티스토리

Colin Kim's development story

검색하기

블로그 홈

Colin Kim's development story

dev.boombear.co.kr/m

웹, 응용프로그램, 빅데이터

구독자: 0

방명록 방문하기

주요 글 목록

[MYSQL] STRAIGHT_JOIN 으로 튜닝하기 STRAIGHT_JOIN ?테이블 JOIN을 강제하기 위해 사용하는 방법으로 MYSQL의 옵티마이저가 선택하는 JOIN 순서가 비효율적으로 선택될수 있어, 쿼리 성능이 제대로 되지 않을때, STRAIGH_JOIN을 사용하여, 테이블의 JOIN 순서를 강제하여, 쿼리의 성능을 개선할수 있다. STRAIGHT_JOIN 사용이유JOIN 순서 강제 : 때로는 옵티마이저가 선택한 순서가 비효율적이므로, STRAIGHT_JOIN을 사용하여 특정 순서로 JOIN순서를 강제할수 있다.성능 최적화 : 데이터 분포나 인덱스 사용 등의 이유로 특정 순서로 조인하는 것이 성능에 더 유리할 때 사용.구문SELECT *FROM table1STRAIGHT_JOIN table2 ON table1.id = table2.id구문에서 t.. 공감수 1 댓글수 0 2024. 7. 21.
[React native] JSX 알아보기 JSX ? JSX는 JavsScrpt XML를 줄인말로 JavsScript와 XML의 구문을 합친 코드를 말해요. JSX 구문을 바벨 플로그인을 통해 여러 개의 React.createElement 함수를 호출하여 평범한 자바스크립트로 변환해요. 좀더 쉽게 알아보기 위해 예제로 알아봅시다. import React from 'react' import { SafeAreaView, Text } from 'react-native' export default function App() { return ( Hello, React native! ) } 위와 같이 html태그를 사용하는 방법과 아래와 같이 JSX를 사용하는 방법이 있어요 import React from 'react' import { SafeAreaVie.. 공감수 0 댓글수 0 2022. 9. 4.
[React native] 리액트 네이티브 개발환경셋팅 간단하게 해보기 리액트 네이티브를 개발하기 위한 개발환경셋팅 리액트 네이티브를 개발하기 위해서는 필요한 설치 프로그램들이 몇가지 존재합니다. 1. Scoop 설치하기 Scoop을 왜 사용하는가!? 이유는 간단합니다. 개발 환경을 세팅하기 위해서는 각각 필요한 프로그램들이 있는데요. Scoop을 설치하지 않고 개발을 세팅할 경우 각각의 프로그램들을 웹사이트에 접속하여 직접 내려 받아야 합니다. 또한! 설치한 프로그램들이 업데이트 되었을시 다시 웹사이트 접속하여 내려받아야합니다. 이런 과정들을 한번에 해결할수 있는것이 Scoop이에요. Scoop으로 설치한 프로그램들은 scoop update * 명령어로 한꺼번에 최신 버전으로 업데이트를 할수 있습니다. Windows PowerShell을 관리자모드로 실행해주세요. Set-.. 공감수 0 댓글수 0 2022. 9. 2.
[React native] 리액트 네이티브란? 쉽게 설명하기 리액트 네이티브! 리액트 네이티브가 뭔지 알아보자 리액트 네이티브는 페이스북에서 만든 오픈소스로 모바일 애플리케이션 프레임워크입니다. 모바일 크로스 플랫폼으로 프로그래밍 언어(Javascript)로 IOS와 안드로이드 모바일 앱을 동시에 개발할수 있는 오픈소스입니다. 예를 들면, IOS 앱을 개발하기 위해선 Object-C 또는 Swift를 배워야하고, 안드로이드 앱을 개발하기 위해선 Java 또는 Kotlin을 배워야 합니다. 앱을 하나 만드는데 각각의 모바일마다 개발하는 언어가 다르다?! 앱은 어렵다고 생각할꺼에요. 이 점을 좀더 쉽게 개발할수 있게 하이브리드 웹앱 이라는 방법이 있습니다. 하이브리드 웹앱 하이브리드 웹앱이란 모바일 웹 브라우저위에서 동작하고, 이 웹 브라우저를 네이티브 기능으로 감싸.. 공감수 0 댓글수 0 2022. 9. 2.
