kimble

주식에서 가장 중요한건 역시나 기업의 실적인 것 같습니다 지난주 금요일 나스닥의 종합 지수는 18,239를 기록해서 0.8퍼센트를 올라서 전날의 폭락을 만회 하였습니다 고용 비표만 보았을때는 비농업 부문의 고용이 거의 쇼크 수준의 발표치를 보였지만 이는 허리케인과 파업등괴 맞물려서 정확한 수치라고는 볼 수 없다는 의견이 분분 합니다 그러나 역시 주식의 가격은 아무리 시장의 상황이 나쁘다 할지라도 결국엔 주식의 실적을 따라 갈수 밖에 없습니다 이전 테슬라 분기 실적발표도 그렇듯 시장의 상황은 좋지 않았지만 테슬라의 실적 및 전망이 장밋빛으로 예상을 하면서 20%가 넘는 주가 폭등을 보여 주었습니다 아마존의 경우도 그렇습니다 클라유드 사업과 광고의 우수한 매출로 인해서 6.19%의 큰 상승을 보여 주었습니다..

나스닥의 종합 지수가 약 2.8퍼센트의 하락을 보였습니다. 기술주와 빅테크들의 실적발표가 이어지고 있지만 일제히 상승하기 보다는 빅테크 들의 향후 전망과 실적들에 따라 제각기 다른 상승과 하락을 보여 주고 있습니다. 빅테크중에서 실적을 발표한 메타와 마이크로 소프트의 경우도 괜찮은 수준의 실적을 발표 했지만 과도한 AI의 투자에 대한 우려가 주가의 하락을 낳았다고 보고 있습니다메타의 경우 4퍼센트가 하락한 567달러를 기록했습니다 마이크로 소프트의 경우 6퍼센트가 하락한 406달러를 기록했습니다 인텔의 경우에는 실적 발표를 하면서 예상치인 3센트 손실보다 더큰 주당 46센트의 손실을 발표했습니다. 그러나 역시 주식은 알수가 없는 것일까요 이번분기 전망이 순익이 주당 12센트 일것이라고 발표 함에 따라 시..

안녕하세요  오늘 소개 해 드릴 식당은 요즘 새롭게 뜨고 있는 여수의 게장 맛집입니다 식객 허영만 선생님께서도 다녀가셨을 정도로 맛집이라고 표현 할 수 있겠네요 자 그러면 먼저 메뉴판 부터 보실까요?여러가지 맛있는 메뉴들이 있구요 저희는 갈치조림메뉴로 해서 시켰습니다 갈치조림으로 하면 돌게장 간장, 양념 게장이 같이 나옵니다. 수저 젓가락도 깔끔하게 포장이 되어서 나왔습니다. 전체적인 반찬이랑 게장들 사진 먼저 보시고 이제 반찬들 하나씩 봐볼게요  샐러드 제육볶음두부구이와 새우장갓김치와 배추김치 새콤하면서도 달달했던 맛있던 미역오이 냉채가지나물너무 맛있어서 참지 못하고 먹다가 찍어 버린 갈치조림밥에 싸먹으면 더 맛있는 김짭조름한 맛이 일품인 간장게장구수한 맛이 일품인 배추된장국매콤달콤 맛있는 양념 돌게장..

녕하세요  오늘 소개 해드릴 집은 하남 현지인의 맛집 바로 더우개 생포갈비 입니다 하남 미사에 여러 맛집들이 있지만 생갈비집은 여기가 최고라고 여겨 지네요 생갈비의 질이 보통이 아니거든요 ㅎ 먼저 아래는 가격입니다. 이정도면 매우 착한 가격이죠? 특히 맛을 보시면 더욱 느끼실수 있으실 겁니다 더우개의 대표 메뉴는 생갈비와 양념갈비로, 갈비와 함께 제공되는 다양한 밑반찬들도 깔끔하고 풍부합니다. 특히, 돼지고기 특유의 잡내가 없고, 고기의 질감이 부드러워 인기가 많습니다. 또한 비빔냉면과 김치찌개도 고기와 함께 곁들이기 좋아, 푸짐한 한 끼를 즐길 수 있습니다생갈비는 신선한 고기 본연의 맛을 잘 살리며, 양념갈비 또한 깊은 맛이 있습니다. 고기를 굽는 도중 기름을 흡수해주는 식빵이 불판 위에 놓여 기름기 ..

