분류 전체보기

웹 상에서 github를 사용하는것도 얕은 소스코드 관리용으로는 나쁘지 않을 수 있지만, 여러가지 파일을 관리하고, 바로바로 업데이트를 하기 위해서는 로컬과 깃헙이 바로 연동되어야 하는게 필수인 듯 하다. 보통 한국 유저들이라면, 회사에서 서버를 사용하지 않는 이상 window 사용자들이 많을텐데, 이를 위해 git에서 git bash를 만들었다. 오늘은 git bash를 설치하는 걸 알아보려 한다. gitforwindows.org/ Git for Windows Git for Windows focuses on offering a lightweight, native set of tools that bring the full feature set of the Git SCM to Windows while pr..

로컬과 깃허브를 연동하려면 먼저 깃허브에 레파지토리를 생성해야 한다. 레파지토리를 생성하는 방법을 먼저 알아보고, 그 후에 로컬과 연동시키는 법을 알아보도록 하자. 깃허브 로그인을 하면 오른쪽 상단에 알림 표시와 함께 나의 계정이 있다. 나의 계정을 클릭하면 위와 같이 툴팁이 하나 있는데, 저기서 "Your repository"를 클릭한다. 그럼 위와 같은 화면이 존재하는데, 저기서 오른쪽 상단에 "New"버튼을 클릭해 새로운 repository를 생성한다. 그럼 위와 같은 화면에서 레파지토리 이름과 설명을 설정하면 된다. 간략하게 설명하자면, Repository name : 사용할 repository 이름 Description : repository에 대한 간략한 설명 작성 Public/Private ..

당연한 소리지만 깃허브를 사용하기 위해서는 우선 깃허브 계정부터 만들어야한다. 깃허브 계정 만드는 것은 구글 계정 만드는 거나 다름없다고 생각한다 ㅎㅎ 1. 우선 깃허브 사이트에 들어간다. github.com/ GitHub: Where the world builds software GitHub is where over 50 million developers shape the future of software, together. Contribute to the open source community, manage your Git repositories, review code like a pro, track bugs and feat... github.com 그럼 위와 같은 화면이 나오는데, 사용할 usern..

아래 내용은 나처럼 깃허브를 사용하려 했지만 어려워서 엄두를 내지 못하고 있던 사람들을 위해, 그리고 내가 잊어버릴까봐..ㅎ 기록용을 위해 적어놓는 내용들이다. 개발 직군, 데이터 분석 직군, 최근에는 디자이너 직군까지 많은 사람들이 github를 사용하고 있다고 한다. 나조차도 학부 때부터 github에 대해 많이 들아왔지만 막상 어려워서 잘 사용하지 않고 있었다. 그런데 이번에 회사에서 프로젝트를 진행하면서, 버전관리를 위해서는 반드시 필요하다고 느꼈고, 한번 알고 난 후에는 버전관리와 협업을 위해서는 반드시 필요하다고 느꼈다. 그리고 최근에는 개발 직군의 직원을 채용할 때 포트폴리오 대신 깃허브 링크를 받아 보는 사람도 많다고 하니, giuthub를 시작하면서 포트폴리오 관리를 하는것도 매우 좋다고..

* 위 강의노트는 패스트캠퍼스에서 주관하는 강의를 수강하고 작성한 노트입니다. 1. DataFrame group by 이해하기¶ In [1]: import pandas as pd import numpy as np group by¶ 아래의 세 단계를 적용하여 데이터를 그룹화(groupping) (SQL의 group by 와 개념적으로는 동일, 사용법은 유사) 데이터 분할 operation 적용 데이터 병합 In [21]: # data 출처: https://www.kaggle.com/hesh97/titanicdataset-traincsv/data df = pd.read_csv('./train.csv') df.head() Out[21]: PassengerId Survived Pclass Name Sex Age..

* 위 강의노트는 패스트캠퍼스에서 주관하는 강의를 수강하고 작성한 노트입니다. 1. Dataframe data 살펴보기¶ DataFrame¶ Series가 1차원이라면 DataFrame은 2차원으로 확대된 버젼 Excel spreadsheet이라고 생각하면 이해하기 쉬움 2차원이기 때문에 인덱스가 row, column로 구성됨 row는 각 개별 데이터를, column은 개별 속성을 의미 Data Analysis, Machine Learning에서 data 변형을 위해 가장 많이 사용 In [1]: import pandas as pd import numpy as np In [2]: # data 출처: https://www.kaggle.com/hesh97/titanicdataset-traincsv/data ..

* 위 강의노트는 패스트캠퍼스에서 주관하는 강의를 수강하고 작성한 노트입니다. 1. pandas Series 데이터 생성하기¶ In [1]: import numpy as np import pandas as pd pandas의 중요한 객체 : Data Frame!!¶ 엑셀 파일과 같은 차트 ex) 이름 키 몸무게 홍길동 162 50 김철수 180 78 Series¶ pandas의 기본 객체 중 하나 dataframe에서 파생된 결과로 series가 많이 사용됨 numpy의 ndarray를 기반으로 인덱싱을 기능을 추가하여 1차원 배열을 나타냄 index를 지정하지 않을 시, 기본적으로 ndarray와 같이 0-based 인덱스 생성, 지정할 경우 명시적으로 지정된 index를 사용 같은 타입의 0개 이상의..

* 위 강의노트는 패스트캠퍼스에서 주관하는 강의를 수강하고 작성한 노트입니다. 2.broadcasting 이해 및 활용하기 브로드캐스팅이란? shape이 같은 두 ndarray에 대한 연산은 각원소별로 진행 연산이 되는 두 ndarray가 다른 shape를 갖는 경우, 브로드캐스팅(shape을 맞춤) 후 진행 행렬이 맞지 않는 데이터를 행렬을 맞춰서 연산 진행! 뒷 차원에서부터 비교하여 shape이 같거나 차원 중 값이 1인 것이 존재하면 가능 shape이 같은 경우의 연산 x = np.arnage(9).reshape(3,3) y = np.arange(9).reshape(3,3) x + y [[ 0, 2, 4], [ 6, 8, 10], [14, 16, 18]] scalar(상수)와의 연산 x + 1 # ..