티스토리

s2oy3on 님의 블로그

검색하기

블로그 홈

s2oy3on 님의 블로그

s2oy3on.tistory.com/m

변떠떠의 데이터 분석 일지

구독자: 1

방명록 방문하기

주요 글 목록

2025.01.07- TIL TIL: 프로젝트 평가 기준 정리오늘은 프로젝트 평가 기준을 체계적으로 정리하며 학습했습니다. 프로젝트 전 과정을 다룰 수 있는 이 기준은 프로젝트의 기획, 데이터 EDA 및 전처리, 모델링 및 평가, 결과 해석, 대시보드 제작 등 전반적인 프로세스를 효과적으로 점검할 수 있도록 구성되어 있습니다.1. 프로젝트 기획목표 및 문제 정의목표가 SMART 기준에 부합하며, 명확하고 구체적으로 설정되었는가?해결하려는 문제가 명확히 정의되었고, 프로젝트 필요성이 잘 드러나는가?데이터 활용 및 실행 계획데이터 활용 및 분석 계획이 구체적이고 실행 가능한가?제안된 분석 방법론이 적합하며, 일정과 마일스톤이 명확한가?기대 효과 및 팀 구성목표 달성 시 기대되는 결과물이 구체적으로 명시되었는가?팀원의 역할 분담이 적합하.. 공감수 0 댓글수 0 2025. 1. 7.
2024.12.19- TIL 1. 집계된 데이터와 비집계 데이터를 혼합할 때 발생하는 오류 해결문제: Tableau에서 집계 함수(SUM, AVG)와 비집계 데이터를 함께 사용할 때 오류 발생.해결 방법: 모든 계산 필드를 집계 함수로 감싸거나, 이미 집계된 필드만 사용하는 방식으로 수정.예: 헤비 유저와 라이트 유저를 나눌 때 SUM([Total Playtime Second]) >= AVG([Total Playtime Second]) 형태로 계산 필드 작성.2. 헤비 유저와 라이트 유저 구분기준:Total Playtime Second가 평균 이상.Pay Amount가 상위 10%인 유저를 헤비 유저로 분류.구현:계산된 필드에서 PERCENTILE 함수와 SUM 함수 사용:plaintext코드 복사IF SUM([Total Playt.. 공감수 0 댓글수 0 2024. 12. 19.
2024.12.17- til TIL (Today I Learned) - 게임 데이터 분석 및 대시보드 구축 프로젝트 오늘의 배운 점EDA의 중요성: 데이터를 이해하고 파생변수를 만들면 분석 및 모델링의 성능을 높일 수 있음목표 설정과 기획: 데이터를 활용해 실질적인 비즈니스 문제를 해결할 수 있도록 구체적인 목표 설정파생변수 생성: 원본 데이터를 기반으로 유의미한 파생변수를 설계하는 작업이 중요함회귀 모델: 예측 모델을 통해 유저의 행동 패턴과 매출 간의 관계를 파악할 수 있음내일 계획생성된 파생변수를 활용하여 EDA 심화 분석회귀 모델 학습 및 검증 (Linear Regression & Random Forest)대시보드 설계 초안 구체화 및 시각화 진행유저 세그먼트별 인사이트 도출 및 액션 플랜 정리 힘들다,,, 어려워어,,,, 공감수 1 댓글수 0 2024. 12. 17.
2024.12.16 - til 1. Scatter Plot 만들기오늘은 GDP per Capita와 Happiness Score 간의 관계를 보여주는 Scatter Plot을 만들었다.X축에는 GDP per Capita, Y축에는 Happiness Score를 배치.Region(지역)에 따라 점의 색깔을 다르게 지정해, 지역별 패턴을 시각적으로 비교할 수 있도록 설정했다.처음에는 데이터가 집계되어서 각 Region당 점이 하나만 표시됐지만, 데이터 집계를 해제(Disaggregate Data)한 뒤에는 각 데이터 포인트가 잘 보였다.추가로, 두 변수의 상관관계를 더 잘 이해하기 위해 트렌드 라인(Trend Line)도 추가해봤다. 이걸 통해 지역 간 패턴을 좀 더 명확히 파악할 수 있었다.2. 대시보드 제작하기Scatter Plot과.. 공감수 0 댓글수 0 2024. 12. 16.
