[음악] 다음으로 데이터 세트의 몇몇 열을
살펴보겠습니다 데이터 세트의 몇몇 열을 살펴본다고 적습니다 그리고 한번 보죠 sf['Country']라고 입력하면 나라 열을 선택하게 되고 지금은 뭔가 할 게 아니기 때문에
값을 부여하지는 않겠습니다 값이 출력돼 나오겠죠 미국, 캐나다, 영국, 미합중국, 폴란드, 미국, 스위스 이게 열 전부인데 가로로 출력됩니다 다른 열을 보죠 나이 열을 봅시다
sf.age를 입력하면 그냥 보기만 할 겁니다 열이 24, 23, 22, 23, 23, 22, 25네요 시각화한 결과와 같습니다 이제 sf.age 열을 가져다 몇 가지
계산을 해보도록 하죠 .mean을 입력하면 열의 평균을 계산하게 됩니다 평균 나이는 23.142857네요 최대 나이가 몇 살인지도
계산할 수 있습니다 sf['age'] 최대값이라고 하면 나오는 25라는 수치가 최대 나이죠 이건 예고편에 불과합니다.
좀 더 해보죠 SFrame에서 새로운 열을 생성해봅시다 기계학습에서는 열을 읽어서 변환하고 새로 생성하는 일이 잦은데
이를 특징 가공이라고 합니다 우리가 엄청 하게 될 것이죠 지금부터 새 열을 생성합니다 돌아가서 SFrame을 출력하면 이름 열과 성 열이 있음을
확인할 수 있습니다 성명 열은 없죠 새롭게 성명 열을 만드는 건
무척 쉬운 작업입니다 sf 안에 성명이라고 입력하면 성명이라는 열이 새로 생깁니다 열에 어떤 값을 부여하나요? 이름과 성을 합치면 되죠 파이썬에서는 여러 문자열을
하나로 합치기가 매우 쉽습니다 플러스 부호만 넣어주면 되죠 결국 sf['Full Name']은 이름 열 ['First Name']과 둘 사이의 공백 더하기 공백 더하기 성 열이 됩니다 성이죠 멋지군요 이제 성명이라는 새로운 특징이자 열을 만들었고 이름 공백 성과 일치합니다 파이썬에서 이런 걸하기 무척 쉽습니다 오타만 없다면요 여기 First Name을 Fist Name이라고 잘못 썼네요. 다시 가서 SFrame을 출력하면 새로운 열 성명이 끝에 위치하고
있음을 확인할 수 있습니다 밥 스미스가 첫 성명이죠 이제 흥미로운 일을 이것저것
할 수 있죠 예를 들어 나이 열을 가져다 새로운 열을 생성하지는 않고 나이 열에다 2씩을 더할 겁니다 2를 각 원소에 더하게 되죠 이런 작업을 할 수 있습니다 나이를 가져다 나이에 곱할 수 있죠 그렇게 하면 뭐가 되죠? 나이 곱하기 나이? 각 원소가 나이 제곱이 되겠죠 556, 529 같은 값이 나올 겁니다 [음악]