|
|
|
ÆÄÀ̽㠶óÀ̺귯¸®¸¦ È°¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼® : ¿µÈ ÆòÁ¡, À̸§Åë°è, ¼±°Å µ¥ÀÌÅÍ µî ½Ç»ç·Ê »ç¿ë
|
|
|
¿þ½º ¸ÆÅ°´Ï, ±è¿µ±Ù
¤Ó
ÇѺû¹Ìµð¾î
¤Ó
Python for data analysis
|
|
|
|
- Á¦ÈÞ¸ô ÁÖ¹® ½Ã °í°´º¸»ó, ÀϺΠÀ̺¥Æ® Âü¿© ¹× ÁõÁ¤Ç° ÁõÁ¤, ÇÏ·ç/´çÀÏ ¹è¼Û¿¡¼ Á¦¿ÜµÇ¹Ç·Î Âü°í ¹Ù¶ø´Ï´Ù.
-
-
-
ºòµ¥ÀÌÅÍ ºÐ¼®¿¡ °üÇÑ °¡Àå ¿Ïº®ÇÑ ±³Àç!
ÀÌ Ã¥Àº NumPy, pandas, matplotlib, IPython, Jupyter µî ´Ù¾çÇÑ ÆÄÀ̽㠶óÀ̺귯¸®¸¦ »ç¿ëÇؼ È¿°úÀûÀ¸·Î µ¥ÀÌÅ͸¦ ºÐ¼®ÇÏ´Â ¹æ¹ýÀ» ¾Ë·ÁÁØ´Ù. pandasÀÇ »õ·Î¿î ±â´É»Ó¸¸ ¾Æ´Ï¶ó ¸Þ¸ð¸® »ç¿ë·®À» ÁÙÀÌ°í ¼º´ÉÀ» °³¼±ÇÏ´Â °í±Þ »ç¿ë¹ý±îÁö ´Ù·é´Ù. ¶ÇÇÑ ¸ðµ¨¸µ µµ±¸ÀÎ statsmodels¿Í scikit-learn ¶óÀ̺귯¸®µµ ¼Ò°³ÇÑ´Ù. ¿¬´ëº° À̸§ Åë°è ÀÚ·á, ¹Ì ´ë¼± µ¥ÀÌÅͺ£À̽º ÀÚ·á µî ½Ç»ç·Ê·Î µû¶ó ÇÏ´Ù º¸¸é ¾î´Àµ¡ ¿©·¯ºÐµµ µ¥ÀÌÅÍ¿¡ ¾Ë¸Â°Ô Á¢±ÙÇÏ°í È¿°úÀûÀ¸·Î ºÐ¼®ÇÏ´Â Àü¹®°¡°¡ µÉ °ÍÀÌ´Ù.
-
-
¡Ú ¡ºÆÄÀ̽㠶óÀ̺귯¸®¸¦ È°¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼®¡» µåµð¾î °³Á¤!
ÀÌ Ã¥ÀÇ ÃÊÆÇÀÌ Ãâ°£µÈ 2012³âÀº pandas °³¹ß Ãʱâ·Î, ÆÄÀ̽ã¿ë ¿ÀǼҽº µ¥ÀÌÅÍ ºÐ¼® ¶óÀ̺귯¸®°¡ ÈçÇÏÁö ¾Ê¾Ò½À´Ï´Ù. À̹ø¿¡ pandasÀÇ »õ·Î¿î ±â´É°ú 5³â¿©°£ÀÇ ¼¼¿ùÀÌ È帣´Â µ¿¾È ³°¾Ò°Å³ª »ç¿ë¹ýÀÌ ¹Ù²ï ³»¿ëÀ» ¸ðµÎ ¹Ý¿µÇÏ¿© Ã¥ Àü¹ÝÀ» ´Ù½Ã ´Ùµë¾ú½À´Ï´Ù. ¶ÇÇÑ ´ç½Ã¿¡´Â Á¸ÀçÇÏÁö ¾Ê¾Ò°Å³ª Ã¥¿¡ ½Æ±â¿¡´Â ºÒ¾ÈÇß´ø °« ³ª¿Â µµ±¸µéÀ» »õ·Î ¼Ò°³ÇÏ´Â ³»¿ëÀ» Ãß°¡Çß½À´Ï´Ù. 2ÆÇÀÇ ÁÖ¿ä º¯°æ »çÇ×Àº ´ÙÀ½°ú °°½À´Ï´Ù.
