취업하고싶어요

Tableau 대시보드 구현 방법2. 파이차트 (Pie Chart)사용할 데이터: Processing Method, Region (Korean)목적: 커피의 가공 방식 비율과 지역별 생산량을 비교구현 방법:Processing Method 기준Processing Method (가공 방식)를 차원(Dimension) 으로 설정Number of Bags (생산량)를 측정값(Measure) 으로 설정Processing Method별 생산량 비율을 파이차트(Pie Chart) 로 시각화Region (Korean) 기준Region (Korean)을 차원으로 설정Number of Bags를 측정값으로 설정지역별 생산량 비율을 파이차트로 시각화색상Processing Method 또는 Region (Korean)을 색상..

Tableau에서 드릴다운(Drill-Down) 기능은 차트를 클릭하면 더 세부적인 데이터를 볼 수 있도록 계층 구조를 설정하는 기능입니다. 예를 들어, 국가별 커피 품질 점수 비율을 클릭하면 해당 국가의 지역별 품질 점수를 확인할 수 있습니다.1. 기본 개념드릴다운 기능을 사용하려면 계층 구조(Hierarchy) 를 설정해야 합니다.예를 들어:Country of Origin (국가) → Region (지역)Processing Method (가공 방식) → Total Cup Points (평균 품질 점수)Harvest Year (수확 연도) → Grading Date (평가 날짜)계층 구조를 설정하면 차트에서 특정 항목을 클릭하면 더 세부적인 데이터를 볼 수 있습니다.2. Tableau에서 드릴다운 기능..

# 유사한 색상 정리를 위한 정규화 함수 (공백, 하이픈 정리 및 철자 오류 수정) def normalize_color_name_advanced(color_name):     # 소문자로 변환     color_name = color_name.lower()     # 공백, 하이픈(-), 밑줄(_)을 통일     color_name = re.sub(r'[\s_-]+', '-', color_name)     # 철자 오류 수정     color_name = re.sub(r'\byello\b', 'yellow', color_name)  # yello -> yellow     color_name = re.sub(r'\bpale -', 'pale-', color_name)  # pale -yellow -> pa..

데이터 분석 및 정리 방안1. 칼럼 정리Unnamed: 0: 인덱스로 보이며 삭제 가능.Grading Date: 날짜 데이터이므로 datetime 형식으로 변환.Harvest Year: 일부 결측치 존재, 예측 또는 삭제 여부 결정 필요.altitude_mean_meters: 결측치 존재, 평균 또는 중위수로 대체 가능.Processing Method, Region, Color: 범주형 데이터, 결측치 처리 필요.2. 이상치 처리Moisture Percentage: 0.0의 값이 존재하는데, 일반적인 수분 함량은 10~12%이므로 이상치 가능성 있음.Total Cup Points, Aroma, Flavor 등 점수 관련 칼럼: 값의 분포를 확인 후 극단값 처리 필요.3. 결측치 처리수치형 데이터 (alt..

데이터셋에는 총 1005개의 항목과 31개의 열이 포함되어 있습니다. 주요 열은 다음과 같습니다:지역(Region), 국가(Country.of.Origin), 고도(Altitude), 연도(Harvest.Year) 등과 같은 커피 생산과 관련된 메타데이터.그라인딩 점수(Aroma, Flavor, Aftertaste, Acidity 등), 전체 컵 점수(Cupper.Points, Total.Cup.Points) 등과 같은 품질 관련 지표.**결함(Category.One.Defects, Category.Two.Defects, Quakers)**과 같은 품질 문제.이 데이터를 바탕으로 설정할 수 있는 구체적인 가설 몇 가지는 다음과 같습니다:고도가 커피 품질에 미치는 영향고도가 높은 지역에서 재배된 커피가 더..

