SQL & Python Study

📊 INDEX 01. 경기 시간별 상관계수 분석 02. 경기 시간별 오브젝트, 킬/데스, 골드 획득 추이03. 승패 집단별 각 요인 차이 비교🙋🏻‍♀️ 숮엉's comment"첫째 날 담당했던 오브젝트와 승리 요인 분석을 더 깊게 들어가봤습니다! 다소 특이한 양상을 보여주었던 900초 미만 플레이를 비롯해 [ 15분 미만 / 15분 이상 ~ 25분 미만 / 25분 이상 ~ 35분 미만 / 35분 이상 ] 4개로 데이터를 나누어, 경기 시간 별로 승리 요인이 어떻게 바뀌는지 분석해봤습니다." 📌 LOL 사전지식 (= 경기 시간에 따라 집단을 나누어서 분석했는지)데이터를 EDA 해보았을 때 900초 미만의 플레이에서 데이터가 많이 튀는 것을 볼 수 있었는데요. LOL 게임 룰에 따르면 15분(900초..

📊 INDEX 01. 사용할 데이터 확인 02. 필요한 컬럼 생성 03. 담당 분석 주제 선정 및 1차 EDA- 오브젝트와 승패의 상관관계 분석- 킬, 데스와 승패의 관계 분석   📌 프로젝트 개요     01. 사용할 데이터 확인 info(), describe() 를 활용해 데이터를 빠르게 확인.총 180928개의 데이터로 49개 컬럼으로 구성되어 있음. 결측치는 없었으나, 900초 이전에 게임이 끝난 경기들이 존재(9496건)게임 규칙상 15분(900초) 이전에 기권을 진행할 수 없기 때문에, 특이 플레이로 간주추후 게임 플레이 시간별로 집단을 나누어 확인하는 것으로 논의. 각 플레이어의 킬 수, 데스 수, 데미지 피해량, 골드 총량, 시야 점수, 군중 제어 시간(초)을 알 수 있었으나, 챔피언은..

📊 INDEX01.  고객 구성에 따른 total_socre와 adr의 관계 02. 국적에 따른 total_socre와 adr의 관계 03. 마켓 세그먼트에 따른 total_score와 adr의 관계 *호텔 서비스 이용 점수는 total_socre, 평균 일일 요금은 adr 칼럼입니다. *마켓 세그먼트(market_segment)는 고객의 예약 채널을 의미합니다.   01. 고객 구성에 따른 total_score와 adr의 관계 저는 SQL을 활용해서 데이터를 1차 집계했고, 해당 결과를 파이썬에 가져와서 시각화했어요. 추후에 SQL에서 쿼리를 CSV 파일로 추출하는 방법은 나중에 한번 정리해서 올려보겠습니다!    고객 구성에 따른 호텔 서비스 사용 점수를 집계하기 위해서 서브 쿼리를 두 번 사용했는..

📊 Hotel Booking 데이터 전처리 내용 1. 결측치 처리 : SQL에서 사용하기 위해 Na → Null 값으로 변경했어요. 2. 이상치 처리 : adr(평균 일일 요금) 에서 음수 값을 제거했습니다. 음수 데이터가 1건이라, 평균으로 대체하기 보다 제외하는 것을 택했어요.  이 외에 다른 이상치는 발견하지 못 했고, NULL 값은 '해당 없음'이라는 의미를 갖고 있어서 그대로 활용했습니다. 3. 고객 세그멘테이션 : 고객 구성별, 국적별, 예약 채널별(market segmentation)로 군집을 나누었어요. Hotel Booking 데이터에는 고객의 성별이나 연령대 등을 알 수 있는 데이터가 없었어요. 그래서 첫번째로 인원 및 아이 동반 여부에 따라서 고객 구성을 나누었고, 두 번째로 호텔 ..

🔥 드디어 데이터분석 부트캠프 첫 번째 팀 프로젝트를 시작했습니다🔥첫 프로젝트 주제는 로 선정했습니다. 데이터 분석이 많이 활용되는 서비스 기획 혹은 마케팅 분야 프로젝트 진행하고 싶었거든요!  캐글의 Hotel booking demand 데이터를 활용하기로 결정했는데요. 데이터 전처리를 위해 DBeaver 데이터베이스로 불러오는 과정에서 오류를 마주하게 되어 어떻게 이를 해결하고 데이터를 불러왔는지 소개해드리려고 합니다 :)  ⚠️ 오늘 마주한 에러 메시지 ⚠️ Error occurred during batch insert (you can disable batch insert in order to skip particular rows). 이유: Can't parse numeric value [NA]..