2024.12.12 - 아티클스터디 https://medium.com/@calebcho/%EB%B2%88%EC%97%AD-%EB%8D%94-%EB%82%98%EC%9D%80-%EB%8C%80%EC%8B%9C%EB%B3%B4%EB%93%9C-%EB%94%94%EC%9E%90%EC%9D%B8%EC%9D%84-%EC%9C%84%ED%95%9C-10%EA%B0%9C%EB%AA%85-10-rules-for-better-dashboard-design-4fe915895b9c [번역] 더 나은 대시보드 디자인을 위한 10개명: 10 rules for better dashboard design실용적 가이드 (Practical Guide)medium.com요약대시보드의 목적 정의Operational Dashboard분초를 다루는 임무를 하고 있는 사용자들.. 공감수 0 댓글수 0 2024. 12. 12.
2024.12.10 - 머신러닝 개인과제 1. 기초통계 statistics csv 파일을 읽고, 성별 Review Rating 에 대한 평균과 중앙값을 구해주세요. 결과는 소수점 둘째자리까지 표현해주세요.그리고 이에 대한 해석을 간략하게 설명해주세요. import pandas as pdimport numpy as np import scipy.stats as statsfrom datetime import datetime, timedelta 필요한 라이브러리를 불러온 후homework = pd.read_csv('C:/Users/USER/Downloads/데이터분석/머신러닝 개인과제/statistics.csv')homework.head() statistics csv파일을 불러와 homework라는 데이터프레임을 만들어주었습니다.gender_stati.. 공감수 0 댓글수 0 2024. 12. 10.
2024.12.02 - til 오늘 한 일:브라질 지역별 데이터 분석 준비:브라질 주(customer_state)를 5개 지역(region)으로 나누는 파생 변수 생성.각 지역별 평균 배송비, 배송 시간, 상품 무게를 계산해서 데이터를 정리.시각화 작업:Seaborn을 활용해 지역별 평균 배송비를 바 그래프로 시각화.과정 중 발생한 데이터 불일치 에러를 디버깅하고 수정.상관관계 분석:수치형 데이터 간 상관관계를 분석하고 히트맵으로 시각화.어떤 변수들이 밀접하게 관련이 있는지 확인하며 데이터의 패턴을 파악.데이터 정리 및 처리:추가 파생 변수 생성 (delivery_time_diff, volume_cm3 등).결측값을 처리하고, 데이터 분석과 시각화에 적합한 형태로 정리.배운 점:데이터 컬럼 이름이나 타입에 실수가 있으면 시각화 도구에.. 공감수 0 댓글수 0 2024. 12. 2.
2024.11.28 -아티클스터디 https://yozm.wishket.com/magazine/detail/2611/ 머신러닝 : 컴퓨터가 데이터로부터 패턴을 학습하여, 명시적인 프로그래밍이 없이 어떤 예측이나 분류 작업을 수행하는 것인공지능, 머신러닝, 딥러닝인공지능: 인간의 지능을 모방하는 기술을 총칭 머신러닝: 인공지능을 구현하는 방법론 중 하나딥러닝: 머신러닝의 한 종류 / 인공신경망을 기반으로 한 심층 학습 기술머신러닝의 분류와 유형 - 지도학습, 비지도 학습, 강화학습지도학습라벨이 있는 훈련 데이터를 사용하여 모델을 학습시키는 방법/ 입력 데이터와 그에 해당하는 라벨을 머신러닝 모델에 제공하여 입력과 정답간의 관계를 학습시키는 것 ( 분류, 회귀 )비지도 학습라벨이 없는 데이터를 사용하여 데이터에 내재된 구조나 패턴을 발견하.. 공감수 0 댓글수 0 2024. 11. 28.
2024.11.26 - til 오늘은 주택 가격 예측 데이터를 활용해 데이터 전처리와 탐색 작업을 진행했다. 이 과정에서 데이터 분석의 기본적인 테크닉과 라이브러리를 활용하면서 유의미한 인사이트를 도출하기 위한 발판을 마련했다.1. 결측치 처리주요 열의 결측치를 확인하고, 각각 적절한 방식으로 보완했다.LotFrontage는 Neighborhood별 평균값으로 채웠다.결측치가 과도하게 많은 Alley, PoolQC 등의 열은 삭제를 고려했다.MasVnrType, MasVnrArea, Garage 관련 열은 결측치를 별도의 카테고리("None")로 대체하거나 의미 있는 수치로 변경했다.처리 도중 FutureWarning과 chained assignment 관련 경고가 발생했는데, 이를 통해 데이터 프레임 조작 시 주의사항을 배우는 계기.. 공감수 0 댓글수 0 2024. 11. 26.
