이미 소장하고 있다면 판매해 보세요.
|
1장 R, Python 소개 및 설치하기
R 1. R 소개 2. R 설치하기 3. RStudio 소개 및 설치 4. 유용한 RStudio 단축키 5. Rtools 소개 및 설치 Python 1. Python 소개 2. 파이썬 설치하기 3. Spyder 소개 및 설치 2장 기본 개념 및 데이터 타입 R 1. 변수 2. 데이터 타입 3. 데이터 타입 변환 4. 연산자 R 연습문제 Python 1. 변수 2. 데이터 타입 3. 데이터 타입 변환 4. 연산자 Python 연습문제 3장 함수와 패키지 R 1. 패키지 2. 함수 R 연습문제 Python 1. 패키지 2. 함수 Python 연습문제 4장 데이터 구조 R 1. 스칼라 2. 벡터 3. 행렬 4. 배열 5. 데이터프레임 6. 리스트 R 연습문제 Python 1. 스칼라 2. 벡터 3. 배열 4. 딕셔너리 5. 데이터프레임 Python 연습문제 5장 데이터 타입별 인덱싱 R 1. 벡터 인덱싱 2. 행렬 인덱싱 3. 데이터프레임 인덱싱 4. 리스트 인덱싱 R 연습문제 Python 1. 벡터 인덱싱 2. 행렬 인덱싱 3. 딕셔너리 인덱싱 4. 데이터프레임 인덱싱 Python 연습문제 6장 데이터 구조별 연산 R 1. 벡터 연산 2. 행렬 연산 R 연습문제 Python 1. 벡터 연산 2. 행렬 연산 Python 연습문제 7장 제어 구조 R 1. 조건문: if, if-else, if-else if-else 2. 반복문: while, for 3. 분기문: next, break R 연습문제 Python 1. 조건문: if, if-else, if-elif-else 2. 반복문: for, while 3. 분기문: continue, break Python 연습문제 8장 데이터 읽고 쓰기 R 1. Base R을 이용한 데이터 Import & Export 2. openxlsx 패키지를 이용한 Excel 파일 Import & Export 3. 인코딩 문제와 해결 방안 4. 작업 경로 확인 및 설정 R 연습문제 Python 1. Pandas를 이용한 데이터 Import & Export 2. openpyxl 패키지를 이용한 Excel 파일 Import & Export 3. 인코딩 문제와 해결 방안 4. 작업 경로 확인 및 설정 Python 연습문제 9장 데이터 탐색 R 1. 기본적 데이터 탐색 2. 통계적 데이터 탐색 R 연습문제 Python 1. 기본적 데이터 탐색 2. 통계적 데이터 탐색 Python 연습문제 10장 데이터 정리 R 1. 중복 처리 2. 결측치 처리 3. 데이터 형식 통일 R 연습문제 Python 1. 중복 처리 2. 결측치 처리 3. 데이터 형식 통일 Python 연습문제 11장 데이터 조작 R 1. 순차적 데이터 조작: 파이프 연산자('%〉%') Python 1. 순차적 데이터 조작: 메서드 체이닝 R 2. 행렬 데이터 조작 Python 2. 행렬 데이터 조작 R 3. 데이터 재구조화 Python 3. 데이터 재구조화 R 연습문제 Python 연습문제 12장 데이터 병합 R 1. join 계열 함수 2. bind 계열 함수 R 연습문제 Python 1. merge 함수 2. concat 함수 Python 연습문제 13장 데이터 집계 R 1. 요약 통계: summarise( ) 2. 그룹별 집계: group_by( ) + summarise( ) R 연습문제 Python 1. 요약 통계: agg( ) 2. 그룹별 집계: groupby( ) + agg( ) Python 연습문제 14장 문자열 조작 R 1. 문자열 추가 및 제거 2. 문자열 추출 3. 패턴 매칭 함수 4. 문자열 변환 함수 5. 문자열 분할과 결합 6. 문자열 반복 R 연습문제 Python 1. 문자열 추가 및 제거 2. 문자열 추출 3. 패턴 매칭 함수 4. 문자열 변환 함수 5. 문자열 분할과 결합 6. 문자열 포매팅: f-strings Python 연습문제 15장 시계열 데이터 조작 R 1. 시계열 데이터 생성: seq.Date( ) 2. 시계열 인덱싱 3. 시계열 결측치 다루기 4. 시계열 처리 유용한 함수 R 연습문제 Python 1. 시계열 데이터 생성: pd.date_range( ) 2. 시계열 인덱싱 3. 시계열 결측치 다루기 4. 시계열 처리 유용한 함수 Python 연습문제 |
임상수의 다른 상품
|
이 책은 두 언어를 따로 설명하는 데 그치지 않고, 동일한 문제를 두 언어에서 어떻게 해결할 수 있는지를 가능한 한 유사한 구조로 제시합니다. 독자는 각 장마다 “개념 → R 코드 → Python 코드”의 흐름을 반복적으로 확인하면서 두 언어를 넘나드는 데이터 분석 사고력을 자연스럽게 익히게 됩니다. 특히 코드 예시는 단순히 문법 나열에 그치지 않고, 개념 이해와 구현을 일치시키는 데 중점을 두었습니다. 이를 통해 독자는 어떤 언어를 사용하더라도 문제 해결의 핵심 로직을 깊이 이해하고 자신 있게 구현할 수 있는 역량을 갖추게 될 것입니다.
또한, 학습 부담을 줄이기 위해 본문 설명은 핵심 원리에 집중하고, 복잡한 옵션이나 세부사항은 장 말미의 Tip 상자로 분리했습니다. 필요할 때만 참고할 수 있도록 하여 독자가 복잡한 세부사항에 얽매이지 않고 핵심 개념에 집중할 수 있게 돕습니다. 이 통합적 접근 방식을 통해 독자는 다음의 세 가지 핵심 역량을 자연스럽게 기르게 될 것입니다. 첫째, 데이터 분석의 핵심인 개념 중심의 문제 해결력을 우선적으로 확보합니다. 언어는 도구일 뿐이며, 중요한 것은 문제를 어떻게 바라보고 해결하는가 하는 본질적인 사고법입니다. 둘째, 두 언어 사이의 차이를 명확하게 비교하고 대조하면서 두 언어를 더욱 깊이 있게 이해할 수 있습니다. 이를 통해 독자는 실전에서 자신이 사용하는 언어를 상황에 따라 더 효율적으로 선택할 수 있게 됩니다. 셋째, 프로젝트나 업무 환경에서 요구하는 언어를 자유롭게 선택하고 활용할 수 있는 실무 역량과 자신감을 키우게 됩니다. 특정 언어에 종속되지 않고 필요에 따라 유연하게 대응하는 능력은 데이터 사이언스 분야에서 필수입니다. 결국, 이 책의 궁극적인 목표는 R과 Python의 문법적 차이를 넘어, 어떤 환경에서도 흔들리지 않는 사고 체계를 구축하는 것입니다. 이 책의 마지막 장을 덮을 때쯤이면, 독자는 특정 언어의 문법에 얽매이지 않고 목표와 상황에 따라 자유롭게 언어를 선택해 문제를 해결하는 유연하고 통합적인 데이터 분석가로 성장해 있을 것입니다. 책을 집필하는 데 최선을 다하였지만 부족한 부분이 있을 수 있습니다. 이 점은 양해를 바라며, 출간 후 나올 수 있는 수정사항 등은 자유아카데미 홈페이지(www.freeaca.com) 자료실에 제공할 예정이니 참고하기 바랍니다. 자, 이제 1장을 펼치고 양손에 R과 Python을 들 준비를 시작해봅시다. |