판다스 데이터 전처리 4단계 흐름 — 개념만 알면 AI 요청이 완성된다
판다스 데이터 전처리를 4단계 흐름으로 정리했다. concat·merge·정렬·요약의 순서와 각 단계에서 AI에게 요청하는 법을 개념 중심으로 설명한다.
pandas 데이터프레임 완전 정복 — 5가지 핵심 영역으로 전체 구조를 한 번에 잡는 법
pandas 데이터프레임은 행과 열로 구성된 2차원 표 구조로 엑셀보다 빠르고 코드로 자유롭게 조작된다. 생성·입출력·조회·결측치·수정 5가지 핵심 영역을 단계별로 이해하면 데이터 분석 전체 흐름이 한눈에 보인다.
pandas DataFrame 완전 정복 — 생성부터 삭제까지 3단계로 끝내는 법
pandas DataFrame은 여러 자료형을 하나의 표에 담는 2차원 데이터 컨테이너다. numpy 배열과의 차이, 딕셔너리·리스트·시계열로 만드는 3가지 방법, 속성 조회 5가지와 콜럼 삭제 방법까지 익히면 판다스 기초 활용이 완성된다.
pandas 인덱싱 — AI에게 정확하게 요청하려면 이 개념부터 잡아라
pandas 인덱싱에서 loc과 iloc의 차이는 레이블 기준인지 정수 위치 기준인지에 있다. 범위·비연속 접근, 단일값 at·iat, 불리언 필터링까지 각 방법의 쓰임새를 구분해두면 AI에게 정확한 데이터 요청이 가능해진다.
판다스 Series 완전 정복 — AI에게 맡기기 전에 반드시 알아야 할 3가지 개념
판다스 Series는 값에 인덱스 레이블을 붙인 1차원 구조다. NumPy와의 차이, Series 생성 3가지 방법, 인덱싱, 결측치 처리(isnull·notnull)까지 한 번에 정리한다.
NumPy 활용, AI에게 제대로 시키려면 개념부터 잡아야 하는 3가지 이유
numpy 활용, AI에게 맡기기 전에 개념부터 잡아야 한다. 배열 구조·인덱싱·집계·난수 생성 4단계에서 무엇을 결정해야 하는지, 그 판단을 AI 요청에 어떻게 녹이는지를 현장 엔지니어 언어로 정리했다.
numpy 배열이란 무엇인가 — AI에게 데이터 작업을 맡기기 전에 반드시 잡아야 할 개념
numpy 배열이 파이썬 리스트와 다른 이유, 80배 빠른 속도의 원리, 1차원부터 4차원까지 차원 개념까지 — 현장 엔지니어 언어로 풀어낸 머신러닝 입문 필수 개념 정리
피벗 언피벗, 3단계로 완전히 이해하는 법
피벗 언피벗, Wide형·Long형 구조 차이부터 현장에서 언제 쓰는지까지 3단계로 완전 정리. pandas pivot_table·melt 함수 실전 적용과 RAW DATA 수집 원칙까지 엔지니어 언어로 설명한다.
엔지니어 코딩 입문, 어디서부터 시작해야 할까? — 현업에 바로 쓰는 3단계 로드맵
엔지니어 코딩 입문은 웹이 아닌 데이터부터 시작하는 것이 핵심이다. CSV 추출→집계→Slack 전달 3단계 로드맵을 따르면 2~4주 안에 현업에 쓸 수 있는 결과물이 나온다. 도메인 지식이 강한 엔지니어일수록 입문이 더 빠르다.
