미생

■ 장고 프레임워크(Django Framework) 란?

파이썬 기반의 무료 오픈소스 웹 애플리케이션 프레임워크(Open Source Web Application Framework)이다. MTV(Model - Template - View) 아키텍처를 따르고, ORM(Object Relational Mapper)이 프로젝트의 객체들을 데이터베이스 테이블과 매핑을 도와주어 복잡한

데이터 기반 웹 사이트 개발이 쉬워질 수 있다.

Instagram, Disqus, Mozilla, NASA 등이 Django로 개발되었다.

■ 장점

• 파이썬 기반 웹 프레임워크
• 파이썬의 라이브러리를 사용할 수 있다.
• 오픈소스
• 기본적인 기능들을 미리 만들어 제공해 쉽고 빠르게 개발
• 웹 애플리케이션이 제공되어야하는 사용자 인증, 사용자 관리 등을 기본적으로 기능 구현이 되어 있다.
• Full Stack Framework : front, backend 등 서버가 필요로 하는 것을 모두 Django가 맡아서 함.

■ 단점

• Django 에서 기본적으로 수많은 기능을 제공하지만 그만큼 세세한 설정 변경이나 자세한 조정이 힘들다.
• 모든 것이 Django ORM을 기반으로 한다.
• 작업하는데 full system의 지식이 필요하다.

■ 제너레이터(Generator) 란?

제너레이터(Generator)는 아이터레이터(iterator)를 생성해 주는 함수이다.

아이터레이터(iterator)는 next 함수를 이용해 데이터에 순차적으로 접근이 가능한 Object 이다.

일반함수와 제너레이터(Generator) 함수의 차이점은 yield 사용함에 있다.

일반함수는 사용이 종료되면 결과값을 호출부로 반환 후 함수 자체를 종료시킨 후 메모리 상에서 클리어되지만, 제너레이터(Generator)함수는 yield를 기점으로 next() 를 통해 반환 값을 호출한 쪽으로 전달하고 그 상태로 유지된다. 따라서 메모리에 그대로 유지되는 것이다. 

■ 예시

• for 문이 실행되며, 먼저 generator 함수가 호출된다.
• generator 함수는 일반 함수와 동일한 절차로 실행된다. 
• 실행 중 while 문 안에서 yield 를 만나게 된다. 그러면 return 과 비슷하게 함수를 호출했던 구문으로 반환하게 된다. 여기서는 첫번재 i 값인 0 을 반환하게 된다. 하지만 반환 하였다고 generator 함수가 종료되는 것이 아니라 그대로 유지한 상태이다.
• x 값에는 yield 에서 전달 된 0 값이 저장된 후 print 된다. 그 후 for 문에 의해 다시 generator 함수가 호출된다. 
• 이때는 generator 함수가 처음부터 시작되는게 아니라 yield 이후 구문부터 시작되게 된다. 따라서 i += 1 구문이 실행되고 i 값은 1로 증가한다.
• 아직 while 문 내부이기 때문에 yield 구문을 만나 i 값인 1이 전달 된다.
• x 값은 1을 전달 받고 print 된다. (이후 반복)

def generator(n):
    i = 0
    while i < n:
        yield i
        i += 1

for x in generator(5):
    print(x)
    
# ※ 출력 결과
# 0
# 1
# 2
# 3
# 4

■ 데코레이터(Decorator) 란?

함수의 기능을 확장하고 싶은 경우에 사용합니다.

구현상으로는 함수를 인자로 받아 함수의 기능을 추가한 후 다시 리턴해주는 형식으로 구현합니다.

■ 예시

■ 가상환경 구축

1. 기존 파이썬 버전

방법) conda create -n 가상환경 이름 anaconda

# 예시
conda create -n tf2 anaconda

2. 파이썬 버전 설정

방법) conda create -n 가상환경 이름 python=파이썬 버전 anaconda

# 예시
conda create -n tf2 python=2.8 anaconda

■ 가상환경 접속

방법) conda activate 가상환경 이름

# 예시
conda activate tf2

■ 기본(base) 환경으로 돌아오기 

conda deactivate

■ 가상환경 삭제

방법) conda remove --name 가상환경이름 --all

# 예시
conda remove --name tf2 --all

■ 여러 데이터 비교를 위한 결과 HTML 수정

Jupyter Notebook을 이용하여 두 데이터를 비교해서 확인 하고 싶은 경우가 있다.

물론 두 데이터를 print() 함수와 display() 함수를 이용하여 수직적으로 확인할 수 있겠지만

데이터의 양이 많을 경우 수직적으로 나타내는 데이터는 확인이 어렵다.

아래 작업을 통해 HTML을 수정함으로써 데이터의 양이 많더라도 수평적으로 쉽게 데이터를 비교할 수 있다.

■ Source Code

from IPython.display import display_html
def display_side_by_side(*args):
    html_str=''
    for df in args:
        html_str += df.to_html()
    display_html(html_str.replace('table','table style="display:inline"'), raw=True)

■ 예시) 여러 데이터프레임 결과 비교

■ 두 데이터프레임의 결과를 비교하기 위한 준비

display_side_by_side 함수는 여러데이터를 비교하기 위해 생성한 함수이다.

(아래 링크에서 자세한 내용 확인)

Soruce Code

■ 데이터프레임(DataFrame) 병합

※ (1~4번) 기준 두개의 DataFrame 데이터 준비

■ merge 함수

두 데이터프레임을 기준열 혹은 index를 이용하여 병합할때 사용한다.

1) inner join

두 데이터프레임에서 공통적으로 존재하는 열의 데이터를 기준으로 inner 병합한다.

Default
on = "사원번호"
how = "inner"

2) outer join

• 공통적으로 존재하는 열을 기준으로 두 데이터프레임의 전체 데이터를 병합
• 공통적으로 존재하지 않는 열의 데이터는 NaN으로 자동처리 된다.

빨간색 : 두 데이터프레임 중 한쪽에만 존재하는 데이터

3) left join

기준열에서 공통적인 데이터와 왼쪽에 위치한 데이터프레임의 데이터를 병합

빨간색 : 공통적인 데이터를 제외하고 왼쪽 데이터프레임에 존재하는 데이터만 병합된걸 알 수 있다.

4) right join

기준열에서 공통적인 데이터와 오른쪽에 위치한 데이터프레임의 데이터를 병합

빨간색: 공통적인 데이터를 제외하고 오른쪽 데이터프레임에 존재하는 데이터만 병합된걸 알 수 있다.

※ (1~2번) 기준 두개의 DataFrame 데이터 준비

1) left_on, right_on

공통적인 열은 없지만 양쪽의 공통적인 데이터형식을 갖고 있으며, 이를 이용하여 조인하고 싶을 경우 사용 

2) left_index, right_index

데이터프레임의 index 값을 통해 join을 하기 위해 기준 데이터의 index를 join 하고자 하는 열로 지정함

■ join 함수

두 데이터프레임의 index를 기준으로 join이 이루어진다.

■ concat 함수

단순히 데이터를 연결할때 사용한다.

열로 데이터 연결(병합)

행으로 데이터 연결(병합)