Pandas의 DataFrame은 데이터 분석에서 가장 많이 사용되는 데이터 구조 중 하나입니다. DataFrame은 2차원 배열과 유사하며, 행과 열로 구성되어 있습니다. 각 열은 Series 객체로 표현되며, 서로 다른 데이터 유형을 가질 수 있습니다.DataFrame의 주요 특징2차원 데이터 구조: DataFrame은 행(row)과 열(column)로 구성된 2차원 데이터 구조입니다.라벨된 축: 행과 열에 대해 인덱스와 열 이름을 지정할 수 있어, 데이터에 쉽게 접근하고 조작할 수 있습니다.다양한 데이터 유형: 하나의 DataFrame은 다양한 데이터 유형(숫자, 문자열, 부울, 날짜 등)을 포함할 수 있습니다.유연한 데이터 처리: DataFrame은 필터링, 집계, 변환, 병합 등 다양한 데이터 ..

Pandas의 Series는 데이터 분석에서 매우 유용한 도구로, 다양한 응용이 가능합니다. 여기서는 Series의 고급 응용 예제를 통해 더 깊이 이해해보겠습니다.1. 시계열 데이터 분석Series는 시계열 데이터를 다루기에 적합합니다. 인덱스로 날짜나 시간을 사용하면, 시간의 흐름에 따른 데이터 분석이 용이해집니다.import pandas as pdimport numpy as np# 날짜 인덱스를 가진 Series 생성dates = pd.date_range('2024-01-01', periods=6)data = pd.Series([100, 102, 101, 105, 107, 111], index=dates)# 시계열 데이터 출력print(data)# 특정 날짜 이후의 데이터 필터링filtered_da..

Pandas의 Series는 데이터 분석을 위한 파이썬 라이브러리인 Pandas에서 제공하는 주요 데이터 구조 중 하나입니다. Series는 1차원 배열과 유사하지만, 인덱스를 가지는 것이 특징입니다. 이것은 데이터의 각 요소가 고유한 라벨(인덱스)과 연결되어 있음을 의미합니다.Series의 주요 특징1차원 데이터 구조: Series는 1차원 데이터 구조로, 리스트나 배열과 유사합니다.인덱스: Series는 각 데이터에 대해 고유한 라벨(인덱스)을 가집니다. 기본적으로 인덱스는 0부터 시작하는 정수이지만, 사용자가 임의로 설정할 수도 있습니다.데이터 유형: Series는 숫자, 문자열, 부울 등 다양한 데이터 유형을 저장할 수 있습니다.자동 정렬: Pandas의 Series는 인덱스에 따라 데이터를 자동..

AttributeError는 Python에서 객체가 가지고 있지 않은 속성이나 메서드를 호출할 때 발생하는 오류입니다. 이 오류는 주로 클래스 인스턴스에서 정의되지 않은 속성을 접근하려고 시도할 때나, 모듈에서 존재하지 않는 함수를 사용하려고 할 때 발생합니다. 다음은 AttributeError의 일반적인 예시 3가지와 그에 대한 해결 방법입니다. 클래스 인스턴스의 존재하지 않는 속성 접근문제 코드: class Person: def __init__(self, name): self.name = namealice = Person("Alice")print(alice.age) 오류 메시지: AttributeError: 'Person' object has no attribute 'age' 해결 ..

KeyError는 Python에서 딕셔너리에서 존재하지 않는 키를 접근하려고 할 때 발생하는 오류입니다. 이 오류는 주로 딕셔너리에서 값을 검색할 때 주어진 키가 딕셔너리에 없을 경우에 발생합니다. 다음은 KeyError의 일반적인 예시 3가지와 그에 대한 해결 방법입니다. 존재하지 않는 키로 딕셔너리 접근문제 코드:person = {'name': 'Alice', 'age': 30}print(person['gender']) 오류 메시지: KeyError: 'gender' 해결 방법: get 메소드를 사용하여 키가 존재하지 않을 경우 기본값을 반환하도록 합니다. print(person.get('gender', 'Not specified')) 또는 키가 딕셔너리에 있는지 먼저 확인할 수 있습니다. if 'g..

리스트의 존재하지 않는 인덱스 접근문제 코드: numbers = [1, 2, 3]print(numbers[5]) 오류 메시지:IndexError: list index out of range 해결 방법: 리스트의 길이를 확인하고, 접근하려는 인덱스가 범위 내에 있는지 확인합니다.numbers = [1, 2, 3]index = 5if index  튜플에서 범위를 벗어난 인덱스 접근문제 코드:tuple_data = (10, 20, 30)print(tuple_data[3]) 오류 메시지:IndexError: tuple index out of range 해결 방법: 튜플의 인덱스 범위를 확인하고 유효한 인덱스를 사용합니다. tuple_data = (10, 20, 30)index = 3if index  문자열에서 ..