2024.11.19 - 통계학 기초 6주차 가설검정의 주의점[수업 목표]가설검정의 다양한 주의점에 대해 이해한다이러한 주의점들을 참고하여 가설검정을 진행할 수 있다6.1 재현가능성- 우연히 결과가 나오는 것이 아닌, 항상 일관된 결과가 나오는지 확인 1) 재현가능성이란?재현 가능성동일한 연구나 실험을 반복했을 때 일관된 결과가 나오는지 여부. 연구의 신뢰성을 높이는 중요한 요소ex) 신약을 개발할 때 실험실에서만 효과가 있는 것이 아니라 실제 상황에서도 일관된 결과가 나온다고 믿을 수 있기 때문에 개발 가능한 것최근 p값에 대한 논쟁이 두드러지고 있음p값을 사용하지 않는 것이 좋다.유의 수준을 0.05에서 변경하는 것이 좋다.가설검정 원리상의 문제나 가설검정의 잘못된 사용이 낮은재현성으로 이어진다는 문제 발생최근 논문을 다시 재현해서 실험을 해보.. 공감수 3 댓글수 2 2024. 11. 19.
2024.11.19 - 통계학 기초 5주차 상관관계 [수업목표]상관관계에 대해서 이해한다다양한 상관관계 계산의 특징과 차이점을 이해하고 적용할 수 있다.5.1 피어슨 상관계수 - 가장 대표적으로 많이 사용하는 상관계수가장 왼쪽 그래프가 피어슨 상관계수 그래프!첫 번째 그래프는 파란색 점들로 나타내었으며, X와 Y의 선형 관계를 보여줍니다.그래프에서 점들이 직선적으로 퍼져 있으며, 상관계수는 0.99로 매우 강한 양의 선형 관계를 나타냅니다.피어슨 상관계수두 연속형 변수 간의 선형 관계를 측정하는 지표-1에서 1 사이의 값을 가지며1은 완전한 양의 선형 관계-1은 완전한 음의 선형 관계0은 선형 관계가 없음을 의미피어슨 상관계수는 언제 사용할까?선형적인 관계가 예상될 때공부시간과 시험점수 간의 상관관계 분석비선형 관계에선 사용할 수 없음 5.2.. 공감수 0 댓글수 0 2024. 11. 19.
2024.11.18- 통계학 기초 4주차 4.1 단순선형회귀 - 한개의 변수에 의한 결과를 예측- 하나의 독립 변수와 하나의 종속 변수 간의 관계를 직선으로 모델링하는 방법 회귀식Y = β0 + β1X, 여기서 β0는 절편, β1는 기울기중학교 때 배웠던 1차함수를 생각하면 쉬움!특징독립 변수의 변화에 따라 종속 변수가 어떻게 변화하는지 설명하고 예측데이터가 직선적 경향을 따를 때 사용간단하고 해석이 용이데이터가 선형적이지 않을 경우 적합X4.2 다중선형회귀 - 두 개 이상의 변수에 의한 결과를 예측다중선형회귀두 개 이상의 독립 변수(X1, X2, ..., Xn)와 하나의 종속 변수(Y) 간의 관계를 모델링. 회귀식Y = β0 + β1X1 + β2X2 + ... + βnXn 특징여러 독립 변수의 변화를 고려하여 종속 변수를 설명하고 예측종속변수.. 공감수 1 댓글수 1 2024. 11. 19.
2024.11.14- 통계학 3주차 유의성 검정- 각각의 유의성 검정 방법들 이해, 특징 파악- 신뢰구간과 가설검정의 관계에 대해 설명할 수 있다- 1종오류, 2종 오류 3.1 A/B 검정- A/B 검정은 두 버전(A/B)중 어느 것이 더 효과적인지 평가하기 위해 사용되는 검정 방법- 마케팅, 웹사이트 디자인 등에서 많이 사용됨.- 사용자들을 두 그룹으로 나누고, 각 그룹에 다른 버전을 제공한 후, 반응을 비교- 일반적으로 전환율, 클릭률, 구매수, 방문 기간, 방문한 페이지 수, 특정 페이지 방문 여부, 매출 등의 지표를 비교 * 목적 두 그룹 간의 변화가 우연이 아니라 통계적으로 유의미한지 확인 * ttest_ind - 독립표본 t-검정- 두 개의 독립된 집단 간 평균의 차이가 유의미한지 평가- 두 집단의 데이터 배열을 입력으로 받아서.. 공감수 4 댓글수 3 2024. 11. 18.