[시계열 분석] 부분자기상관함수(PACF) statsmodels.graphics.tsaplots의 plot_pacf를 이용한 시계열데이터의 특성을 파악할수 있는 중요한 지표이다. statsmodels.graphics.tsaplots. plot_pacf ( x , ax = None , lags = None , alpha = 0.05 , method = 'ywm' , use_vlines = True , title = 'Partial Autocorrelation' , zero = True , vlines_kwargs = None , ** kwargs ) x : 시계열데이터 ax : 주어진 경우 이 서브플롯은 새 그림을 만드는 대신 플롯하는 데 사용됩니다. lags : 가로 축에 사용되는 int 또는 지연 값의 배열입니다. lags가 int일 때 np... 공감수 0 댓글수 0 2022. 7. 20.
[시계열분석] 자기 상관 함수(ACF) statsmodels.graphics.tsaplots의 plot_acf를 이용한 시계열데이터의 특성을 파악할수 있는 중요한 지표이다. statsmodels.graphics.tsaplots. plot_acf ( x , ax = None , lags = None , alpha = 0.05 , use_vlines = True , fixed = False , fft = False , missing = 'none' , title = 'Autocorrelation' , zero = True , auto_ylims = False , bartlett_confint =True , vlines_kwargs = 없음 , ** kwargs ) x : 시계열데이터 ax : 주어진 경우 이 서브플롯은 새 그림을 만드는 대신 플롯.. 공감수 0 댓글수 0 2022. 7. 20.
[ADF test] 정상성 테스트 statsmodels.tsa.stattools의 adfuller를 이용해서 데이터의 정상성을 가지는지 파악할수 있다. statsmodels.tsa.stattools.adfuller( x, maxlag=None, regression='c', autolag='AIC', store=False, regresults=False) x : 데이터 maxlag : 테스트에 포함된 최대 지연, 기본값 12*(nobs/100)^{1/4}는 None regression : 회귀에 포함할 상수 및 추세 순서입니다. "c": 상수만(기본값). "ct": 상수 및 추세. "ctt": 일정하고 선형 및 이차 추세입니다. "n": 상수 없음, 추세 없음. autolag : 0, 1, …, maxlag 값 중 lag 길이를 자동으로 .. 공감수 0 댓글수 0 2022. 7. 20.
[seasonal_decompose] 시계열 데이터 분해 statsmodels.tsa.seasonal의 seasonal_decompose를 이용해서 추세, 계절성, 잔차를 파악할수 있다. statsmodels.tsa.seasonal. season_decompose ( x , model = 'additive' , filt = None , period = None , two_sided = True , extrapolate_trend = 0 ) x : 시계열 데이터 model : additive, multiplicative 두가지 계절성분 유형 filt : 계절 성분을 필터링하기 위한 필터 계수 period : 기간. 시계열 데이터가 pandas 객체가 아니거나 x의 인덱스에 빈도가 없는 경우 사용 two_sided : 필터링에 사용되는 이동 평균 방법으로 True.. 공감수 0 댓글수 0 2022. 7. 20.
[chunksize]대용량 데이터 읽어오기 python에서 pandas의 read_csv로 대용량 데이터를 읽어 왔을때, 고사양의 컴퓨터가 필요로 하거나 colab같은경우 연결이 끊어지기도 한다. 이럴경우 chunksize를 이용해서 일부분씩 데이터를 읽어올수 있다. import pandas as pd train_data_file = '/train_data.csv' train_data = pd.DataFrame() chunksize = 10 ** 3 for cnt, chunk in enumerate(pd.read_csv(train_data_file, chunksize=chunksize)): train_data = pd.concat([train_data,chunk]) chunksize = 10 ** 3 은 1000을 표현하며, python 내장함수.. 공감수 0 댓글수 0 2022. 7. 20.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.