¡Ü ¸ðµç Äڵ带 ÆÄÀ̽ã 3.6 ±â¹ÝÀ¸·Î ¼öÁ¤
¡Ü ¾Æ³ªÄÜ´Ù ÆÄÀ̽㠹èÆ÷ÆÇ°ú ¸î¸î Çʼö ÆÄÀ̽ã ÆÐÅ°Áö·Î ¼³Ä¡
¡Ü ÃֽŠpandas ¶óÀ̺귯¸® »ç¿ë
¡Ü pandas °í±Þ »ç¿ë¹ý°ú »ç¿ëÆÁ Ãß°¡
¡Ü statsmodels¿Í scikit-learn ¶óÀ̺귯¸® ¼Ò°³
¡Ú ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ³»¿ë
ÀÌ Ã¥Àº ÆÄÀ̽ãÀ¸·Î µ¥ÀÌÅ͸¦ ´Ù·ç´Â ´Ù¾çÇÏ°í ±âº»ÀûÀÎ ¹æ¹ýÀ» ¼Ò°³ÇÕ´Ï´Ù. ±×·¯±â À§ÇØ ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö ¾ð¾îÀÇ ÀÏºÎ¿Í µ¥ÀÌÅÍ ºÐ¼® ¹®Á¦¸¦ È¿À²ÀûÀ¸·Î ÇØ°áÇÏ´Â µ¥ µµ¿òÀÌ µÇ´Â ¸î °¡Áö ¶óÀ̺귯¸®¸¦ ´Ù·ì´Ï´Ù. ¡®µ¥ÀÌÅÍ ºÐ¼®¡¯ÀÌ ÀÌ Ã¥ÀÇ Á¦¸ñÀ̱ä ÇÏÁö¸¸ µ¥ÀÌÅÍ ºÐ¼® ¹æ¹ý·ÐÀÌ ¾Æ´Ï¶ó ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö, ¶óÀ̺귯¸®, µµ±¸¿¡ ÁýÁßÇÕ´Ï´Ù. ÁÖ¿ä ³»¿ëÀº ´ÙÀ½°ú °°½À´Ï´Ù.
