https://meticulousdev.tistory.com/entry/%EC%84%A0%ED%98%95-%ED%9A%8C%EA%B7%80-%EB%B6%84%EC%84%9D%EC%97%90%EC%84%9C-%EC%8B%A0%EB%A2%B0-%EA%B5%AC%EA%B0%84Confidence-Interval%EA%B3%BC-%EC%98%88%EC%B8%A1-%EA%B5%AC%EA%B0%84Prediction-Interval
https://heoni00.github.io/categories/bigboon
groupby 메서드는 dataframe의 데이터를 그룹화해주고 agg 메서드는 그룹화된 데이터에 대해 집계함수를 적용해주는 메서드이다.
집계 함수 종류는
mean (평균), sum (합계), count (개수), max (최대값), min (최소값), std (표준편차), var (분산)이 있다.
일반적인 용법은
df.groupby('column_name').agg(agg_func)
여기서 column_name이 그룹화할 기준 컬럼이 되고 agg_func이 집계함수가 된다.
예시)
import pandas as pd
data = {
'category' : ['A', 'A', 'B', 'B', 'C', 'C'],
'value1' : [1,2,3,4,5,6],
'value2': [10,20,30,40,50,60]
}
df = pd.DataFrame(data)
grouped_df = df.groupby('category').agg({'value1':'mean', 'value2':'sum'})
print(grouped_df)
output:
category value1 value2
A 1.5 30
B 3.5 70
C 5.5 110
groupby 메서드 & agg 메서드를 사용하여 'category' 컬럼을 기준으로 그룹화하고, 'value1', 'value2' 컬럼에 대해 각각 평균과 합계를 계산한 결과이다.
agg 매서드에 딕셔너리를 전달하면 각 컬럼에 대한 집계함수를 구할 수 있다.
예시 2) lambda 함수 활용
grouped_df = df.groupby('category').agg(lambda x : x.max() - x.min())
print(grouped_df)
이렇게 lambda함수를 활용하여 사용자 정의 집계 함수를 적용할 수도 있다.
예시 3) 딕셔너리 unpacking
** 인자는 딕셔너리의 각 element를 전달할 때 사용한다. 즉 dictionary의 element들을 각각 분리하여 전달한다.
agg_dict = {'value1' : 'mean', 'value2' : 'sum'}
grouped_df = df.groupby('category').agg(**agg_dict)
이 때 위 예시에서
grouped_df = df.groupby('category').agg({'value1':'mean', 'value2':'sum'})
이렇게 직접 agg매서드 내에 딕셔너리를 전달할 때는 dictionary로 전달이 가능하나
agg_dict처럼 dictionary를 변수로 받아 전달하는 경우 **를 붙여 dictionary unpack이 필요하다.
아닌 경우 아래와 같은 에러가 나타나게 되는데
TypeError: agg() missing 1 required positional argument: 'func'
이 에러는 agg매서드가 agg_dict딕셔너리를 함수로 인식하지 못하고, 대신 func라는 인자를 요구하게 된다. (... 잘은 이해는 안돼지만 그렇다고 한다).
예시 4) 딕셔너리 for문으로 정의하기
elements = ['value1', 'value2']
agg_dict = {col : 'mean' for col in elements}
딕셔너리 활용 예시인데 모든 column에 대한 집계함수를 mean으로 받고자 하면 위와같이 for문을 이용하여 dictionary를 정의할 수 있다.
이후
grouped_df = df.groupby('category').agg(**agg_dict)
하면 집계함수를 구할 수 있다.
아래와 같은 예시코드
public class MyComponent : Component
{
protected override void Dispose(bool disposing)
{
if (disposing)
{
// 관리되는 리소스를 해제합니다.
}
// 관리되지 않는 리소스를 해제합니다.
base.Dispose(disposing);
}
}
Conda 가상환경 생성 / 제거
>conda create --name [Name] / conda remove --name [Name] --all
** 특정 python 버전 가상환경 생성인 경우
>conda create --name [Name] python=3.8 pip
Conda 가상환경 실행 / 종료
>conda activate [Name] / conda deactivate
Conda 가상환경 패키지 확인
>conda env list
설치된 python package 확인
>conda list
가상환경 패키지 update
>conda update -n base conda
>conda update --all
PIP package 설치
>pip install [PackageName]
Pygame 참고 site : https://sweetburble.tistory.com/33
Auto Encoder : https://deepinsight.tistory.com/123
가상환경 재설치 참고 : conda 가상환경 패키지를 저장하고 다른 컴퓨터에 똑같이 설정하기 (tistory.com)
Conda 가상환경 생성 / 제거
>conda create --name [Name] / conda remove --name [Name] --all
** 특정 python 버전 가상환경 생성인 경우
>conda create --name [Name] python=3.8 pip
Conda 가상환경 실행 / 종료
>conda activate [Name] / conda deactivate
Conda 가상환경 패키지 확인
>conda env list
가상환경 내 패키지 설치
> conda install [PackageName]
or PIP package 설치
>pip install [PackageName]
conda나 PiP 둘중 아무거나로 설치 진행
(코드 내 import된 패키지들 설치.)
eg)
>conda install numpy
혹은
>pip install numpy
(패키지 설치시에는 구글링을 통해 특정 버전의 이슈가 있는지 확인해 보는게 좋다).
가상환경 패키지 update
>conda update -n base conda
>conda update --all
https://bas.codes/posts/best-vscode-extensions-python
Conda 명령
https://dowtech.tistory.com/14
보유하고 있는 침낭이 보이스카웃 때 받은 것이 유일하다. 10살 때 처음 받은 침낭을 아직도 쓰고 있는 것이다. 이 침낭으로 그 동안 겨울에도 잘도 다녔다.
하지만 올해 2월 말 캠핑을 다녀오고 나서 깨달았다. 아, 이러다 죽겠구나.
겨울이 끝나가는 시점이라 낮에는 영상 10도 수준까지 올라가는 날씨였지만, 해가 지고나자 영하로 기온이 떨어졌고, 새벽에 확인한 온도는 영하 5도였다.
사실 생각보다 낮은 기온은 아니었지만, 믿었던 핫팩 2개 모두 불발하면서 밤새 추위와 싸우며 거의 잠을 못잤다.
이를 계기로 겨울용 침낭을 구매하기로 하고 추천받은 FEATHERDOWN제품을 비교해 보았다.
결론은 F-1300g제품이 끌린다. 패킹시 부피, 중량 면에서 좀 더 작은 것을 선택하려고 하다보니 나온 결론이다.
1. 디자인은 둘 다 번데기같은 디자인이라 크게 비교할 건 없을 듯.
2. 패킹사이즈 : 적혀져 있는 정확한 정보는 없지만 사진 정보로 미루어 봤을 때 높이만 F-1300g이 약 5cm 작다는 것 같다.
3. 중량 : Winter-1500g : 2000g, F-1300g는 1860g
4. 필파워 : Winter-1500g 700FP vs F-1300g 800FP
5. Size (가슴 x 길이 cm) : Winter-1500g 80 x 210, F-1300g 82 x 205
지르러 가자.
(상세 정보, 출처는 맨 아래)
FEATHERDOWN WINTER-1500g
출처
