본문 바로가기

A.I/Machine Learning7

Pandas(판다스) 데이터프레임(Dataframe)의 pivot_table 함수 사용법 판다스 데이터프레임의 pivot_table 함수 사용법 pivot_table(피벗 테이블)이란? 피벗 테이블은 많은 양의 데이터에서 필요한 자료만을 뽑아 새롭게 표를 작성해 주는 기능입니다. 지정된 두 열을 각각 행 인덱스와 열 인덱스로 바꾼 후 행 인덱스의 라벨 값이 첫번째 키의 값과 같고, 열 인덱스의 라벨 값이 두번째 키의 값과 같은 데이터를 찾아서 해당 칸에 넣습니다. 주어진 데이터가 존재하지 않으면 해당칸에 NaN 값을 넣습니다. pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', obser.. 2022. 5. 12.
데이터프레임의 날짜문자열 칼럼을 datetime64로 변경하는법 데이터프레임의 날짜문자열 칼럼을 datetime64로 변경하는법 아래처럼 코드를 작성합니다. chicago_df['Date'] = pd.to_datetime(chicago_df['Date'], format='%m/%d/%Y %I:%M:%S %p') chicago_df['Date'].value_counts() datetime64로 변경된것을 바로 볼수 있습니다. 힐링아무의 코딩일기 힐코딩! 2022. 5. 11.
판다스(Pandas) read_csv 함수의 error_bad_lines=False 파라미터 사용법 read_csv 함수의 error_bad_lines=False 파라미터 사용법 *.CSV 파일을 불러올때 데이터 안에 이상한 행들이 있을때 에러가 날수 있습니다. 이럴때는 파일을 불러올때, 파라미터 error_bad_lines=False 를 사용해 줍니다. (이상한 행들은 그냥 넘어가고~ 괜찮은 행들만 가져온다!) 1 chicago_df_1 = pd.read_csv('Chicago_Crimes_2005_to_2007.csv', error_bad_lines=False) cs 힐링아무의 코딩일기 힐코딩!! 2022. 5. 11.
Prophet(프로펫) 라이브러리 사용법 Prophet(프로펫) 라이브러리 사용법 페이스북에서 제공하고 있는 프로펫(Prophet) 라이브러리 먼저 사용하기 전에 모듈을 설치해줘야 하는데요. 아나콘다3 프롬프트에서 install : pip install fbprophet를 실행해 줍니다. 에러가 난다면 conda install -c conda-forge fbprophet 레퍼런스(주소) https://research.fb.com/prophet-forecasting-at-scale/ https://facebook.github.io/prophet/docs/quick_start.html#python-api Quick Start Prophet is a forecasting procedure implemented in R and Python. It is.. 2022. 5. 11.
wordCloud에서 배경 모양을 바꾸는 방법 wordCloud에서 배경 모양을 바꾸는 방법 WordCloud Visualizing 스팸 이메일에는 어떤 단어들이 많이 들어있는지 Visualizing!! 1 from wordcloud import WordCloud, STOPWORDS cs 워드 클라우드를 사용할수 있도록 import로 호출 합니다. 스팸 이메일에는 어떤 단어가 많이 들어 있을까요? 워드 클라우드(wordCloud)를 사용하려면 1. 판다스(Pandas)의 스팸컬럼에 저장된 문자열을 리스트로 먼저 받아오고, 2. 리스트에 있는 문자열을 다 합쳐서 하나의 문자열로 만들어줘야 합니다. 1 2 3 spam_email_list = spam['text'].tolist() spam_email = ''.join(spam_email_list) spa.. 2022. 5. 10.
문자열 데이터를 처리하기 위한 구두점 제거 + Stopwors(불용어) 사용하는 코드 문자열 데이터를 처리하기 위한 구두점 제거 + Stopwors(불용어) 사용하는 코드 구두점 제거와 불용어!! 이 두가지를 하나의 함수로 묶어서 사용하겠습니다. (용어는~ 파이프라이닝 한다) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 import string import nltk nltk.download('stopwords') from nltk.corpus import stopwords my_stopwords = stopwords.words('english') def message_cleaning(sentence) : # 1. 구두점 제거 Test_punc_removed = [char for char in sentence if char not in string... 2022. 5. 10.
카테고리컬 데이터(Categorical Data) 확인하는 방법 카테고리컬 데이터(Categorical Data) 확인하는 방법 1. 카테고리컬 데이터(Categorical Data)란? 개수가 정해져 있고, 반복되서 묶어줄수 있는 데이터! 즉, 데이터프레임의 컬럼에서 특정한 형태의 데이터가 반복되는 것을 말합니다. 범주형 astype('category')로 변경, cut(), qcut() 함수를 이용해 데이터를 카테고리화 할수 있습니다. 머신 러닝(Machine Learning) 배우면서 자세한 부분은 다시 정리하도록 할께요. 카테고리컬 데이터를 이용하면 중복된 데이터가 묶여서 메모리가 절약되고, 처리속도도 빠릅니다. 2. 카테고리컬 데이터 확인 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 2.. 2022. 5. 4.

티스토리툴바