2024.11.13 - 아티클스터디 https://yozm.wishket.com/magazine/detail/1931/ 선형 회귀연속형 변수인 목표 변수를 예측하는 것이 목적 ( 종속변수만 연속형 변수이면 된다. )복잡한 알고리즘에 비해서는 예측력이 떨어지지만 데이터 특성이 복잡하지 않을 때 쉽고 빠른 예측 가능로지스틱 회귀선형 회귀 분석과 유사하지만 연속된 변수가 아닌 Yes/No 두가지로 나뉘는 분류 문제를 다룸KNN선형 관계 X 각 데이터 간의 거리를 활용해서 새로운 데이터를 예측하는 모델가까이에 있는 데이터를 고려하여 예측값 결정직관적이고 간단함나이브 베이즈조건부 확률 기반의 분류 모델자연어 처리가 목적일 때 , 독립변수 종류가 많을 때 적합결정 트리관측값과 목푯값을 연결시켜주는 예측 모델로서 나무 모양으로 데이터 분류각 변수의 특.. 공감수 0 댓글수 0 2024. 11. 14.
2024.11.13 - sqld 기출풀이 공감수 0 댓글수 0 2024. 11. 14.
2024.11.04 - 팀프로젝트 시각화작업 import pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns# 데이터셋 로드 (경로는 실제 데이터셋 위치로 변경해야 합니다)# sp = pd.read_csv('path_to_your_data.csv') # 데이터셋 파일명으로 변경 필요# 2022년 데이터 필터링mask = (sp['SEASON'] == '2022') & ((sp['TEAM_WINS'] != 0) & (sp['TEAM_WINS'] != 1))filtered_data = sp[mask]# 승리 공헌도를 기준으로 상중하 그룹으로 나누기def group_victory(victory): if victory > filtered_data['victory'].quantile(0.. 공감수 0 댓글수 0 2024. 11. 4.
2024.10.31- ADSP 1. 신뢰구간- 95% 신뢰구간은 특정구간에 미지의 모수가 포함될 확률- 관측치의 수가 늘어나면 신뢰구간의 길이 줄어듦- 점추정의 정확성을 보완하는 방법- 신뢰수준이 높아지면 신뢰구간의 폭도 넓어짐 2. K-MEANS 군집분석 수행순서원하는 군집의 개수와 초깃값을 정해 군집 형성 -> 각 데이터를 가장 가까운 SEED가 있는 군집으로분류-> 각 군집의 SEED 값 다시 계산 -> 모든 개체가 군집으로 할당될 때까지 위의 과정 반복 3. 숫자, 문자, 논리연산자가모두 포함된 벡터 -> 문자형 벡터참,거짓으로 이루어진 벡터 -> 논리형 벡터숫자 데이터 만으로 구성된 벡터 -> 숫자형 벡터 4.ddply 데이터프레임 입력, 데이터 프레임 반환 (dd)ldply 데이터프레임 입력, 리스트 반환 (dl)adply.. 공감수 0 댓글수 0 2024. 11. 1.
2024.10.29 - 세미 프로젝트 가설 설정 1.가설: 자녀가 있는 가정은 할인 캠페인에 대한 반응이 더 클 것이다.→ 자녀가 있는 가정은 일반적으로 예산에 민감할 수 있기 때문에 할인 혜택이 큰 영향을 미칠 수 있다.1-1. 검증 방법: 자녀가 있는 가정과 자녀가 없는 가정 두 개의 그룹으로 나눈뒤(이전에 했던 Totalchildren 기준으로) 과거에 할인 혜택을 제공한 캠페인(AcceptedCmp1, AcceptedCmp2 등..)에 대한 반응이 자녀가 있는 가정과 없는 가정에서 차이가 있는지 비교 한다.1-2 채택시 활용 가능성: 자녀가 있는 가정이 할인에 더 민감하다면, 이들이 주로 소비하는 품목위주로 할인 마케팅 전략을 세워 구매 유도를 강화할 수 있다.( 예산 민감도가 높은 가정을 대상으로 다량구매 할인이나 장기 구독 할인과 같은 마케.. 공감수 3 댓글수 3 2024. 10. 29.
