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 |
- 소프트웨어공학
- Python
- 컴포넌트 다이어그램
- 데이터 관리
- 엔터프라이즈 아키텍처
- Tutorial
- Component Dagram
- 액티비티 다이어그램
- 판다스
- 데이터
- 파이썬
- 데이터 처리
- Turorial
- 사용법
- Enterprise Architect
- pandas
- 기초
- 이론
- 튜토리얼
- UML
- class diagram
- 만들기
- EA
- example
- 코딩
- 클래스 다이어그램
- Activity Diagram
- 예제
- data
- sample
- Today
- Total
목록example (13)
SW개발 지식 쌓기
■ Class Diagram l Enterprise Architect 12.1 version - 클래스 다이어그램 생성 및 그리기 UML Structural -> Class 선택 드래그 앤 드롭을 통해서 사용하고자 하는 요소 선텍 수정이 필요한 경우 생성된 요소를 더블 클릭 한다. - 클래스 다이어그램 함수, 변수 넣기 클래스 다이어그램에 함수와 변수를 넣는 방법은 세 가지 방법이 있다. [1] Diagram element 좌 클릭 -> 돋보기 선택 [2] 파랑색(Attribute) 또는 빨강색(Operation) 선택 [3] Diagram elment 우 클릭 -> Features & Properties -> Attributes... 또는 Operations... 선택 * Diagram element ..
n Add a View to your Model View는 모델 내에서 최고 수준의 패키지이다. 그것은 Use Case 보기, Component 보기 또는 Deployment 보기, 다른 아이콘 형식을 사용하여 표시되는 목적으로, 용도에 따라 모델의 객체를 분류할 수 있다 – View는 패키지, 다이어그램 및 요소를 포함하는 데 사용된다. l Add a View Step Instruction 1 프로젝트 탐색기에서 ‘모델’아이콘 (모델 루트 노드)를 마우스 오른쪽 버튼으로 클릭하고 ‘추가를 선택 | 보기’ 옵션을 추가한다. ‘Create New View’ 대화 상자가 표시된다. 2 ‘이름’ 필드에 새 View에 적절한 이름을 입력한다. 3 View에 대한 아이콘을 선택하려면 해당 라디오 버튼을 클릭한다...
n Create a Project 프로젝트는 하나 이상의 모델에 단일 파일 또는 저장소 기반 저장이 가능하다. u 엔터프라이즈 아키텍처로 시작하는 첫 번째 단계는 기존 프로젝트를 열거나 새로 만드는 것이다. u 새로운 파일 기반 프로젝트를 만들고 모델링을 시작하는 템플릿 기반 모델을 추가할 수 있다. u 새 프로젝트가 만들어지면 사용자의 요구 사항에 맞춤하는 간단한 사용 케이스 모델이 추가된다. u 파일 탐색기에서 더블 클릭하여 언제든지 프로젝트를 다시 열 수 있고 시작 페이지에 최근 목록이 나타난다. l Create a New Project Step Instruction 1 엔터프라이즈 아키텍처를 시작한다. -> ‘프로젝트 열기’ 대화 상자가 표시됨 (대화 상자가 표시되지 않는 경우, Ctrl 키 + ..
■ Enterprise Architect 화면 구성 l Enterprise Architect 12.1 version [1] Project Browser : EA Project List [2] Tool Box : UML 다이어그램을 그리기 위한 도구 모음 [3] UML Draw : UML 다이어그램을 작성하기 위한 부분 [4] Properties : UML 다이어그램의 정보 표시 [5] Menu Bar : EA 메뉴들 모음 ■ 프로젝트(Project) 구성 l Enterprise Architect 12.1 version - 프로젝트 구조
패키지 import 튜토리얼을 진행하기 위해서는 아래의 패키지를 import 해야한다. 시계열 Pandas는 주기 변환 중에 리샘플링 동작을 수행하기 위한 간단하고 효율적인 기능을 가진다. 시계열 데이터 생성 및 시계열 인덱스 변환 [108] 2012년 1월 1일 부터 100일을 초 주기로 생성 * 생성시 파라미터로 입력되는 freq는 다음과 같다. Alias Description B business day frequency (주말이 아닌 평일) C custom business day frequency D calendar day frequency (일) W weekly frequency (주-일요일) M month end frequency (각 달의 마지막 날) BM business month end f..