¡Ü IPython ¼Ð, ÁÖÇÇÅÍ ³ëÆ®ºÏ »ç¿ëÇϱâ
¡Ü NumPy ±âº» ¹× °í±Þ ±â´É ¾Ë¾Æº¸±â
¡Ü pandas·Î µ¥ÀÌÅÍ ºÐ¼® ÀÔ¹®Çϱâ
¡Ü À¯¿¬ÇÑ µµ±¸¸¦ »ç¿ëÇØ µ¥ÀÌÅÍ ·Îµù, Á¤Á¦, Á¶ÀÎ, º´ÇÕ, º¯ÇüÇϱâ
¡Ü matplotlibÀ¸·Î À¯¿ëÇÑ ½Ã°¢È ¸¸µé±â
¡Ü pandas groupby ±â´ÉÀ» Àû¿ëÇØ µ¥ÀÌÅ͸¦ ³ª´©°í ¿ä¾àÇϱâ
¡Ü ½Ã°è¿ µ¥ÀÌÅÍ ºÐ¼® ¹× Á¶ÀÛÇϱâ
-
-
CHAPTER 1 ½ÃÀÛÇϱâ Àü¿¡
__1.1 ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ³»¿ë
__1.2 ¿Ö µ¥ÀÌÅÍ ºÐ¼®¿¡ ÆÄÀ̽ãÀ» »ç¿ëÇϳª
__1.3 Çʼö ÆÄÀ̽㠶óÀ̺귯¸®
__1.4 ¼³Ä¡ ¹× ¼³Á¤
__1.5 Ä¿¹Â´ÏƼ¿Í ÄÁÆÛ·±½º
__1.6 ÀÌ Ã¥À» »ìÆ캸´Â ¹æ¹ý
CHAPTER 2 ÆÄÀ̽㠾ð¾îÀÇ ±âº», IPython, ÁÖÇÇÅÍ ³ëÆ®ºÏ
__2.1 ÆÄÀ̽ã ÀÎÅÍÇÁ¸®ÅÍ
__2.2 IPython ±âÃÊ
__2.3 ÆÄÀ̽㠱âÃÊ
CHAPTER 3 ³»Àå ÀڷᱸÁ¶, ÇÔ¼ö, ÆÄÀÏ
__3.1 ÀڷᱸÁ¶¿Í ¼øÂ÷ ÀÚ·áÇü
__3.2 ÇÔ¼ö
__3.3 ÆÄÀÏ°ú ¿î¿µÃ¼Á¦
__3.4 ¸¶Ä¡¸ç
CHAPTER 4 NumPy ±âº»: ¹è¿°ú º¤ÅÍ ¿¬»ê
__4.1 NumPy ndarray: ´ÙÂ÷¿ø ¹è¿ °´Ã¼
__4.2 À¯´Ï¹ö¼³ ÇÔ¼ö: ¹è¿ÀÇ °¢ ¿ø¼Ò¸¦ ºü¸£°Ô ó¸®ÇÏ´Â ÇÔ¼ö
__4.3 ¹è¿À» ÀÌ¿ëÇÑ ¹è¿ÁöÇâ ÇÁ·Î±×·¡¹Ö
__4.4 ¹è¿ µ¥ÀÌÅÍÀÇ ÆÄÀÏ ÀÔÃâ·Â
__4.5 ¼±Çü´ë¼ö
__4.6 ³¼ö »ý¼º
__4.7 °è´Ü ¿À¸£³»¸®±â ¿¹Á¦
__4.8 ¸¶Ä¡¸ç
CHAPTER 5 pandas ½ÃÀÛÇϱâ
__5.1 pandas ÀڷᱸÁ¶ ¼Ò°³
__5.2 ÇÙ½É ±â´É
__5.3 ±â¼ú Åë°è °è»ê°ú ¿ä¾à
__5.4 ¸¶Ä¡¸ç
CHAPTER 6 µ¥ÀÌÅÍ ·Îµù°ú ÀúÀå, ÆÄÀÏ Çü½Ä