2024.10.29 - 아티클 스터디 https://yozm.wishket.com/magazine/detail/1113/ 실험 조직으로 거듭나기: ② 검증할 ‘만’한 가설은? | 요즘IT오늘은 실험 조직으로 거듭나기 2편으로, 가설의 뼈대를 만드는 방법을 살펴보겠습니다. 그로스(Growth)와 실험 문화를 팀에 도입하고 싶은 분, '무엇'을 '어떻게' 검증해야 할지 헷갈리는 분, 가yozm.wishket.com요약 :가설 검증 우선순위 → 검증할 수 있는 가설의 수가 한정된 상태에서 우선순위를 매기고, 가치가 높은 순으로 검증현재 상황을 개선하는가?→OKR을 통해 정량적 기준을 바탕으로 현재의 상태를 객관적으로 되돌아볼 수 있다.actionable 한가?→ 이 가설을 검증했을 때, 다음 가설에 인사이트를 줘야한다.→ 비교를 통한 가설 검증 .. 공감수 3 댓글수 2 2024. 10. 29.
2024.10.29 - 파이썬 개인과제 1,2,3,4번 import pandas as pdimport numpy as npfrom datetime import datetime, timedeltafile_path = 'flight_data_homework.csv'df = pd.read_csv(file_path)print("테이블의 행과 열 개수:", df.shape)print("테이블의 처음 5줄:")print(df.head())테이블의 행과 열 개수: (10683, 11)테이블의 처음 5줄: Airline Date_of_Journey Source Destination Route \0 IndiGo 24/03/2019 Banglore New Delhi BLR → DE.. 공감수 0 댓글수 1 2024. 10. 29.
2024.10.29 - 코드카타 코드카타 94번# 각 대회에 등록된 사용자 비율 소수점 두자리 반올림#퍼센트 내림차순 content_id 오름차순select r.contest_id, round(count(r.user_id)/3 *100 ,2) as percentage from register rleft join users u on u.user_id = r.user_idgroup by r.contest_idorder by percentage desc, r.contest_id asc코드카타 95번# query_name각각 , quality, 를 찾는 해결책#둘 다 quality소수점 둘째 자리까지 반올림poor_query_percentage 해야 합니다 .#결과 표를 임의의 순서 로 반환합니다 .with poor as ( select.. 공감수 0 댓글수 0 2024. 10. 29.
2024.10.28- 세미프로젝트 스터디 import pandas as pdimport seaborn as snsimport matplotlib.pyplot as plt# 데이터 불러오기df = pd.read_csv("marketing_campaign.csv", sep='\t')# 1. 결측치 처리 (Income 열의 결측치를 중위수로 대체)df.columns = df.columns.str.strip()print(df.columns)print("Income" in df.columns)df['Income'].fillna(df['Income'].median(), inplace=True)# 2. 새로운 열 추가 -TotalChildren (Kindhome + Teenhome)df['TotalChildren'] = df['Kidhome'] + df[".. 공감수 1 댓글수 0 2024. 10. 28.
2024.10.25 오늘은 QCC를 진행하느라 힘이 많이 빠진하루였다,,,adsp 3과목 강의를 듣는데 집중도 잘 못했고,,,오늘 제대로 한 것이라곤 파이썬 세션을 재미있게 듣고 튜터님이 주신 학습자료로 따라해보는 정도,,til 쓰는 데에 의의를 두고 다가오는 다음주에는 더 자극받아서 내용을 알차게 쓸 수 있도록 열심히 학습에 임해야겠다. 공감수 0 댓글수 0 2024. 10. 25.
2024.10.24 - 아티클 스터디 https://www.kaggle.com/datasets/imakash3011/customer-personality-analysis/data Customer Personality AnalysisAnalysis of company's ideal customerswww.kaggle.com 1. 고객 세분화: 지출 패턴 or 가구 인구 통계를 기준으로 고객을 세분화한다.2. 고객 이탈 예측: 마지막 구매일과 총 지출을 기반으로 고객 이탈을 예측하는 모델 구축, 오랜 기간 구매하지 않은 고객 패턴 식별 후 필터링3. 제품 연관성 분석: 자주 함께 구매되는 제품 그룹을 식별하기 위해 연관성 분석을 실행하여 효과적인 판매 전략 수립4. 고객 평생 가치: 다양한 제품군에서 총 지출을 분석하여 각 고객의 평생가치를 계.. 공감수 2 댓글수 1 2024. 10. 24.
