9566

SQLD 자격검증실전문제(일명 주황책) 기반 p96의 91번 문제 우선 booseo 테이블을 생성합니다. 이 테이블은 부서를 관리하기 위한 테이블입니다. CREATE TABLE booseo( code CHAR(3), name VARCHAR(18), upcode CHAR(3), CONSTRAINT boose_pk PRIMARY KEY (code), CONSTRAINT booseo_fk FOREIGN KEY (upcode) REFERENCES booseo (code) ); 이제 테이블에 데이터를 입력합니다. INSERT INTO booseo VALUES ('100', '아시아부', NULL); INSERT INTO booseo VALUES ('110', '한국지사', '100'); INSERT INTO bo..

각 파일 형식은 데이터의 구조와 특성에 따라 다른 방식으로 작성됩니다. 따라서 예시 코드는 파일 형식과 작성하려는 데이터에 따라 달라질 수 있습니다. 하지만 각 파일 형식의 기본적인 구조와 작성 방법을 간단하게 예시 코드로 보여드리겠습니다. Shapefile Shapefile은 .shp, .shx, .dbf 파일 등으로 구성된 파일 세트입니다. 기하학적 요소와 속성 데이터를 각각 별도의 파일로 저장합니다. 다음은 Python의 geopandas 라이브러리를 사용하여 Shapefile을 작성하는 예시 코드입니다. import geopandas as gpd # Point 데이터 생성 geometry = gpd.points_from_xy([1, 2], [3, 4]) # 데이터프레임 생성 df = gpd.Geo..

공간 데이터는 지리 공간에 대한 정보를 담고 있으며, GIS 분야에서 다양한 분석 및 시각화에 활용됩니다. 이러한 공간 데이터를 저장하고 공유하기 위한 파일 형식으로는 Shapefile, GeoJSON, KML, GPKG 등이 널리 사용됩니다. 이번 글에서는 각 파일 형식의 특징과 장단점을 비교해보겠습니다. Shapefile Shapefile은 Esri 사의 GIS 소프트웨어에서 사용되는 공간 데이터 파일 형식입니다. 기하학적 요소와 속성 데이터를 별도의 파일로 저장하며, 여러 파일로 구성된 파일 세트입니다. 간단하고 사용이 편리하지만, 파일 크기가 크고 멀티플렉스 기능이 부족합니다. GeoJSON GeoJSON은 JavaScript Object Notation(JSON)을 기반으로 한 공간 데이터 파일..

트렌드 - 트렌드는 변화의 패턴으로 정의됩니다. sns.lineplot - 꺾은선형 차트는 일정 기간 동안의 추세를 표시하는 데 가장 적합하며 여러 선을 사용하여 둘 이상의 그룹에 대한 추세를 표시할 수 있습니다. ​ 관계 - 데이터의 변수 간의 관계를 이해하는 데 사용할 수 있는 다양한 차트 유형이 있습니다. sns.barplot - 막대 차트는 다른 그룹에 해당하는 수량을 비교하는 데 유용합니다. sns.heatmap - 히트맵을 사용하여 숫자 표에서 색상으로 구분된 패턴을 찾을 수 있습니다. sns.scatterplot - 산점도는 두 연속 변수 사이의 관계를 보여줍니다. 색상으로 구분된 경우 세 번째 범주형 변수와의 관계도 표시할 수 있습니다. sns.regplot - 산점도에 회귀선을 포함하면 ..

sns.histplot(iris_data['Petal Length (cm)']) sns.kdeplot(data=iris_data['Petal Length (cm)'], shade=True) # 2D KDE plot sns.jointplot(x=iris_data['Petal Length (cm)'], y=iris_data['Sepal Width (cm)'], kind="kde") # KDE plots for each species sns.kdeplot(data=iris_data, x='Petal Length (cm)', hue='Species', shade=True)​

sns.scatterplot(x=candy_data['sugarpercent'], y=candy_data['winpercent']) # Your code here sns.regplot(x=candy_data['sugarpercent'], y=candy_data['winpercent']) # Your code here sns.scatterplot(x='pricepercent', y='winpercent', hue='chocolate', data=candy_data) # Your code here sns.lmplot(x='pricepercent', y='winpercent', hue='chocolate', data=candy_data) # Your code here sns.swarmplot(x="chocol..

sns.barplot(x=ign_data['Racing'], y=ign_data.index) # Your code here sns.heatmap(data=ign_data, annot=True)

from pandas.plotting import register_matplotlib_converters register_matplotlib_converters() ​ # Set the width and height of the figure plt.figure(figsize=(16,6)) ​ # Line chart showing how FIFA rankings evolved over time sns.lineplot(data=fifa_data)​