> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-feat-cli-docs-generator.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# Tutorial: Log tables, visualize and query data
> W&B Tables를 사용하는 방법을 이 5분 퀵스타트 에서 알아보세요.
다음 퀵스타트는 데이터 테이블을 기록하고, 데이터를 시각화하고, 데이터를 쿼리하는 방법을 보여줍니다.
아래 버튼을 선택하여 MNIST 데이터에 대한 PyTorch 퀵스타트 예제 프로젝트를 사용해 보세요.
## 1. 테이블 기록
W\&B로 테이블을 기록합니다. 새 테이블을 만들거나 Pandas Dataframe을 전달할 수 있습니다.
새로운 Table을 생성하고 기록하려면 다음을 사용합니다.
* [`wandb.init()`](/ko/models/ref/python/init): 결과를 추적하기 위해 [run](/ko/models/runs/)을 생성합니다.
* [`wandb.Table()`](/ko/models/ref/python/data-types/table): 새로운 테이블 오브젝트를 생성합니다.
* `columns`: 열 이름을 설정합니다.
* `data`: 각 행의 내용을 설정합니다.
* [`run.log()`](/ko/models/ref/python/log): 테이블을 기록하여 W\&B에 저장합니다.
예시:
```python theme={null}
import wandb
run = wandb.init(project="table-test")
# 새로운 테이블을 생성하고 기록합니다.
my_table = wandb.Table(columns=["a", "b"], data=[["a1", "b1"], ["a2", "b2"]])
run.log({"Table Name": my_table})
```
Pandas Dataframe을 `wandb.Table()`에 전달하여 새 테이블을 생성합니다.
```python theme={null}
import wandb
import pandas as pd
df = pd.read_csv("my_data.csv")
run = wandb.init(project="df-table")
my_table = wandb.Table(dataframe=df)
wandb.log({"Table Name": my_table})
```
지원되는 데이터 유형에 대한 자세한 내용은 W\&B API Reference Guide의 [`wandb.Table`](/ko/models/ref/python/data-types/table)을 참조하세요.
## 2. 프로젝트 워크스페이스에서 테이블 시각화
워크스페이스에서 결과 테이블을 봅니다.
1. W\&B 앱에서 프로젝트로 이동합니다.
2. 프로젝트 워크스페이스에서 run 이름을 선택합니다. 각 고유한 테이블 키에 대해 새로운 패널이 추가됩니다.
이 예제에서 `my_table`은 `"Table Name"` 키 아래에 기록됩니다.
## 3. 모델 버전 간 비교
여러 W\&B Runs에서 샘플 테이블을 기록하고 프로젝트 워크스페이스에서 결과를 비교합니다. 이 [example workspace](https://wandb.ai/carey/table-test?workspace=user-carey)에서는 동일한 테이블에서 여러 다른 버전의 행을 결합하는 방법을 보여줍니다.
테이블 필터, 정렬 및 그룹화 기능을 사용하여 모델 결과를 탐색하고 평가합니다.
