내배캠 기록장

SQL 코드카타Q138. Weather Observation Station 61. 문제 링크: https://www.hackerrank.com/challenges/weather-observation-station-6/problem2. 정답 코드:SELECT DISTINCT CITYFROM STATIONWHERE ((CITY like 'a%') OR (CITY like 'e%') OR (CITY like 'i%') OR (CITY like 'o%') OR (CITY like 'u%')); Q139. Weather Observation Station 71. 문제 링크: https://www.hackerrank.com/challenges/weather-observation-station-7/problem2. ..

SQL 코드카타Q155. Population Density Difference1. 문제 링크: https://www.hackerrank.com/challenges/population-density-difference/problem2. 정답 코드:SELECT MAX(POPULATION) - MIN(POPULATION) AS DIFFFROM CITY; Q136. Weather Observation Station 41. 문제 링크: https://www.hackerrank.com/challenges/weather-observation-station-4/problem2. 정답 코드:SELECT COUNT(*) - COUNT(DISTINCT CITY) AS CNT_CITYFROM STATION; Q148. Typ..

SQL 코드카타Q154. Japan Population1. 문제 링크: https://www.hackerrank.com/challenges/japan-population/problem2. 정답 코드:SELECT SUM(POPULATION)FROM CITYWHERE COUNTRYCODE = 'JPN'; Q135. Weather Observation Station 31. 문제 링크: https://www.hackerrank.com/challenges/weather-observation-station-3/problem2. 정답 코드:SELECT DISTINCT CITYFROM STATIONWHERE ID % 2 = 0; Q137. Weather Observation Station 51. 문제 링크: https..

Python 코드카타 (https://github.com/heeso0908/codekata.git)Q45. 시저 암호 ★★★ 1. 문제 링크: https://school.programmers.co.kr/learn/courses/30/lessons/129262. 정답 코드:def solution(s, n): answer = '' # 공백 처리 for char in s: if char == ' ': answer += ' ' # 대문자 처리 elif char.isupper(): new_char = chr((ord(char) - ord('A') + n) % 26 + ord('A')) answer +..

SQL 코드카타Q153. Average Population1. 문제 링크: https://www.hackerrank.com/challenges/average-population/problem2. 정답 코드:SELECT ROUND(AVG(POPULATION), 0)FROM CITY; Q134. Weather Observation Station 21. 문제 링크: https://www.hackerrank.com/challenges/weather-observation-station-2/problem2. 정답 코드:SELECT ROUND(SUM(LAT_N), 2), ROUND(SUM(LONG_W), 2)FROM STATION; Q126. 1517. Find Users With Valid E-Mails..

통계학 기초) 챕터 1: 데이터 분석과 통계통계를 알면 데이터 기반의 의사결정을 내릴 수 있다! 통계를 모르는 데이터 분석가는 없다!1-2. 기술통계와 추론통계통계의 양대산맥! 기술통계 vs 추론통계 1) 기술통계 : 데이터를 요약하고 설명하는 통계 방법평균, 중앙값, 분산, 표준편차 등데이터를 특정 대표 값으로 요약통계라고 했을 때 바로 생각나는 수치들이상치가 존재할 수 있다는 것을 명심하기!분산은 데이터 값과 평균의 차이를 제곱하여 평균을 낸 값이기 때문에 제곱 단위로 표현되지만,표준편차는 다시 제곱근을 취하여 원래 데이터 값과 동일한 단위로 변환한다→ 표준편차가 분산에 비해 훨씬 직관적이다!2) 추론통계 : 표본 데이터를 통해 모집단의 특성을 추정하고 가설을 검정하는 통계 방법 신뢰구간, 가설검정 ..

SQL 코드카타Q150. Revising Aggregations - The Count Function1. 문제 링크: https://www.hackerrank.com/challenges/revising-aggregations-the-count-function/problem2. 정답 코드:SELECT COUNT(*)FROM CITYWHERE POPULATION > 100000; Q151. Revising Aggregations - The Sum Function1. 문제 링크: https://www.hackerrank.com/challenges/revising-aggregations-sum/problem2. 정답 코드:SELECT SUM(POPULATION)FROM CITYWHERE District = 'C..

2019년 H&M의 판매량은 어떤 고객군이 어떤 채널과 어떤 상품을 통해 만들어내고 있을까?→ 2019년 H&M 판매량 데이터 기반 고객/상품 구매 패턴 분석 주요 사용 컬럼- Customer_Id- Sales_Channel_Id- Age- Age_Group- Product_Type_Info- Perceived_Colour_Master_Info채널별 판매량 비교연령대별 판매량 비교채널 - 연령대 판매량H&M의 판매량은 20–30대 연령층, 특히 온라인 채널에 강하게 집중되어 있다.상품군별 판매량 TOP 10상품군 - 연령대 판매량연령대별 1인당 평균 구매 건수연령대별 구매 고객 수 30대는 전체 구매 고객 수 2위이며, 1인당 평균 구매 건수도 가장 높게 나타나20대와 함께 H&M의 판매량을 견인하는 핵..

연령대에 따른 윈터시즌 매출 추이 분석윈터 시즌에 특정 연령대의 매출 기여도가 증가했는가?그 연령대는 비윈터 대비 소비 행동(객단가, 채널, 재구매)이 달라졌는가?그 행동은 매출에 긍정적인 방향인가?겨울에는 구매 빈도(판매량)는 줄지만,연령대에 따라 감소 폭이 다르다 판매량이 줄었는데도 매출이 유지되거나 덜 줄었다면?객단가(AOV) ↑고가 상품 비중 ↑재구매 고객 비중 ↑ “겨울에는 ‘많이 파는 전략’보다 ‘누가, 어떤 상품을, 얼마에 사느냐’가 더 중요해진다” 윈터시즌 vs 비윈터시즌 연령대 판매량 비교윈터 시즌 판매량 감소는 전 연령대에서 공통적으로 발생했으며, 평균 약 -59% 수준으로 감소 폭이 매우 유사하다.-> 윈터 시즌 판매량 감소는 연령대 특성보다는 시즌 영향이 강함? 그래도 그 중에서..

파이썬 시각화 과정 중 이해가 되지 않았던 부분고객 세그먼트별(Top 20, Bottom 20, Middle) Fashion News 구독 여부를 비교하는 과정에서 각 세그먼트별로 전체를 100으로 두고 구독 여부를 누적합 형식으로 비율 비교를 하고 싶었는데, 첫번째 줄과 두번째 줄의 코드가 이해가 잘 되지 않았다,,segment_FN = merged_df.groupby(['Segment','FN']).size().unstack() # groupby를 하면 두개 컬럼 다 행에 있는데, 피벗테이블처럼 구분하기 위해서 .unstack()을 사용해서 FN 값을 열로 바꿔줌segment_FN_pct = segment_FN.div(segment_FN.sum(axis=1), axis=0) * 100 # sum(..