so_nrisa so_nrisa

!pip install konlpy Looking in indexes: https://pypi.org/simple, https://us-python.pkg.dev/colab-wheels/public/simple/ Collecting konlpy Downloading konlpy-0.6.0-py2.py3-none-any.whl (19.4 MB) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 19.4/19.4 MB 36.0 MB/s eta 0:00:00 Requirement already satisfied: numpy>=1.6 in /usr/local/lib/python3.8/dist-packages (from konlpy) (1.21.6) Collecting JPype1>=0.7..

import seaborn as sns import matplotlib.pyplot as plt In [2]: sns.set_theme(style="whitegrid") # seaborn의 테마 중 하나인 whitegrid로 나옴 In [ ]: # sns.set() # seaborn의 기본 테마인 darkgrid로 나옴 In [3]: penguins = sns.load_dataset("penguins") In [4]: penguins Out[4]: speciesislandbill_length_mmbill_depth_mmflipper_length_mmbody_mass_gsex01234...339340341342343 Adelie Torgersen 39.1 18.7 181.0 3750.0 Male Adeli..

import pandas as pd from scipy import stats import numpy as np In [2]: df = pd.read_csv('./도로교통공단_사회교육_교육실적정보_20201231.csv', encoding='cp949') In [4]: df.head(2) Out[4]: 실적번호교육일자지부코드교육구분교육구분_1교육장소교육인원교육시작시간교육종료시간01 777624 2020-01-07 인천지부 3 기관/단체, 기업체 등 교통안전교육 171연대 162 10:00:00 12:00:00 777625 2020-01-07 인천지부 3 기관/단체, 기업체 등 교통안전교육 172연대 43 14:00:00 16:00:00 In [6]: pd.Timestamp('2022-04-20') Out..

데이터 이산화 In [1]: import pandas as pd In [7]: fta = pd.read_excel('./FTA무역통계_20230109000036.xls', header=4, index_col=1) C:\ProgramData\Anaconda3\lib\site-packages\openpyxl\styles\stylesheet.py:226: UserWarning: Workbook contains no default style, apply openpyxl's default warn("Workbook contains no default style, apply openpyxl's default") FTA 데이터에서 수출건수, 수출금액, 수입건수, 수입금액, 무역수지가 각각 평균 이상인 FTA와 평균 ..

데이터 이산화 In [1]: import pandas as pd In [7]: fta = pd.read_excel('./FTA무역통계_20230109000036.xls', header=4, index_col=1) C:\ProgramData\Anaconda3\lib\site-packages\openpyxl\styles\stylesheet.py:226: UserWarning: Workbook contains no default style, apply openpyxl's default warn("Workbook contains no default style, apply openpyxl's default") FTA 데이터에서 수출건수, 수출금액, 수입건수, 수입금액, 무역수지가 각각 평균 이상인 FTA와 평균 ..

test_feature_scaled = scaler.transform(test_feature) test_feature_reduced = pca.transform(test_feature_scaled) df_lda_component = pd.DataFrame(df_lda,columns=['lda_component']) df_lda_component['target'] = df.sex fig, axs = plt.subplots(figsize=(16,8) , ncols=2 , nrows=1) sns.distplot(df_pca_component.loc[df_pca_component['target'] == 1, 'pca_component'], hist=True, kde=False, color="blue", labe..

실습1 Age 항목의 결측치를 파악해 아래 분석을 모두 수행 결측치를 0으로 대체 (fillna 함수 이용 가능) 전체 값의 평균으로 대체 (mean 함수 이용 가능) 중앙값으로 대체 (median 함수 이용 가능) 각 분석간의 데이터 편차를 확인한다 (통계적 특성) 나이 정보를 확인한 뒤, 나이 정보를 표준화/정규화 작업을 모두 수행해 보자 시간이 남는 분들이 하시고, 모르는 분들은 설명 들어가면서 같이 합니다 요금 정보의 outliar를 확인하고, 해당 정보를 어떻게 처리할지 생각해보자 In [2]: import pandas as pd In [4]: df = pd.read_csv('./test.csv') In [5]: df.head() Out[5]: PassengerIdPclassNameSexAgeS..

# 용례 1 class MyClass: i = 12345 def f(self): return 'hello world' MyClass.f(1) Out[2]: 'hello world' In [ ]: In [3]: class Complex: def __init__(self, realpart, imagpart): self.r = realpart self.i = imagpart # 다른 함수 선언 가능. 선언할 경우, r과 i를 사용 가능 # 그리고, 아래 셀의 코드처럼 counter 변수를 만들 경우, counter도 사용 가능 In [4]: x = Complex(3.0,-4.5) In [6]: x.i Out[6]: -4.5 In [7]: x.counter = 1 In [8]: while x.counter < ..