼭 알아야 하는 4+1가지 : 프로세스, 라이브러리, 시각화, 피처 엔지니어링, 알고리즘

머신러닝·딥러닝 문제해결의 시작은 무엇일까요? 바로 데이터의 이해입니다. 데이터를 어떻게 이해하느냐에 따라 모델링 전략이 달라지고 예측 성능에 결정적인 영향을 줍니다. ‘탐색적 데이터 분석’ 과정에서 수행하는 데이터 시각화는 데이터 속에 감춰진 특성을 드러내는 가장 효과적인 수단입니다. 이 글에서는 여러 시각화 기법을 알아보고 각각의 특성과 구현 방법을 알아봅니다.

머신러닝 성능을 높이는 두 가지 실전 테크닉((연재 ② 주성분 분석(PCA) : 차원 축소)

머신러닝·딥러닝 문제해결의 시작은 무엇일까요? 바로 데이터의 이해입니다. 데이터를 어떻게 이해하느냐에 따라 모델링 전략이 달라지고 예측 성능에 결정적인 영향을 줍니다. ‘탐색적 데이터 분석’ 과정에서 수행하는 데이터 시각화는 데이터 속에 감춰진 특성을 드러내는 가장 효과적인 수단입니다. 이 글에서는 여러 시각화 기법을 알아보고 각각의 특성과 구현 방법을 알아봅니다.

머신러닝 성능을 높이는 두 가지 실전 테크닉(연재 ① 그리드 서치)

머신러닝·딥러닝 문제해결의 시작은 무엇일까요? 바로 데이터의 이해입니다. 데이터를 어떻게 이해하느냐에 따라 모델링 전략이 달라지고 예측 성능에 결정적인 영향을 줍니다. ‘탐색적 데이터 분석’ 과정에서 수행하는 데이터 시각화는 데이터 속에 감춰진 특성을 드러내는 가장 효과적인 수단입니다. 이 글에서는 여러 시각화 기법을 알아보고 각각의 특성과 구현 방법을 알아봅니다.

머신러닝·딥러닝 문제해결의 키(key) – 탐색적 데이터 분석과 주요 데이터 시각화

머신러닝·딥러닝 문제해결의 시작은 무엇일까요? 바로 데이터의 이해입니다. 데이터를 어떻게 이해하느냐에 따라 모델링 전략이 달라지고 예측 성능에 결정적인 영향을 줍니다. ‘탐색적 데이터 분석’ 과정에서 수행하는 데이터 시각화는 데이터 속에 감춰진 특성을 드러내는 가장 효과적인 수단입니다. 이 글에서는 여러 시각화 기법을 알아보고 각각의 특성과 구현 방법을 알아봅니다.