2024.10.23 https://www.kaggle.com/datasets/imakash3011/customer-personality-analysis Customer Personality AnalysisAnalysis of company's ideal customerswww.kaggle.com 이 데이터를 사용해서 팀원들과 파이썬 스터디를 진행하기로했다.케글 사이트에 들어가 자신이 하고 싶은 데이터시트를 찾아보고 공유도 하면서 팀원들과 소통을 하는 시간을 가져서각자 관심있는 분야도 이렇게 다르구나 하는 생각도 들고 흥미가 생겼다. 내일까지 데이터 보고 어떤 것을 보고 싶은 지 각자 목적, 가설 설정, 계획 수립 해오는게 숙제인데,, 내가 잘 따라갈 수 있을 지 걱정이 되지만 열심히 최선을 다해서 팀원들에게 도움이 되어야겠.. 공감수 4 댓글수 0 2024. 10. 23.
2024.10.22 - 데이터 시각화 강의 정리 import matplotlib.pyplot as pltx = [1,2,3,4,5]y = [2,4,6,8,10]plt.plot(x,y)plt.xlabel('X-axis')plt.ylabel('Y-axis')plt.title('Example')plt.show()import pandas as pddf = pd.DataFrame({ 'A' : [1,2,3,4,5], 'B' : [5,4,3,2,1]})dfdf.plot(x='A', y='B')plt.show()df.plot(x='A',y='B',color='pink', linestyle='--', marker='o')plt.show범례 추가하기df.plot(x='A',y='B',color='red', linestyle='--', marker='o', .. 공감수 2 댓글수 1 2024. 10. 22.
2024.10.22 - adsp 2과목 필기 공감수 0 댓글수 0 2024. 10. 22.
2024.10.21 numbers = [10, 20, 30, 40, 50]def calculate_avg(numbers): # 여기에 코드를 작성하세요 total_sum = sum(numbers) total_avg = total_sum / len(numbers) return total_avgtotal_avg = calculate_avg(numbers)print("숫자들의 평균:", total_avg)숫자들의 숫자들의 평균: 30.0 평균: 30.0numbers = [10, 20, 30, 40, 50]def calculate_diff_temperature(numbers): max_temp = max(numbers) min_temp = min(numbers) diff_temp = max_t.. 공감수 1 댓글수 0 2024. 10. 21.
2024.10.18 전역변수- 프로그램 전체에서 접근 가능한 변수, 어디서든지 사용할 수 있다.지역변수- 특정한 범위에서만 접근 가능하고 해당 범위를 벗어나면 사용할 수 없다.# 전역변수 예시global_var = 10def global_example(): print("전역변수 접근:", global_var)global_example() # 출력: 전역변수 접근: 10# 지역변수 예시def local_example(): local_var = 20 print("지역변수 접근:", local_var)local_example() # 출력: 지역변수 접근: 20# 함수 내에서 전역변수를 수정하는 예시def modify_global(): global global_var global_var = 30 .. 공감수 0 댓글수 0 2024. 10. 18.
2024.10.17 1) 조건문 이란?- 특정 조건이 참(True)인 경우에만 특정 코드 블록을 실행- 파이썬에서 조건문은 if, elif(else if), else 키워드를 사용하여 구성됨 if 조건: # 조건이 참일 때 실행될 코드elif 다른조건:# 다른 조건이 참일 때 실행될 코드else:# 위의 조건이 모두 거짓일 때 실행될 코드 2) 들여쓰기 및 띄어쓰기의 중요성 올바른 들여쓰기: if 문과 else 문이 서로 다른 인덴트 수준에 위치한다. 파이썬은 들여쓰기를 통해 블록을 식별하기 때문에 들여쓰기가 매우 중요 (아닐 시 오류) 3) 연산자> 초과>= 이상== 같음!= 같지 않음 - 논리 연산자AND : 모두 참일 때 참OR: 하나 이상이 참일 때 참NOT: 조건을 부정 - 반복문 range 함수-range(.. 공감수 0 댓글수 0 2024. 10. 17.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.