__6.1 ÅؽºÆ® ÆÄÀÏ¿¡¼ µ¥ÀÌÅ͸¦ ÀÐ°í ¾²´Â ¹ý
__6.2 ÀÌÁø µ¥ÀÌÅÍ Çü½Ä
__6.3 À¥ API¿Í ÇÔ²² »ç¿ëÇϱâ
...__6.4 µ¥ÀÌÅͺ£À̽º¿Í ÇÔ²² »ç¿ëÇϱâ
__6.5 ¸¶Ä¡¸ç
CHAPTER 7 µ¥ÀÌÅÍ Á¤Á¦ ¹× Áغñ
__7.1 ´©¶ôµÈ µ¥ÀÌÅÍ Ã³¸®Çϱâ
__7.2 µ¥ÀÌÅÍ º¯Çü
__7.3 ¹®ÀÚ¿ ´Ù·ç±â
__7.4 ¸¶Ä¡¸ç
CHAPTER 8 µ¥ÀÌÅÍ ÁغñÇϱâ: Á¶ÀÎ, º´ÇÕ, º¯Çü
__8.1 °èÃþÀû »öÀÎ
__8.2 µ¥ÀÌÅÍ ÇÕÄ¡±â
__8.3 ÀçÇü¼º°ú Çǹþ
__8.4 ¸¶Ä¡¸ç
CHAPTER 9 ±×·¡ÇÁ¿Í ½Ã°¢È
__9.1 matplotlib API °£·«ÇÏ°Ô »ìÆ캸±â
__9.2 pandas¿¡¼ seabornÀ¸·Î ±×·¡ÇÁ ±×¸®±â
__9.3 ´Ù¸¥ ÆÄÀ̽㠽ð¢È µµ±¸
__9.4 ¸¶Ä¡¸ç
CHAPTER 10 µ¥ÀÌÅÍ Áý°è¿Í ±×·ì ¿¬»ê
__10.1 GroupBy ¸ÞÄ«´Ð
__10.2 µ¥ÀÌÅÍ Áý°è
__10.3 Apply: ÀϹÝÀûÀÎ ºÐ¸®-Àû¿ë-º´ÇÕ
__10.4 ÇǹþÅ×À̺í°ú ±³Â÷À϶÷Ç¥
__10.5 ¸¶Ä¡¸ç
CHAPTER 11 ½Ã°è¿
__11.1 ³¯Â¥, ½Ã°£ ÀÚ·áÇü, µµ±¸
__11.2 ½Ã°è¿ ±âÃÊ
__11.3 ³¯Â¥ ¹üÀ§, ºóµµ, À̵¿
__11.4 ½Ã°£´ë ´Ù·ç±â
__11.5 ±â°£°ú ±â°£ ¿¬»ê
__11.6 ¸®»ùÇøµ°ú ºóµµ º¯È¯
__11.7 À̵¿Ã¢ ÇÔ¼ö
__11.8 ¸¶Ä¡¸ç
CHAPTER 12 °í±Þ pandas
__12.1 Categorical µ¥ÀÌÅÍ
__12.2 °í±Þ GroupBy »ç¿ë
__12.3 ¸Þ¼µå ¿¬°á ±â¹ý
__12.4 ¸¶Ä¡¸ç
CHAPTER 13 ÆÄÀ̽㠸𵨸µ ¶óÀ̺귯¸®
__13.1 pandas¿Í ¸ðµ¨ ÄÚµåÀÇ ÀÎÅÍÆäÀ̽º
__13.2 Patsy¸¦ ÀÌ¿ëÇؼ ¸ðµ¨ »ý¼ºÇϱâ
__13.3 statsmodels ¼Ò°³
__13.4 scikit-learn ¼Ò°³
__13.5 ´õ °øºÎÇϱâ
CHAPTER 14 µ¥ÀÌÅÍ ºÐ¼® ¿¹Á¦
