css-variable을 사용하는 이유는 .js에서 쓰일 때 저반복, 재사용성을 높이기 위해서 쓰인다.
:root{} // css 변수로 지정해주기.
var() // var 이용해서 불러오기.
중요한 점은 html과 css로 결과물을 만들어내고, 그 과정을 js을 이용해서 코드를 짜준다. (addEventListener 등을 이용하기.)
data-sizing = "px";
console.log(event);
console.log(this);
style.setProperty(propertyName, value, priority);
// 대상과 값을 지정해주기.
배열에 대해서 배우고, 고차 함수에 대해서 배웠다.
약간 데이터 분석하고 비슷한 느낌이 들었다..!
배열로 만들어 주는 메소드이다. node에서 array로 변경하는 경우에 많이 쓰이고, F12 개발자 도구를 이용해서 어떤 종류의 데이터인지를 확인하기.
유사배열 객체와 이터러블 객체를 배열로 만들어준다.
데이터를 정렬시켜주기. 기본적으로는 오름차순 정렬이다.
밑의 함수가 사실 어떻게 돌아가는지는 아직 잘 이해가 안되지만, 일단 응용할 줄 아니까, 나중에 나오면 그 때에는 꼭 이해하기.
function(a,b){
return a-b} // 오름차순 정렬하기.
function(a,b){
return b-a} // 내림차순 정렬하기.
💜 밑에 있는 것들의 공통점
1. 모든 요소를 순회한다. (반복문 느낌이 난다.)
2. 콜백 함수를 반복 호출한다.
3. 원본 데이터들이 변경되지 않는다.
반복문을 대체시켜줄 수 있다. 이거 반복문 대신에 이용하면 되게 좋다고 한다.
기존의 배열을 새로운 배열로 나타낼 때 이용하기. 길이는 동일해야 한다.
기존의 배열에서 조건이 참인 객체들로만 배열을 이루고 싶은 경우에 이용하기. 길이는 동일하거나 짧아진다.
한 개의 결과값을 리턴하고 싶은 경우에 이용한다. 위의 모든 과정은 reduce로 나타낼 수 있다고 한다.
✔ 일반적인 통계는 pandas에서 제공하지만, 내가 커스텀한 함수를 DataFrame에서 이용하고 싶은 경우에 이용한다~!
Series에 적용하고 싶은 경우에 이용한다.
<=> DataFrame 내에서 한 개의 column을 적용하고 싶은 경우에 이용한다.
DataFrame에 적용하고 싶은 경우에 이용한다.
<=> DataFrame 내에서 여러 개의 column을 적용하고 싶은 경우에 이용한다.
DataFrame에 적용하고 싶은 경우에 이용한다. ➕ 인덱스의 접근이 필요한 경우
<=> DataFrame 내에서 여러 개의 column을 적용하고 싶은 경우에 이용한다. ➕ 인덱스의 접근이 필요한 경우
원하는 기준을 정해서 그룹화하고, 통계와 집계 결과를 얻어낼 수 있다.
df.groupby().원하는 통계 메소드
df.groupby([ , , ... ,]).원하는 통계 메소드
level = 1 // index에 있던 것들이 column으로 넘어간다.
pivot_table을 이용해서 grouping을 해주기.
pd.pivot_table(df, index=[ , , ... , ])
// 여기까지만 넣어주면 평균값이 나온다. (기본적인 전제)
다른 값을 보여주고 싶은 경우에는 aggfunc 이용해서 원하는 통계 메소드를 추가시켜주기.
pd.pivot_table(df, index=[ , , ... , ], aggfunc="원하는 통계 메소드를 추가")
✔ 참고 document : 피봇 테이블(pivot table) Document
➕ merge (DataFrame을 병합시켜주기.)
➕ join (DataFrame을 결합시켜주기.)
concat은 물리적으로 이어붙여준다. 꼭 axis를 지정해줘야한다.
✔ 참고 블로그 : Pandas 기초 : 데이터프레임 합치기(merge, join, concat)