분류 전체보기128 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. NaN을 처리하는 전략 - NaN 없애는 방법, Nan을 다른 값(각 컬럼의 평균등)으로 셋팅하는 방법 Nan을 처리하는 전략 - NaN 없애는 방법, NaN을 다른 값(각 컬럼의 평균등)으로 셋팅하는 방법 NaN이란? 결측지, 결측값, 존재하지 않는(null) 값의 일종이며, 변수(variable) 등이며 값은 존재하는 것이지만, 그 시점에서 아직 정해져 있지 않은 값을 표시한다. (출처 : 네이버 사전) 데이터를 수집 분석하다 보면 초기 준비 과정에서 결측지(결측값)을 먼저 처리해야 어려움이 없는데요. Nan을 없애는 방법에 대해서 알아보도록 하겠습니다. ex. 데이터프레임이 df 라고 할때~ 1. 데이터프레임 카테고리컬 데이터에서 NaN이 있는지 확인하는 방법 df.isna().sum() 2. NaN 삭제하기 df = df.dropna() a. 행(row)을 기준으로 삭제 df = df.dropna(.. 2022. 5. 6. 이전 1 ··· 16 17 18 19 20 21 22 ··· 26 다음