__14.1 Bit.lyÀÇ 1.USA.gov µ¥ÀÌÅÍ
__14.2 MovieLensÀÇ ¿µÈ ÆòÁ¡ µ¥ÀÌÅÍ
__14.3 ½Å»ý¾Æ À̸§
__14.4 ¹Ì±¹³ó¹«ºÎ ¿µ¾ç¼Ò Á¤º¸
__14.5 2012³â ¿¬¹æ¼±°Å°ü¸®À§¿øȸ µ¥ÀÌÅͺ£À̽º
__14.6 ¸¶Ä¡¸ç
APPENDIX A °í±Þ NumPy
__A.1 ndarray °´Ã¼ ±¸Á¶
__A.2 °í±Þ ¹è¿ Á¶ÀÛ ±â¹ý
__A.3 ºê·Îµåij½ºÆÃ
__A.4 °í±Þ ufunc »ç¿ë¹ý .
__A.5 ±¸Á¶ÈµÈ ¹è¿°ú ·¹ÄÚµå ¹è¿
__A.6 Á¤·Ä¿¡ °üÇÏ¿©
__A.7 umba¸¦ ÀÌ¿ëÇÏ¿© ºü¸¥ NumPy ÇÔ¼ö ÀÛ¼ºÇϱâ
__A.8 °í±Þ ¹è¿ ÀÔÃâ·Â
__A.9 ¼º´É ÆÁ
APPENDIX B IPython ½Ã½ºÅÛ ´õ ¾Ë¾Æº¸±â
__B.1 ¸í·É¾î È÷½ºÅ丮 »ç¿ëÇϱâ
__B.2 ¿î¿µÃ¼Á¦¿Í ÇÔ²² »ç¿ëÇϱâ
__B.3 ¼ÒÇÁÆ®¿þ¾î °³¹ß µµ±¸
__B.4 IPythonÀ» ÀÌ¿ëÇÑ »ý»êÀûÀÎ ÄÚµå °³¹ß¿¡ °üÇÑ ÆÁ
__B.5 IPython °í±Þ ±â´É
__B.6 ¸¶Ä¡¸ç
-
-
|
¿þ½º ¸ÆÅ°´Ï [Àú]
|
|
-
-
|
±è¿µ±Ù [Àú]
|
|
-
ÀúÀÚ ±è¿µ±ÙÀº ¾ÖÇà II¿¡¼ BASICÀ¸·Î ÇÁ·Î±×·¡¹ÖÀ» ½ÃÀÛÇß°í, Àå·¡ Èñ¸ÁÀ» Ç×»ó ÇÁ·Î±×·¡¸Ó¶ó°í ¸»ÇÏ°í ´Ù´Ï´Ù Á¤½Å Â÷¸®°í º¸´Ï ¾î´Àµ¡ 20³â Â÷ Á߳⠰³¹ßÀÚ°¡ µÇ¾ú´Ù. ¸®´ª½º Ä¿¹Â´ÏƼ¿¡¼ ¿À·§µ¿¾È È°µ¿ÇßÀ¸¸ç ÀÓº£µðµåºÎÅÍ ¹Ìµé¿þ¾î, À¥, ½º¸¶Æ®Æù ¾ÖÇø®ÄÉÀ̼ǿ¡ À̸£±â±îÁö ´Ù¾çÇÑ ºÐ¾ß¿¡¼ °³¹ßÇß´Ù. ¾Æ½Ã¾ÆÀÎ ÃÖÃÊ·Î ÆÄÀ̽㠼ÒÇÁÆ®¿þ¾î Àç´Ü ÀÌ»ç·Î È°µ¿ÇßÀ¸¸ç 2014³â ù ¡®PyCon Çѱ¹¡¯À» °³ÃÖÇß´Ù. ÇѺû¹Ìµð¾î¿¡¼ ¡º¸®´ª½º ½Ã½ºÅÛ ÇÁ·Î±×·¡¹Ö(°³Á¤2ÆÇ)¡», ¡º°í¼º´É ÆÄÀ̽㡻À» ¹ø¿ªÇß´Ù.
-
-
Àüü 0°³ÀÇ ±¸¸ÅÈıⰡ ÀÖ½À´Ï´Ù.
|
ÀÎÅÍÆÄÅ©µµ¼´Â °í°´´ÔÀÇ ´Ü¼ø º¯½É¿¡ ÀÇÇÑ ±³È¯°ú ¹ÝÇ°¿¡ µå´Â ºñ¿ëÀº °í°´´ÔÀÌ ÁöºÒÄÉ µË´Ï´Ù.
