FNI FNI

넘파이란? 데이터 과학 전반에 사용되는, 수치 계산을 위해 제작된 Python의 외부 라이브러리이다. 특히 머신러닝, 딥러닝을 구현할 때 행렬 및 다차원 배열 계산을 할 때 유용하다. 넘파이 사용법 코드 내에서 import문을 이용하여 라이브러리를 불러온다. import numpy as np 다차원 배열의 속성들 ndim : 배열 축 혹은 차원의 개수를 나타냄 shape : 배열의 형상을 기술하며 (m, n) 형식의 튜블 형으로 나타냄 size : 배열 원소의 개수를 말하며 (m, n) 형상 배열의 size는 m X n임 dtype : 배열 원소의 자료형을 기술함 itemsize : 배열 원소의 크기를 바이트 단위로 기술. 예를 들어 int32 자료형의 크기는 32/8 = 4바이트 data : 배열의 실..

코랩에서 한 번에 긁어오는 법을 알았다! 4. 모델링 4-1. 변수 정의 해당 데이터 분석의 목적은 주어진 중고차 상세 정보 데이터를 이용하여 target 변수인 자동차 가격을 예측하는 것입니다. 이를 바탕으로 독립변수 X는 중고차 상세 정보 데이터, 종속변수 y는 중고차 가격인 target 변수가 될 것입니다. X = train.drop(['id', 'target'], axis = 1) #training 데이터에서 피쳐 추출 y = train.target #training 데이터에서 중고차 가격 추출 기본적인 인덱스를 의미하는 id 칼럼과 종속변수가 될 target 변수를 제외한 나머지 데이터를 독립변수 X로 설정하였습니다. 그리고 중고차 가격인 target 칼럼만 추출하여 종속변수로 설정하였습니다. ..

데이콘의 중고차 가격 예측 경진대회에 참가한 파이썬 코드 목표 설정 : XGBoost를 이용하여 데이터 분석 및 중고차 가격 예측을 진행한다. - 데이콘에 기본적으로 제시된 EDA, Baseline 코드를 활용하여 결측치 제거 및 데이터 전처리를 하고, XGBoost라는 Boosting 앙상블 기법을 이용하여 모델링, 튜닝 및 데이터 예측을 한다. - XGBoost 알고리즘을 사용해보고 하이퍼파라미터를 조정하여 정확도를 높이는 작업 경험이 목표였다. 1. 데이터 불러오기 우선, 데이터를 분석하기 위하여 주어진 train 데이터셋과 test 데이터셋을 읽어와 저장하고, 데이터 구조를 확인합니다. import pandas as pd ## pandas 라이브러리를 가져오기 위하여 import를 해줍니다. # ..

Colaboratory, 즉 코랩이란 주피터 노트북 기반의 개발환경이다. 특히 데이터 분석에서 사용되는 Tensor Flow, Keras, mataplotlib, scikit-learn, pandas 등이 기본적으로 설치되어있어 편리하다. GPU 또한 무료로 사용할 수 있다. 이러한 코랩 환경에서 Matplotlib, seaborn 등의 라이브러리를 이용하여 데이터를 시각화하는 도중에, 그래프 이미지 내에 한글이 포함되어있으면 한글이 깨져서 출력되는 것을 확인할 수 있다. 이는 간단한 코드를 추가하여 해결할 수 있다. !apt-get update -qq # 폰트 설정을 위한 코드 !apt-get install fonts-nanum* -qq 우선 위의 코드를 작성한 후, 실행한다. 그러면 실행 결과 창에 ..

집합 - 파이썬에서의 집합 또한 수학의 집합과 유사하며, 튜플과 달리 순서가 없는 자료형이다. - 동일한 값을 가지는 항목의 중복이 허용되지 않는다. - 교집합, 합집합, 차집합, 대칭차집합 등의 다양한 집합 연산을 수행할 수 있다. numbers = {2, 1, 3} # 숫자 3개로 이루어진 집합 자료형 - 리스트로부터 집합을 생성하는 것도 가능하다. - 집합자료형에서는 요소가 중복되면 자동으로 중복된 요소를 제거한다. set([1, 2, 3, 1, 2]) # 리스트로 집합 생성 >> {1, 2, 3} - 문자열로부터 집합을 생성하는 것도 가능한데, 이때에는 각 문자들이 하나의 요소가 된다. set("abcdefa") >> {'f', 'a', 'b', 'e', 'c', 'd'} - 비어있는 집합을 생성..

람다 함수 - 람다 함수란 이름이 없는 함수로 정의할 수 있다. - 간단한 1회용 작업에 유용하다. - 가끔 함수를 만들지 않고 함수화된 기능만 불러와서 사용하는 경우가 있기에 람다 표현식(lambda expression)이라고도 한다. - 주의할 점으로는, 표현식 안에서 새로운 변수를 선언할 수 없다는 것이다. - 또한, 람다 함수의 반환 값은 변수 없이 식 한 줄로 표현할 수 있어야 하기 때문에 복잡하고 긴 기능의 함수는 def 키워드로 함수를 정의해야 한다. - 기존의 일반 함수와 람다 함수의 차이점 : def add(x, y) : # 일반 함수 return x + y lambda x, y : x + y # 람다 함수 람다 함수 활용 - 특정한 튜플에서 첫 항목만을 추출하는 람다 함수를 정의할 수 ..

딕셔너리(dictionary) - 리스트와 같이 값을 저장하는 자료구조로, 파이썬에서는 기본 자료형으로 제공되고 있다. - 리스트와는 달리 값(value)과 관련된 키(key)가 있다는 것이 큰 차이점이다. - 서로 관련되어 있는 키와 값이 함께 저장되는데, 이것을 키-값 쌍(key-value pair)이라고 한다. 딕셔너리 생성 방법 - {}를 이용해서 공백 딕셔너리를 생성한다. phone_book = { } # 공백 딕셔너리를 생성한다. - [] 안에 키 값을 적고 값을 추가한다. phone_book["홍길동"] = "010-1234-5678" - 출력하면 딕셔너리의 항목(item)이 쉼표로 구분되어 출력된다. print(phone_book) >> {'홍길동': '010-1234-5678'} - 딕셔..

판다스를 이용하여 인구 구조 분석하고 꺾은선 그래프 그리기 import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv('age.csv', encoding = 'cp949', index_col = 0) df = df.div(df['총인구수'], axis = 0) # 전체 데이터를 총인구수로 나눠서 비율로 변환 del df['총인구수'], df['연령구간인구수'] # 총 인구수, 연령구간인구수 열 삭제 name = input('원하는 지역의 이름을 입력해주세요') a = df.index.str.contains(name) df2 = df[a] plt.rc('font', family = 'Malgun Gothic') df2.T.plot() plt...