패키지 import 튜토리얼을 진행하기 위해서는 아래의 패키지를 import 해야한다. 변형 Stack DataFrame의 열에 있는 단계를 stack() 메소드를 통해 압축하기 [95] 내장 함수인 zip 메소드를 통해서 리스트 자료형 생성 * zip 메소드는 반경가능한 자료형 여러개를 입력으로 받는 메소드이다. 예제는 다음과 같다. * list(zip([1, 2, 3], [4, 5, 6])) * [(1, 4), (2, 5), (3, 6)] * list(zip([1, 2, 3], [4, 5, 6], [7, 8, 9])) * [(1, 4, 7), (2, 5, 8), (3, 6, 9)] * list(zip("abc", "def")) * [('a', 'd'), ('b', 'e'), ('c', 'f')] [9..
패키지 import 튜토리얼을 진행하기 위해서는 아래의 패키지를 import 해야한다. 그룹화 그룹화는 다음 단계 중 하나 이상을 포함하는 단계를 말한다. 몇 가지 기준에 따라 그룹으로 데이터 분할 독립적으로 각 그룹에 기능 적용 결과를 데이터 구조로 결합 그룹화한 결과에 sum() 함수를 적용한 DataFrame 출력 [91] 'A','B','C','D' 컬럼을 가지고 각각의 컬럼 값을 가지는 Dataframe 생성 [92] DataFrame 출력 [93] 'A' 컬럼을 기준으로 그룹화하고 각 값을 합산한 값을 출력 * 'A' 컬럼의 문자인 'bar'와 'foo'로 그룹화 된것을 볼 수 있고, 정수값을 가진 'C','D' 컬럼만 sum() 함수 값을 반환한다. * 문자열 값을 가진 'B' 컬럼은 자동으..
패키지 import 튜토리얼을 진행하기 위해서는 아래의 패키지를 import 해야한다. Merge (병합) Concat Pandas는 Series, DataFrame 및 Panel 객체를 join / Merge 유형의 작업에서, 인덱스 및 관계 대수 기능에 대한 다양한 유형의 논리로 쉽게 합칠 수 있는 다양한 기능을 제공한다. Pandas 객체 합치기 [73] 10행 4열의 DataFrame에 랜덤한 값을 넣는다. [74] 생성된 DataFrame 출력 [75] DataFrame을 행을 기준으로 1-3행까지 4-7행까지 8-10행까지 나누어 pieces 리스트에 저장한다. * 리스트의 시작은 0부터 시작 * pieces[0]을 출력하면 df[:3]의 결과가 출력된다. * pieces[1]을 출력하면 df..
패키지 import 튜토리얼을 진행하기 위해서는 아래의 패키지를 import 해야한다. 튜토리얼을 진행하기 위해서는 아래의 과정을 수행해야한다. 메소드 통계 일반적으로 메소드는 누락 된 데이터 (NaN)을 제외한다. 평균 값 출력 통계 - 열 기준 [61] Pandas의 내장 메소드인 mean()을 사용하여서 각 열의 평균 값을 출력한다. * 'F' 라벨의 경우 NaN 값이 포함되어 있지만 NaN 값을 제외하고 평균값이 계산된 것을 알 수 있다. 평균 값 출력 통계 - 행 기준 [62] df.mean(1)을 사용하면 각 행 기준의 평균 값을 출력한다. * '2013-01-01' 인덱스의 경우 NaN 값이 포함되어 있지만 NaN 값을 제외하고 평균값이 계산된 것을 알 수 있다. NaN 값이 있는 Serie..
패키지 import 튜토리얼을 진행하기 위해서는 아래의 패키지를 import 해야한다. 튜토리얼을 진행하기 위해서는 아래의 과정을 수행해야한다. 누락 데이터 처리 Pandas는 기본적으로 numpy.nan 값을 사용하여 누락된 데이터를 나타낸다. 기본적으로 nan 값은 계산에 포함되지 않는다. 색인 변경 / 추가 / 삭제 [55] df.reindex 메소드를 통해서 숫자로 구성된 인덱스 값을 날짜 값으로 변경하고, 기존 컬럼에 'E' 컬럼을 추가하여 df1 생성 [56] df1의 2013-01-01, 2013-01-02의 'E' 컬럼의 값을 1로 변경, 'E' 컬럼의 나머지 부분은 값이 없으므로 NaN 값 [57] df1 출력 NaN 데이터 값 삭제 [58] df1에 NaN 값을 가지고 있는 경우 해당 ..