´Ü, »óÇ°À̳ª ¼ºñ½º ÀÚüÀÇ ÇÏÀÚ·Î ÀÎÇÑ ±³È¯ ¹× ¹ÝÇ°Àº ¹«·á·Î ¹ÝÇ° µË´Ï´Ù. |
|
±³È¯ ¹× ¹ÝÇ°ÀÌ °¡´ÉÇÑ °æ¿ì |
»óÇ°À» °ø±Þ ¹ÞÀº ³¯·ÎºÎÅÍ 7ÀÏÀ̳» °¡´É
°ø±Þ¹ÞÀ¸½Å »óÇ°ÀÇ ³»¿ëÀÌ Ç¥½Ã, ±¤°í ³»¿ë°ú ´Ù¸£°Å³ª ´Ù¸£°Ô ÀÌÇàµÈ °æ¿ì¿¡´Â °ø±Þ¹ÞÀº ³¯·ÎºÎÅÍ 3°³¿ù À̳», ȤÀº ±×»ç½ÇÀ» ¾Ë°Ô µÈ ³¯ ¶Ç´Â ¾Ë ¼ö ÀÖ¾ú´ø ³¯·ÎºÎÅÍ 30ÀÏ À̳»
»óÇ°¿¡ ¾Æ¹«·± ÇÏÀÚ°¡ ¾ø´Â °æ¿ì ¼ÒºñÀÚÀÇ °í°´º¯½É¿¡ ÀÇÇÑ ±³È¯Àº »óÇ°ÀÇ Æ÷Àå»óÅ µîÀÌ ÀüÇô ¼Õ»óµÇÁö ¾ÊÀº °æ¿ì¿¡ ÇÑÇÏ¿© °¡´É |
|
±³È¯ ¹× ¹ÝÇ°ÀÌ ºÒ°¡´ÉÇÑ °æ¿ì |
±¸¸ÅÈ®Á¤ ÀÌÈÄ(¿ÀǸ¶ÄÏ»óÇ°¿¡ ÇÑÇÔ)
°í°´´ÔÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¸ê½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
(´Ü, »óÇ°ÀÇ ³»¿ëÀ» È®ÀÎÇϱâ À§ÇÏ¿© Æ÷Àå µîÀ» ÈѼÕÇÑ °æ¿ì´Â Á¦¿Ü)
½Ã°£ÀÌ Áö³²¿¡ µû¶ó ÀçÆǸŰ¡ °ï¶õÇÒ Á¤µµ·Î ¹°Ç°ÀÇ °¡Ä¡°¡ ¶³¾îÁø °æ¿ì
Æ÷Àå °³ºÀµÇ¾î »óÇ° °¡Ä¡°¡ ÈÑ¼ÕµÈ °æ¿ì |
|
´Ù¹è¼ÛÁöÀÇ °æ¿ì ¹ÝÇ° ȯºÒ |
´Ù¹è¼ÛÁöÀÇ °æ¿ì ´Ù¸¥ Áö¿ªÀÇ ¹ÝÇ°À» µ¿½Ã¿¡ ÁøÇàÇÒ ¼ö ¾ø½À´Ï´Ù.
