Data Science Academy · 강의

분할-적용-결합 이해하기

모든 groupby의 기반이 되는 모델을 알아봅니다

분할-적용-결합 이해하기은(는) CoddyKit의 무료 Data Science Academy 강의입니다. 이것은 4개 중 1번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Data Science Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Data Science Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.

One Idea, Three Steps

Every groupby follows one rhythm: split the rows into groups, apply a calculation to each, then combine the answers back together. 🔁

Split: Cut by a Key

The split step partitions rows by a key column, so all rows sharing the same value land in the same little group.

groups = df.groupby("city")

Apply: Do Work Per Group

In the apply step, the same function runs on each group on its own, never mixing one group with another.

df.groupby("city")["sales"].mean()

Combine: Stitch Results

The combine step glues each group result into one tidy output, indexed by the group keys you split on.

groupby Is Lazy

Calling groupby alone does almost nothing; it just remembers the plan. The real work waits until you add an aggregation.

g = df.groupby("city")  # no math yet

The Group Key Becomes the Index

After aggregating, your group key moves into the result index, so each unique value labels one output row.

Pick a Column to Aggregate

Select a column after grouping to focus the math. Here you ask for the average sales within each city.

df.groupby("city")["sales"].mean()

size Counts Rows Per Group

Use size when you just want how many rows fell into each group, including any missing values.

df.groupby("city").size()

Iterating Over Groups

You can loop a groupby to inspect it: each turn hands you the group name and the matching sub-table.

for name, part in df.groupby("city"):
    print(name, len(part))

Why It Beats Manual Loops

Split-apply-combine replaces slow hand-written loops with one fast, readable line that pandas optimizes for you. ⚡

A Tiny End-to-End Example

This single line splits by region, averages each group, and combines the result, all in one readable expression.

df.groupby("region")["revenue"].mean()

Quick Check

Which step actually does the calculation?

Recap: The groupby Rhythm

You learned the heartbeat of grouping: split, apply, combine. Master this rhythm and every aggregation later feels natural. 🎯

자주 묻는 질문

“분할-적용-결합 이해하기” 강의는 무료인가요?

네 — “분할-적용-결합 이해하기” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Data Science Academy 강의 전체를 잠금 해제할 수 있습니다. Data Science Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“분할-적용-결합 이해하기”에서 뭘 배우나요?

모든 groupby의 기반이 되는 모델을 알아봅니다 브라우저에서 직접 실행하는 실습 코드로 Data Science Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Data Science Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Data Science Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 1번째 강의입니다.

“분할-적용-결합 이해하기” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Data Science Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Data Science Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← Data Science Academy(으)로 돌아가기