저희가 다루게 된 데이터에는 아라비카 커피와 관련된 품질 및 생산 정보를 포함하고 있고주요 컬럼을 분석한 결과, 다음과 같은 정보를 포함하고 있어용.생산 관련 정보Species: 커피 품종Owner, Company, Producer: 소유자 및 생산자 정보Country.of.Origin, Region, Farm.Name: 생산 국가 및 지역 정보Altitude, altitude_low_meters, altitude_high_meters, altitude_mean_meters: 재배지의 해발 고도Processing.Method: 가공 방법 (예: Washed, Natural 등)품질 평가 관련 정보Aroma, Flavor, Aftertaste, Acidity, Body, Balance: 커피의 주요 관능적..

1. 지도 시각화 개요태블로에서 지도(Map) 시각화는 위도(Latitude)와 경도(Longitude) 데이터를 사용해 공간 데이터를 시각적으로 표현하는 기능입니다. 국가, 도시, 우편번호, 주소, 위경도 좌표 등의 위치 데이터를 활용해 다양한 형태의 지도를 만들 수 있습니다.2. 지도 시각화 기본 과정1) 데이터 불러오기태블로를 실행하고 Connect 패널에서 CSV, Excel, 데이터베이스 등의 파일을 불러옵니다.데이터에 위치 정보(예: 나라, 도시, 위경도 좌표)가 포함되어 있어야 합니다.2) 지도에서 사용할 필드 지정Data 패널에서 위도(Latitude)와 경도(Longitude) 필드가 자동으로 지리적 역할(Geographical Role) 로 인식되는지 확인합니다.만약 자동으로 인식되지 ..

Kaggle의 "Smart Logistics Supply Chain Analysis" 노트북으로, 물류 및 공급망 데이터를 분석하는 과정을 담고 있습니다. 이 노트북은 Python을 사용하여 데이터 전처리, 탐색적 데이터 분석(EDA), 시각화, 그리고 머신러닝 모델링을 수행합니다.1. 데이터 로드 및 라이브러리 임포트: 분석을 시작하기 위해, pandas, numpy, matplotlib, seaborn 등 필수 라이브러리를 임포트하고, 데이터를 pandas의 DataFrame으로 로드합니다.2. 데이터 전처리: 결측치 처리, 중복 데이터 제거, 데이터 타입 변환 등의 작업을 통해 데이터를 분석에 적합한 형태로 정제합니다.3. 탐색적 데이터 분석(EDA): 데이터의 분포, 상관관계 등을 파악하기 위해 ..

1. 개발 환경 준비VS Code 설치: VS Code가 설치되어 있지 않다면 VS Code 공식 사이트에서 설치하세요.Python 설치 및 확장 프로그램: Python이 설치되어 있는지 확인하고, VS Code 내 Python 확장을 설치하세요.가상 환경 설정: 프로젝트 폴더에서 가상 환경을 만들어 관리하면 좋습니다. 예를 들어, 터미널에서 아래와 같이 실행할 수 있습니다. Windows: venv\Scripts\activatemacOS/Linux: source venv/bin/activate2. 스트림릿 설치3. 스트림릿 앱 파일 생성프로젝트 폴더 내에 app.py 파일을 생성하고, 아래 예시와 같이 기본 코드를 작성합니다.4. 스트림릿 앱 실행VS Code 터미널 사용: VS Code 내 터미널을 ..

대시보드에서 시계열 그래프가 특정 날짜로 이동하면계속 제자리에 머무는 경우가 있는데그럴 경우에는 매개 변수와 계산된 필드를 이용해서 해결하시면 됩니다!✅ 1. '선택 날짜' 매개변수 생성"선택 날짜"는 사용자가 직접 선택할 수 있는 **매개변수(Parameter)**입니다.칼럼이 아니라, 새롭게 만들어야 하는 사용자 지정 값입니다.📌 '선택 날짜' 매개변수 만들기데이터 패널에서 마우스 우클릭 → "매개변수 생성(Create Parameter)" 선택매개변수 설정:이름: 선택 날짜데이터 유형: 날짜(Date)허용값: 모든 값(All Values)기본값: 2022-11-07 (예제 값)확인(OK) 클릭하여 매개변수 생성 ✅ 2. '선택 날짜' 매개변수를 계산된 필드에서 사용매개변수가 만들어졌다면, 이제 계..