1°³ Áö¿ªÀÇ ¹ÝÇ°ÀÌ ¿Ï·áµÈ ÈÄ ´Ù¸¥ Áö¿ª ¹ÝÇ°À» ÁøÇàÇÒ ¼ö ÀÖÀ¸¹Ç·Î, ÀÌÁ¡ ¾çÇØÇØ Áֽñ⠹ٶø´Ï´Ù. |
|
Áß°í»óÇ°ÀÇ ±³È¯ |
Áß°í»óÇ°Àº Á¦ÇÑµÈ Àç°í ³»¿¡¼ ÆǸŰ¡ ÀÌ·ç¾îÁö¹Ç·Î, ±³È¯Àº ºÒ°¡´ÉÇÕ´Ï´Ù. |
|
¿ÀǸ¶ÄÏ »óÇ°ÀÇ È¯ºÒ |
¿ÀǸ¶ÄÏ»óÇ°¿¡ ´ëÇÑ Ã¥ÀÓÀº ¿øÄ¢ÀûÀ¸·Î ¾÷ü¿¡°Ô ÀÖÀ¸¹Ç·Î, ±³È¯/¹ÝÇ° Á¢¼ö½Ã ¹Ýµå½Ã ÆǸÅÀÚ¿Í ÇùÀÇ ÈÄ ¹ÝÇ° Á¢¼ö¸¦ ÇϼžßÇϸç, ¹ÝÇ°Á¢¼ö ¾øÀÌ ¹Ý¼ÛÇϰųª, ¿ìÆíÀ¸·Î º¸³¾ °æ¿ì »óÇ° È®ÀÎÀÌ ¾î·Á¿ö ȯºÒÀÌ ºÒ°¡´ÉÇÒ ¼ö ÀÖÀ¸´Ï À¯ÀÇÇϽñ⠹ٶø´Ï´Ù. |
|
|
|
¹è¼Û¿¹Á¤ÀÏ ¾È³» |
ÀÎÅÍÆÄÅ© µµ¼´Â ¸ðµç »óÇ°¿¡ ´ëÇØ ¹è¼Û¿Ï·á¿¹Á¤ÀÏÀ» À¥»çÀÌÆ®¿¡ Ç¥½ÃÇÏ°í ÀÖ½À´Ï´Ù.
|
<ÀÎÅÍÆÄÅ© Á÷¹è¼Û »óÇ°> |
»óÇ°Àº ¿ù~Åä¿äÀÏ ¿ÀÀü 10½Ã ÀÌÀü ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ´çÀÏ Ãâ°í/´çÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù. |
»óÇ°Àº ¼¿ïÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀº ´çÀÏ Ãâ°í/ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇϸç,
¼¿ï¿ÜÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀÇ °æ¿ì´Â ¿ÀÈÄ 6½Ã±îÁö ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù.
(´Ü, ¿ù¿äÀÏÀº 12½Ã±îÁö ÁÖ¹®¿¡ ÇÑÇÔ)
|
»óÇ°Àº, ÀÔ°í¿¹Á¤ÀÏ(Á¦Ç°Ãâ½ÃÀÏ)+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù. |
~
»óÇ°Àº À¯ÅëƯ¼º»ó ÀÎÅÍÆÄÅ©¿¡¼ Àç°í¸¦ º¸À¯ÇÏÁö ¾ÊÀº »óÇ°À¸·Î ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø±âÁØÃâ°íÀÏ:ÀÎÅÍÆÄÅ©°¡ »óÇ°À» ¼ö±ÞÇÏ¿© ¹°·ùâ°í¿¡¼ Æ÷Àå/Ãâ°íÇϱâ±îÁö ¼Ò¿äµÇ´Â ½Ã°£
|
|
<¾÷ü Á÷Á¢¹è¼Û/¿ÀǸ¶ÄÏ »óÇ°> |
~
»óÇ°Àº ¾÷ü°¡ ÁÖ¹®À» È®ÀÎÇÏ°í, Ãâ°íÇϱâ±îÁö °É¸®´Â ½Ã°£ÀÔ´Ï´Ù. ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(2ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø5ÀÏÀ̳» Ãâ°í°¡ ½ÃÀÛµÇÁö ¾ÊÀ»½Ã, ¿ÀǸ¶ÄÏ »óÇ°Àº ÀÚµ¿À¸·Î ÁÖ¹®ÀÌ Ãë¼ÒµÇ¸ç, °í°´´Ô²² Ç°Àýº¸»ó±ÝÀ» Áö±ÞÇØ µå¸³´Ï´Ù.
