💗 CPU 발표 내용 정리하기-3
✔ CSS-variable
css-variable을 사용하는 이유는 .js에서 쓰일 때 저반복, 재사용성을 높이기 위해서 쓰인다.
:root{} // css 변수로 지정해주기.
var() // var 이용해서 불러오기.- blur : filter: blur(내가 원하는 px) 이용하기.
- spacing : padding 이용하기.
- background-color : background 이용하기. html input type = "color" 이용하기.
중요한 점은 html과 css로 결과물을 만들어내고, 그 과정을 js을 이용해서 코드를 짜준다. (addEventListener 등을 이용하기.)
- 값 : blur와 spacing에서 무조건 필요하다.
- 단위 : 색깔 고르는 것 빼고는 blur와 spacing에 필요하다. dataset을 이용해서 단위를 추가시켜주기.
data-sizing = "px";- this : 계속 등장하는데, document를 읽어도 잘 모르겠다. 그냥 일단을 출력해서 확인해보자.
console.log(event);
console.log(this);- style.setProperty
style.setProperty(propertyName, value, priority);
// 대상과 값을 지정해주기.✔ Array Cardio Practice Day1
배열에 대해서 배우고, 고차 함수에 대해서 배웠다.
약간 데이터 분석하고 비슷한 느낌이 들었다..!
✔ Array.from
배열로 만들어 주는 메소드이다. node에서 array로 변경하는 경우에 많이 쓰이고, F12 개발자 도구를 이용해서 어떤 종류의 데이터인지를 확인하기.
- 유사배열 객체 : 인덱스로 접근할 수 있는 객체.
- 이터러블 객체 : 문자열로 이루어진 객체.
유사배열 객체와 이터러블 객체를 배열로 만들어준다.
✔ sort
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.
✔ forEach
반복문을 대체시켜줄 수 있다. 이거 반복문 대신에 이용하면 되게 좋다고 한다.
✔ map
기존의 배열을 새로운 배열로 나타낼 때 이용하기. 길이는 동일해야 한다.
✔ filter
기존의 배열에서 조건이 참인 객체들로만 배열을 이루고 싶은 경우에 이용하기. 길이는 동일하거나 짧아진다.
✔ reduce
한 개의 결과값을 리턴하고 싶은 경우에 이용한다. 위의 모든 과정은 reduce로 나타낼 수 있다고 한다.
✔ Pandas 메소드
💜 기존에 없는 새로운 함수를 적용하고 싶은 경우에 이용하기.
✔ 일반적인 통계는 pandas에서 제공하지만, 내가 커스텀한 함수를 DataFrame에서 이용하고 싶은 경우에 이용한다~!
✔ map
Series에 적용하고 싶은 경우에 이용한다.
<=> DataFrame 내에서 한 개의 column을 적용하고 싶은 경우에 이용한다.
✔ apply
DataFrame에 적용하고 싶은 경우에 이용한다.
<=> DataFrame 내에서 여러 개의 column을 적용하고 싶은 경우에 이용한다.
✔ applymap (apply ➕ index의 접근이 필요한 경우)
DataFrame에 적용하고 싶은 경우에 이용한다. ➕ 인덱스의 접근이 필요한 경우
<=> DataFrame 내에서 여러 개의 column을 적용하고 싶은 경우에 이용한다. ➕ 인덱스의 접근이 필요한 경우
💜 Grouping 하고 싶은 경우에 이용하기.
✔ groupby
원하는 기준을 정해서 그룹화하고, 통계와 집계 결과를 얻어낼 수 있다.
df.groupby().원하는 통계 메소드
df.groupby([ , , ... ,]).원하는 통계 메소드✔ unstack (<-> stack) ➕ level
- unstack : 왼쪽에서 오른쪽
groupby를 해준 결과는 unstack이고, 여기서 stack 처리를 해주면 위에서 아래로 바뀐다.
level을 이용해서 원하는 모양의 table을 만들어준다.
level = 1 // index에 있던 것들이 column으로 넘어간다.- stack : 위에서 아래로
✔ pivot_table
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
💜 Dataframe를 합치고 싶은 경우에 이용하기.
✔ concat (물리적으로 이어붙여주기.)
➕ merge (DataFrame을 병합시켜주기.)
➕ join (DataFrame을 결합시켜주기.)
concat은 물리적으로 이어붙여준다. 꼭 axis를 지정해줘야한다.
- axis = 0 : 위에서 아래로 붙여준다.
- axis = 1 : 왼쪽에서 오른쪽으로 붙여준다.
- ignore_index = True : 인덱스의 재배열이 가능하다.
✔ 참고 블로그 : Pandas 기초 : 데이터프레임 합치기(merge, join, concat)
