진강이의 성장일지

유형별 통계량 각 유형별 군집의 특성을 알아보기 위해, 성별, 학력수준, 가구구성형태, 가구주 여부, 지역, 수도권 여부, 월평균소득, 가구 거주형태, 직업유무의 분포를 살펴봤다. ‘디지털 약자’ 유형은 여성, 저학력, 1인 가구, 가구주, 동 거주, 비수도권, 저소득, 아파트 외 거주, 직업 없음의 비율이 높았다. 디지털 약자 유형은 저학력에 1인 가구, 수도권 밖 그리고 읍/면 비율이 다른 유형에 비해 상대적으로 높다. 이는 디지털 기기를 접하기 힘든 고립된 환경이라고 유추할 수 있다. 따라서 이들 유형은 디지털 기기 ‘역량’이나 ‘활용’보다도 ‘접근’ 제고에 힘을 써야 한다. ‘디지털 프랜드’ 유형은 남성, 학력, 다가구, 가구주, 동 거주, 비수도권, 고소득, 아파트 거주, 직업 음의 비율이 높았..

분석내용 (투입데이터) 투입 데이터 과학기술정보통신부･한국지능정보사회진흥원(NIA)에서 매년 시행하고 있는 디지털정보격차실태조사(2022) 통계 원자료(raw data)를 활용했다. (설문지 데이터) 디지털정보화 지수 본 프로젝트에서는 과학기술정보통신부･한국지능정보사회진흥원(NIA)에서 설정한 디지털정보격차지수를 참고하여 디지털정보화 접근 수준, 디지털정보화 역량 수준, 디지털정보화 활용 수준 을 산출하였으며 이 값을 이용하여 k-means 군집분석을 실시하였다. 출처 : 한국지능정보솨회진흥원(NIA) 디지털정보격차실태조사 2022 일반 국민의 디지털정보화수준을 100으로 할 때 일반 국민 대비 노년층의 디지털정보화 수준은 최소 0%이며 최대 100% 이상의 값이 된다. 즉 100%이면 노년층의 디지털정..

import pandas as pd import numpy as np file_path = 'rawdata.csv' df = pd.read_csv(file_path) #read_csv 함수로 데이를 df형태로 불러옴 df.head() ID Q1A1 Q1A2 Q2A11 Q2A12 Q2A13 Q2A2 Q2A3 Q3 Q4A1 ... ADQ8A4 ADQ8A5 ADQ8A6 ADQ8A7 ADQ8A8 ADQ9 ADQ101 ADQ102 ADQ103 WT2 0 108121 1 2 1.0 NaN NaN 2 2 1 1 ... NaN NaN NaN NaN NaN 3 3 1 1 1.07 1 106029 1 2 1.0 NaN NaN 2 2 1 1 ... NaN NaN NaN NaN NaN 2 13 1 2 0.67 2 100438..

01. Pandas의 설치 및 활용 판다스는 파이썬에서 가장 널리 사용되는 데이터 분석 라이브러리로 데이터 프레임이라는 자료구조를 사용한다. 데이터 프레임은 엑셀의 스프레드시트와 유사한 형태이며 파이썬으로 데이터를 쉽게 처리할 수 있도록 한다. import pandas as pd names = ['yelim', 'gyuwon','haeun','soyeon','yeeun'] births = [968, 155, 77, 578, 973] custom = [1, 5, 25, 13, 23232] babydataset = list(zip(names, births)) df = pd.DataFrame(data=babydataset, columns=['names', 'births']) df.head() # head() ..

아나콘다를 설치하고 주피터 노트북을 실행하려고 하면 다음과 같은 화면이 뜨면서 실행이 되지 않았다. Traceback (most recent call last): File "C:\Users\lyl89\anaconda3\Lib\site-packages\notebook\traittypes.py", line 235, in _resolve_classes klass = self._resolve_string(klass) ^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "C:\Users\lyl89\AppData\Roaming\Python\Python311\site-packages\traitlets\traitlets.py", line 2018, in _resolve_string return import_it..