일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- python
- 그룹 연산
- 그로스 해킹
- 리프 중심 트리 분할
- Growth hacking
- 스태킹 앙상블
- 데이터 정합성
- 데이터 핸들링
- DENSE_RANK()
- WITH CUBE
- pmdarima
- 분석 패널
- WITH ROLLUP
- 마케팅 보다는 취준 강연 같다(?)
- XGBoost
- 그로스 마케팅
- 로그 변환
- sql
- 3기가 마지막이라니..!
- ARIMA
- 인프런
- lightgbm
- 데이터 증식
- splitlines
- 캐글 산탄데르 고객 만족 예측
- ImageDateGenerator
- 컨브넷
- 캐글 신용카드 사기 검출
- 부트 스트래핑
- tableau
- Today
- Total
목록분류 전체보기 (192)
LITTLE BY LITTLE
순서 그로스 해킹에 대해서 관련 용어 정리 그로스 해킹 사례 책의 내용을 바탕으로 내가 이해한 그로스 해킹은 개발자들을 이끄는 느낌, 마케팅 담당이지만 기술적인 부분에서 자세한 요구사항을 전달할 수 있는 사람 그로스 해커의 궁극적인 목표는 “자동으로 수백만의 사람들에게 전파하며, 스스로 영구히 지속하는 마케팅 기계를 만드는 것” 이라 하였다. 그로스해킹은 “도구”라기보다는 “사고방식”이다. 기존의 마케팅은 제품에 초점을 맞추기 보다는 제품이 잘못되었더라도 (많은 사용자의 니즈를 충족시키지 못하였더라도) 잘못된 제품을 알리기위한 개선방향을 고안하였으나, 그렇게 하면 근본적인 문제 해결이 불가능하다. 기존에는 최종제품을 출시하려고 노력했으나, 그로스마케팅적인 사고방식에서는 최소존속 제품으로(minimum v..
효율화 & 자동화에 필요한 SQL 문법 VIEW 가상 테이블 또는 저장된 SQL명령어이다. CREATE VIEW [Order_Member] AS SELECT A.* ,B.gender ,B.ageband ,B.join_date FROM [Order] A LEFT JOIN [Member] B ON A.mem_no = B.mem_no A는 전부(*) 셀렉트하고, B에서는 mem_no를 제외한 이유는 [Order]테이블의 mem_no와 중복되는 열이기 때문이다. CREATE VIEW [Order Member] AS SELECT * FROM [Order] A LEFT JOIN [Member] B ON A.mem_no = B.mem_no 반면에 B에서 mem_no를 제외하지 않고 위처럼 입력하면 에러가 난다. SE..
윈도우 함수 윈도우 함수는 행과 행간의 관계를 정의하며, 순위 및 집계함수(누적) 2가지 종류가 있다. 1. 윈도우 순위 함수 : 행과 행간의 순위 반환 2. 윈도우 집계 함수 : 행과 행간의 누적 집계 반환 순위함수 : ROW_NUMBER() 동일한 값의 고유한 순위 / RANK() 동일한 값의 고유한 순위(1위,2위..) / DENSE_RANK() 앞의 함수와 흡사하나, 동일한 순위를 하나의 등수로 간주함. 집계함수(누적) : COUNT() / SUM() / AVG() / MAX() / MIN() 윈도우 함수 기본 문법** 더보기 윈도우 함수 + OVER + (ORDER BY 열 ASC OR DECS) 윈도우 함수 + OVER + (PARTITION BY 열 ASC or DECS) *옵션으로 part..
그룹 함수 (WITH ROLLUP, WITH CUBE, GROUPING SETS, GROUPING) WITH ROLLUP : GROUP BY 항목들을 오른쪽에서 왼쪽 순서대로 그룹을 묶는 역할 WITH ROLLUP 사용 안할경우 SELECT YEAR(order_date) AS 연도 ,channel_code AS 채널코드 ,SUM(sales_amt) AS 주문금액 FROM [Order] GROUP BYYEAR(order_date) ,channel_code 마지막 ORDER BY 직전에 WITH ROLL UP추가 SELECT YEAR(order_date) AS 연도 ,channel_code AS 채널코드 ,SUM(sales_amt) AS 주문금액 FROM [Order] GROUP BY YEAR(order_d..
데이터를 집계하거나 변환할 때, 한번에 처리하기 위해서 split-apply-combine(분할-반영-결합) 과정을 거쳐야한다. SQL의 GROUP BY 구문과 비슷하다. from google.colab import files myfiles = files.upload() import pandas as pd df = pd.read_csv('gapminder.tsv',sep='\t') avg_life_exp_by_year = df.groupby('year').lifeExp.mean() print(avg_life_exp_by_year) 분할 작업 : 먼저 데이터를 중복 없이 추출 years = df.year.unique() print(years) 반영 작업 : loc을 이용, 1952년의 데이터를 추출 y19..
예제 풀어보기 Q01. a. [Order]테이블의 모든 열을 조회하여라. USE EDU SELECT * FROM [Order] b.[shop_code]는 30이상으로만 필터하여라. SELECT * FROM [Order] WHERE shop_code>=30 - SELECT * FROM [TABLE] - 전부다 보는거긴 보는건데, WHERE을 사용해서 조회할 열을 설정 c.[mem_no]별 [sales_amt]합계를 구하여라. (SUM(sales_amt)의 열 이름은 tot_amt) SELECT mem_no ,SUM(sales_amt) AS tot_amt FROM [Order] WHERE shop_code>=30 GROUP - BY mem_no --"~~별로 구하여라" - 해당되는 컬럼만 select해야한다..
더보기 - SQL문법 순서 SELECT-> FROM -> WHERE -> GROUP BY -> HAVING -> ORDER BY -SQL실행 순서 FROM -> WHERE -> GROUPBY -> HAVING ->SELECT-> ORDER BY --[회원테이블]의 특정 컬럼명 조회 및 임시로 컬럼명 변경하기 (AS) SELECT [회원번호] ,[이름] AS [성명] ,[가입일자] ,[나이] FROM [회원테이블] -- 모든 행을 조건 없이, [나이] 30으로 수정하기 UPDATE [회원테이블] SET [나이] = 30 -- [회원번호]가 'A10001'인 [나이] 34로 변경하기 UPDATE [회원테이블] SET [나이] = 34 WHERE [회원번호] = 'A10001' -- [회원테이블] 모든 행 데..
- Ctrl + N = 새 쿼리(N): sql명령어를 작성하는 창 생성 - F5 = 실행(X): 데이터베이스 생성 - Ctrl + S = 쿼리 저장 - USE DB이름: 데이터베이스 사용 - 크게 4가지로 분류되는 명령어 더보기 1) DDL (Data Definition Language): 테이블 생성, 변경, 삭제 CREATE, ALTHER, RENAME, TRUNCATE, DROP 2) DML (Data Manipulation Language): 데이터 삽입, 조회, 수정, 삭제 INSERT, SELECT, UPDATE, DELETE 3) DCL (Data Control Langauge): 특정 사용자에게 데이터 접근 권한 부여, 제거 GRANT, REVOKE 4) TCL (Transaction Co..