|
|
|
¹è¼Ûºñ ¾È³» |
µµ¼(Áß°íµµ¼ Æ÷ÇÔ)¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û) À½¹Ý/DVD¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
ÀâÁö/¸¸È/±âÇÁÆ®¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼¿Í À½¹Ý/DVD¸¦ ÇÔ²² ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø 1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼¿Í ÀâÁö/¸¸È/±âÇÁÆ®/Áß°íÁ÷¹è¼Û»óÇ°À» ÇÔ²² ±¸¸ÅÇϽøé : 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
¾÷üÁ÷Á¢¹è¼Û»óÇ°À» ±¸¸Å½Ã : ¾÷üº°·Î »óÀÌÇÑ ¹è¼Ûºñ Àû¿ë
* ¼¼Æ®»óÇ°ÀÇ °æ¿ì ºÎºÐÃë¼Ò ½Ã Ãß°¡ ¹è¼Ûºñ°¡ ºÎ°úµÉ ¼ö ÀÖ½À´Ï´Ù.
* ºÏÄ«Æ®¿¡¼ ¹è¼Ûºñ¾ø¾Ö±â ¹öÆ°À» Ŭ¸¯Çϼż, µ¿ÀϾ÷ü»óÇ°À» Á¶±Ý ´õ ±¸¸ÅÇϽøé, ¹è¼Ûºñ¸¦ Àý¾àÇÏ½Ç ¼ö ÀÖ½À´Ï´Ù.
|
|
Çؿܹè¼Û ¾È³» |
ÀÎÅÍÆÄÅ©µµ¼¿¡¼´Â ±¹³»¿¡¼ ÁÖ¹®ÇϽðųª ÇØ¿Ü¿¡¼ ÁÖ¹®ÇÏ¿© ÇØ¿Ü·Î ¹è¼ÛÀ» ¿øÇÏ½Ç °æ¿ì DHL°ú Ư¾àÀ¸·Î Ã¥Á¤µÈ ¿ä±ÝÇ¥¿¡
ÀÇÇØ °³ÀÎÀÌ ÀÌ¿ëÇÏ´Â °æ¿ìº¸´Ù ¹è¼Û¿ä±ÝÀ» Å©°Ô ³·Ã߸ç DHL(www.dhl.co.kr)·Î Çؿܹè¼Û ¼ºñ½º¸¦ Á¦°øÇÕ´Ï´Ù.
Çؿܹè¼ÛÀº µµ¼/CD/DVD »óÇ°¿¡ ÇÑÇØ ¼ºñ½ºÇÏ°í ÀÖÀ¸¸ç, ´Ù¸¥ »óÇ°À» ºÏÄ«Æ®¿¡ ÇÔ²² ´ãÀ¸½Ç °æ¿ì Çؿܹè¼ÛÀÌ ºÒ°¡ÇÕ´Ï´Ù.
ÇØ¿ÜÁÖ¹®¹è¼Û ¼ºñ½º´Â ÀÎÅÍÆÄÅ© µµ¼ ȸ¿ø °¡ÀÔÀ» Çϼž߸¸ ½Åû °¡´ÉÇÕ´Ï´Ù. |
|
¾Ë¾ÆµÎ¼¼¿ä!!! |
µµ¸Å»ó ¹× Á¦ÀÛ»ç »çÁ¤¿¡ µû¶ó Ç°Àý/ÀýÆÇ µîÀÇ »çÀ¯·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
¿ÀǸ¶ÄϾ÷üÀÇ ¹è¼ÛÁö¿¬½Ã ÁÖ¹®ÀÌ ÀÚµ¿À¸·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
À¯ÅëÀÇ Æ¯¼º»ó Ãâ°í±â°£Àº ¿¹Á¤º¸´Ù ¾Õ´ç°ÜÁö°Å³ª ´ÊÃçÁú ¼ö ÀÖ½À´Ï´Ù.
Åùè»ç ¹è¼ÛÀÏÀÎ ¼¿ï ¹× ¼öµµ±ÇÀº 1~2ÀÏ, Áö¹æÀº 2~3ÀÏ, µµ¼, »ê°£, ±ººÎ´ë´Â 3ÀÏ ÀÌ»óÀÇ ½Ã°£ÀÌ ¼Ò¿äµË´Ï´Ù. |
|
|
|
|