기준금리가 또 올랐습니다. 이번에도 기한 제한이 없는 파킹통장과 CMA를 금리 순대로 정리해보겠습니다. 상품명 연 이자율(세전) 한도 조건 비과세 예금자보호 웰뱅 WELCOME 직장인사랑 보통예금 3.00% 5천만원 O (*) O 영업점 방문 필요 최대 5,000만원 네이버미래에셋증권 CMA 2.55% 1천만원 X X X CMA발행어음형*** 2.55% - X X X 웰뱅 WELCOME 직장인사랑 보통예금 2.50% 5천만원 O (**) O 영업점 방문 필요 최대 5,000만원 SK증권 CMA RP 2.40% - X X X KDB Hi 비대면 입출금통장 2.25% - X O 최대 5,000만원 K뱅크 플러스박스 2.10% 3억원 X X 최대 5,000만원 토스 2.00% 1억원 X X 최대 5,000만원..
✔︎ paste("a", "b") : 여러 문자를 한 문장으로 붙임 ✔︎ paste("a", 1:5, sep="-") : a는 고정, 1:5 연속으로 붙이고, 중간 구분자 -까지 붙여서 ✔︎ paste("a", pi, "b") : 문자 a + 값 + 문자 b # paste 활용법 # 여러 문자를 한 문장으로 붙이기 hi paste(hi,"what's up?",sep=", ") [1] "Hi Jack, what's up?" # 고정-반복구문 > paste("1",1:5,sep="-") [1] "1-1" "1-2" "1-3" "1-4" "1-5" # 문장+값+단어 붙이기 a a [1] "The value of 'pi' is 3.14159265358979 , endless" # 따옴표 없애는 방법 두 가지 >..
요즘 같은 시대에 글을 읽고 마음이 울린 적은 없었던 것 같다. 대부분 어떤 지식을 알아내기 위해 글을 읽기에 마음까지 동요할 여유는 없었고 나 글 좀 쓰지? 를 스스로 잘 알고 있고 더 보여주고 싶어하며 타자를 치는 글쓴이의 모습이 상상되어 감동이 멈춘 적도 있었다. 오늘 우연히 허준이 수학자의 졸업사를 보면서 이 분은 정말 진정한 학자구나 싶었다. 이제 마흔이 되신 분이 어떻게 인생의 풍파를 다 겪은 백발 노인 철학자가 할 법한 이야기들을 이렇게 논리적으로, 읽기 좋게 적어내려갈 수 있는 것인지. 예전 철학자들이 수학도 하고 천문학도 했던 것처럼 학문의 끝은 결국 통하는 것인가. 이런 좋은 글을 한글로 의미 하나하나를 느끼며 읽을 수 있어 좋았다. 오늘도 내일도 타인과 나 자신에게 친절한 사람이 되고..
✔︎ 문자열 지정하는 두 가지 방법 1) x length(y) [1] 1 ✔︎ 문자열 지정 - 나중에 data 추가 가능 - 문자열 지정 후 나중에 data값 입력 가능 - 기존 지정된 범위(아래 예시에서는 5개) 밖에 data 지정 가능 (중간 빈 값 NA로 나옴) - 중간 빈 값에도 data 입력 가능 z z [1] "a" "1" "100" z z [1] "" "" "" "" "" > length(z) [1] 5 z[3] z [1] "" "" "3rd" "" "" z[7] z [1] "" "" "3rd" "" "" NA "7th" z[6] z [1] "" "" "3rd" "" "" "6" "7th" > length(z) [1] 7 ✔︎ 문자열 여부 확인 및 변경 - is.character() : 문자..
유튜브 datasciencelim 님의 R 프로그램 강의 내용을 토대로 통계 프로그램 R의 기초 내용 정리합니다. read.table(file.choose())는 파일 형식으로 된 자료를 읽어옴 엑셀이 아닌 .txt 또는 .csv로 바꿔서 사용 - Tab Delimited Text / Comma Separated Values * XYZ = 데이터프레임 이름 ✔︎ XYZ
유튜브 datasciencelim 님의 R 프로그램 강의 내용을 토대로 통계 프로그램 R의 기초 내용 정리합니다. 데이터 정리를 위한 패키지(tidyr, dplyr) 설치 ✔︎ install.packages("tidyr") ✔︎ install.packages("dplyr") 이후에는 아래와 같이 써주면 된다. ✔︎ library(tidyr) ✔︎ library(dplyr) X =40) : new 데이터셋에서 age가 40 이상인 것만 분류 filter(new, age>=40) # 결과 family type age name 1 1 m 44 d 2 2 f 40 b 3 2 m 53 e 매번 새로운 데이터셋 정의하는 것이 귀찮으므로 pipeline (%>%) 사용 (위부터 순차적으로 진행) X new % gat..