반응형 Study86 [5] 머신러닝 - 판다스 기초(4)와 사이킷런 ▶lambda 식으로 데이터 가공 판다스는 apply 함수에 lambda 식을 결합해 데이터를 가공하는 기능을 제공한다. 예제를 통해 lambda 식이 어떻게 사용되는지 알아보자. Name 칼럼의 문자열 개수를 Name_len이라는 칼럼에 넣어보자. titanic_df['Name_len']= titanic_df['Name'].apply(lambda x : len(x)) titanic_df[['Name','Name_len']].head(3) 잘 추가된 모습을 볼 수 있다. lambda 식에 if else를 사용해서 복잡하게 가공할 수 있다. 나이가 15 이하면 child, 넘으면 adult로 구분하게 했다. titanic_df['Child_Adult'] = titanic_df['Age'].apply(lam.. 2021. 6. 1. [4] 머신러닝 - 판다스 기초(3) ▶정렬 데이터 프레임을 정렬하려면 sort_values() 함수를 사용하면 된다. 주로 입력하는 파라미터로 by, ascending, inplace가 있다. by에는 기준으로 잡고 싶은 칼럼명을 입력한다. ascending은 true로 하면 오름차순, false면 내림차순으로 정렬이 된다. 기본값은 true다. inplace가 true면 정렬된 값이 원본에 바로 적용되고 false면 정렬된 데이터 프레임을 반환한다. 디폴트 값은 false다. #titanic_df : 타이타닉 탑승자 데이터가 담긴 데이터 프레임 titanic_sorted = titanic_df.sort_values(by=['Name']) titanic_sorted.head(3) 이름이 오름차순으로 정렬된 것을 확인할 수 있다. ▶aggr.. 2021. 5. 24. [3] 머신러닝 - 판다스 기초(2) ▶판다스 Index 객체 판다스에서 인덱스는 데이터 프레임의 레코드를 식별할 수 있는 객체다. 타이타닉 탑승자 데이터에서 인덱스 객체를 추출해보자 탑승자 데이터는 위와 같은 형태다. # 원본 파일 재 로딩 titanic_df = pd.read_csv('titanic_train.csv') # Index 객체 추출 indexes = titanic_df.index print(indexes) # Index 객체를 실제 값 arrray로 변환 print('Index 객체 array값:\n',indexes.values) 출력값은 다음과 같다. 인덱스 객체는 1차원 array로 구성되어 있고 인덱싱도 가능하다. 하지만 값을 출력하는 것만 가능하고 인덱스 객체를 수정하는 것은 불가능하다. 데이터프레임에는 rest_in.. 2021. 5. 16. [3] 전송 계층의 헤더와 주요 공격 전송 계층의 헤더 기능 ▶UDP 헤더의 기능 출발지 포트 번호와 목적지 포트 번호는 각각 16비트다. Checksum 항목은 비활성화된 상태가 디폴트 값이다. ▶TCP 헤더의 기능 UDP 헤더와 마찬가지로 출발지와 목적지 포트 번호가 16비트다. TCP 프로토콜은 데이터를 전송하기 전 연결된 상태를 유지하기 위해 3-way handshaking을 한다. SYN을 보낼 때, ACK을 보낼 때에 따라 값이 달라진다. data offset 항목에는 TCP 헤더의 길이가 저장된다. 그 다음에는 플래그 항목이 있다. CWR : 혼잡 윈도우 크기 감소 신호 ECN : 혼잡 발생 신호 URG : 긴급 데이터 ACK : 확인 응답 신호 PSH : TCP 페이로드를 포함한다는 신호 RST : 상대방과 연결을 강제 종료하.. 2021. 5. 14. 이전 1 ··· 8 9 10 11 12 13 14 ··· 22 다음 반응형
