P-058: 顧客データ（df_customer）の性別コード（gender_cd）をダミー変数化し、顧客ID（customer_id）とともに10件表示せよ。
ダミー変数とは何ぞやから始まる。
これがわかれば特に難しいことはなし。
P-059: レシート明細データ（df_receipt）の売上金額（amount）を顧客ID（customer_id）ごとに合計し、売上金額合計を平均0、標準偏差1に標準化して顧客ID、売上金額合計とともに10件表示せよ。標準化に使用する標準偏差は、分散の平方根、もしくは不偏分散の平方根のどちらでも良いものとする。ただし、顧客IDが"Z"から始まるのものは非会員を表すため、除外して計算すること。
ritsu-programming.hatenablog.com
意味が分からなすぎた、、、
標準化＝一般的に平均０、分散と標準偏差が１になるように値を変化させる
正規化＝一般的に最大値を１、最小値0にする
pandasに見慣れてしまったので、他のはちょっと、、、ってなって、pandasで解決したけど、解答を見るとまた違う感じ。
手段なんてものは調べれば出てくるので、そもそも正規化・標準化の意味を知る方が優先かな・・・(;´∀｀)
P-060: レシート明細データ（df_receipt）の売上金額（amount）を顧客ID（customer_id）ごとに合計し、売上金額合計を最小値0、最大値1に正規化して顧客ID、売上金額合計とともに10件表示せよ。ただし、顧客IDが"Z"から始まるのものは非会員を表すため、除外して計算すること。
59で見たサイトを見てそのままやってみた。
pandasがやっぱりわかりやすい。
P-061: レシート明細データ（df_receipt）の売上金額（amount）を顧客ID（customer_id）ごとに合計し、売上金額合計を常用対数化（底10）して顧客ID、売上金額合計とともに10件表示せよ。ただし、顧客IDが"Z"から始まるのものは非会員を表すため、除外して計算すること。
Numpy使えば難しくはないんだけど、解答で+0.5してるのなんで・・・？これもまた数学的な知識不足のせいだな。
ほぼもう答えだけど笑。その理由がここに書いてあった。
これで完了ではありますが、常用対数化には注意点が必要です。
それは常用対数化するデータの中に0が含まれている場合の対応です。 常用対数化する際にはは計算できないのです。高校数学で学ぶ真数条件というものですね。これに対処するために、一般的には1を加える対応を行います。なぜ１なのかという理由は特に存在しないようです。
そもそも対数化の目的がわからないのと、対数が何を示しているのかがわからないから、1を足してもいい理由がわからない・・・
