Data Makes Our Future

| JPQL(Java Persistence Query Language) - 테이블이 아닌 엔티티 객체를 대상으로 검색하는 객체지향 쿼리- SQL을 추상화해서 특정 데이터베이스 SQL에 의존하지 않음- JPA는 JPQL을 분석한 후 적절한 SQL을 만들어 데이터베이스를 조회- 방언(Dialect)만 변경하면 JPQL을 수정하지 않고 자연스럽게 DB 변경 가능 > 회원 엔티티1234567@Entity(name = "Member")public class Member { @Column(name = "name") private String username; // ...}cs > JPQL- 엔티티 이름과 엔티티 객체의 필드 명으로 작성12String jpql = "select m from Member as m wh..

#. 색인 (.np.ix_, .iloc, .loc) *# 슬라이스 색인 (얕은 복사, 원본 갱신) - 1차원 : ar[n:m] # n~m-1 - 2차원 : arr[:2] # 행 우선 (n~1행) arr[:2, 1:] # (n~1행, 1~m열) # 다차원 색인 - arr[[1,5,3], [2,6,4]] # point 색인 (1,2), (5,6), (3,4) - arr[[1,5,3], [:,[2,6,4]] # 1,5,3행의 2,6,4열 # np.ix_() 함수 색인 - arr[np.ix_([1,5,3], [2,6,4])] # 1,5,3행의 2,6,4열 (np.ix_ 함수 : 위치 값으로 전달) # iloc[] 정수 색인 - df.iloc[0,:] # 0번째 행 - df.iloc[:,0] # 0번째 열 - d..

import pandas as pdimport numpy as npfrom pandas import Series, DataFrame # 데이터 병합(Join) - pandas.mergedf1.merge?df1.merge(right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None) # 주요 옵션# how : join 방법 (default는 inner join), - Outer Join은 'outer' / Inner Join은 'inner' / Left Join은..

데이터 병합 1. merge() 함수 # 오라클의 JOIN 연산과 유사 merge(x, y, # 조인할 두 데이터 프레임, by = , # 조인 컬럼(양쪽 컬럼 이름이 같을 경우) by.x = by, # (첫 번째 데이터 조인 컬럼, 조인 컬럼이 다수이면 벡터로 전달) by.y = by, # (두 번째 데이터 조인 컬럼, 조인 컬럼이 다수이면 벡터로 전달) all = FALSE, # Full(x,y) Outer Join all.x = all, # Left(x) Outer Join all.y = all) # Right(y) Outer Join merge()함수는 오라클에서 테이블 참조 시 사용했던 JOIN과 유사합니다.merge()함수는 데이터 연결만 가능하고, 필요한 정보 추출은 색인이 필요합니다.단점으..

여러 테이블의 데이터를 조회하기 - JOIN SQL 에서 Join 은 언제 사용할까요? group by 절을 설명할 때에도 한 번 언급하긴 했었는데, 여러 테이블로 나뉘어진 데이터를 조회하기 위해 사용한다고 생각하시면 될 것 같아요! 예를 들자면, 은행에는 대량의 고객 데이터가 있을 것입니다. 개인정보, 예금 정보, 적금 정보, 카드 실적 등등.. 다 분리가 되어있겠죠? 이런 데이터들을 하나의 테이블에 다 넣게되면, 데이터 조회 시 불필요한 데이터까지 모두 스캔되어버려 메모리 낭비를 초래하기 때문이죠. 고객의 카드 실적 정보만 보고싶은데, 적금 정보, 예금 정보, 개인정보 등등.. 까지 조회가 되버리죠. 그래서! 테이블들을 적절하게, 그리고 잘게 쪼개는 것도 중요합니다. 목적은 속도를 빠르게 하기 위함이..