하나둘셋넷

내용

• 평균 : numpy , pandas
• Maplotlib 시각화 : 히스토그램, 박스플랏, plot
• seaborn : kde 밀도함수, 히스토그램 + kde 밀도 함수 한 번에 그리기, 하나의 그래프에 두 개의 kde

평균(산술평균)

1. 넘파이 함수 이용

np.mean(데이터프레임['컬럼명'])

2. 판다스 mean 메서드 이용

데이터프레임['컬럼명'].mean()

히스토그램 작성

plt.hist(데이터프레임.컬럼명, bins = 숫자, edgecolor = '색상명')

plt.title('제목')

plt.ylabel('y 라벨명')

plt.show()

Boxplot 그리기

plot.boxplot(데이터프레임['컬럼명'])

옆으로 그리려면,

plt.boxplot(데이터프레임['컬럼명'], vert=False)

plt.grid()

plt.show()

plot 차트 이용

plt.plot(데이터프레임['컬럼명'])

밀도함수 그리기 <kdeplot>

sns.kdeplot(데이터프레임['컬럼명'])

plt.show()

히스토그램 + 밀도함수 합쳐서 그리기 <hisplot+kde></hisplot+kde>

sns.hisplot(데이터프레임['컬럼명'], ked=True)

하나의 그래프에 두 개의 밀도함수그래프 그리기 <kde+kde>

sns.kdeplot(x='컬럼명'1, data = 데이터프레임, label = '라벨이름')

sns.kdeplot(x='컬럼명2, data = 데이터프레임, label = '라벨이름')

plt.legend()

plt.gride()

plt.show()

KT Aivle School 에이블스쿨 기자단] 8.28(월) ~ 9.3(일) 서울교육공모전 마무리 & 데이터분석 & 교육선발

이번 주의 스케줄

• 데이터 분석 수업 --> ADsP 내용과 겹치는 부분이 있어서 이해에 도움이 되었다
• 서울교육공모전 마무리
• 현재까지의 셀프 테스트 점수
• 교육 선발, 아쉽게 회식은 불참ㅠ
• 코딩 복습

이번주 후기

 데이터 분석 수업으로만 이루어진 주였다.
 
 ADsP를 공부했어서 이해를 하는 데에 살짝 도움이 되긴 했지만 통계학과나 수학과 출신에 비하면 미약한 지식...
 
 데이터 분석에서 코딩은 구현을 위한 도구이고 통계 지식이 더 중요할 수 도 있을 것 같다는 생각이 들었다.
 
 핵심 개념 : 카이제곱검정, t검정, anova 분석, 피어슨 상관분석에서 p-value 해석!
 
 p-value 0.05 미만일 때 채택하는 대립가설은 어떤 것인가

 p-value 0.05가 기준선임은 확실히 기억해두면, 다른 부분은 헷갈릴 때 귀무가설이 무엇이지만 확인하면 손쉽게 문제를 해결할 수 있을 거라 생각한다

드디어 수업과 병행하던 공모전을 마무리 했다!!

 그동안 "수업 중간 쉬는 시간 &  점심 시간"에도  공모전 준비에 시간을 투자해서 정말 힘들었는데 이제 다시 쉬는 시간에는 쉴 수 있을 거 같다 휴..

현재까지의 셀프 테스트 점수

100점 흐름은 계속 유지하자!!

교육선발~~

AIVLE School에서 머신러닝 교육에 들어가기 미리 들어두면 좋을 거 같아 신청해둔 교육에 선발되었다
 
좋긴하지만... 이 일정으로 반 회식에 참여 못하는 거는 아쉬운 포인트

지금 코딩이 거의 노베이스 상태라 앞으로 참여할 수 있는 교육이 있다면 적극적으로 참여하려고 한
 

이번주 프로그래머스 문제풀이

 매주 일요일 내가 리더로 진행하는 스터디를 통해 꾸쭌히 프로그래머스 문제를 풀어가는 것이 큰 도움이 된다고 느끼고 있다.

 참여원이면 가끔 불참했을 수도 있는데 리더라 한 주도 빠지지 못하니 강제성이 부여되어 더 열심히 할 수 있다고 느낀다.

 돌아가며 자신들의 코드를 발표하는데, 다른 사람 코드를 보고 설명을 들으니 시야가 넓어지는 느낌도 받고 있다.

이번주 코딩 복습!!

 
날짜 데이터

 
 
단변량 분석_숫자형

평균	np.mean(데이터프레임['컬럼명'])
중앙값(중위수)	데이터프레임['컬럼명'].mean()
	np.median(데이터프레임['컬럼명'])
최빈값	데이터프레임['컬럼명'].mode()
기초 통계량 전체 출력	데이터프레임.describe(include='all')
숫자형 시각화
히스토그램
	plt.hist(데이터프레임.컬럼명, bins= 갯수, edgecolor = '색상') plt.xlabel('컬럼명') plt.ylabel('컬럼명') # bins 값을 통해 구간 갯수 조정
밀도함수
	sns.kdeplot(데이터프레임['컬럼명'])
히스토그램 & 밀도함수 함께 표기
	sns.histplot(데이터프레임['Age'], kde = True)
박스 플랏
	plt.boxplot(데이터프레임['컬럼명'])

 
 
단변량분석_범주형변수

범주별 빈도수	value_counts() : 범주의 개수와 상관 없이 범주별 개수를 계산 데이터프레임['컬럼명'].value_counts()
범주별 비율 계산(응용)	데이터프레임['컬럼명'].value_counts() / 데이터프레임.shape[0] 데이터프레임.shape 함수의 첫 번째 값이 row 값임을 활용
카운트 플랏 sns.countplot
	sns.countplot( y='컬럼명', data= 데이터프레임) 범주값 몇 개 들어있는지 숫자 세기
	sns.countplot( x='컬럼명', data= 데이터프레임) plt.grid() plt.show()
기초 통계량 계산 0과 1 데이터	데이터프레임['컬럼명'].value_counts() 데이터프레임['컬럼명'].value_counts(normalize = True)
시각화 - 파이차트
	plt.데이터프레임(컬럼명.values, labels = 컬럼명.index, autoptc='%.2%%',                            startangle = 90, counterclock = False,                            explode = [0.05, 0.05, 0.05], shadow =True) plt.show()

이변량_숫자 vs 숫자

시각화 산점도
	sns.scatterplot( x = '컬럼명', y = '컬럼명', data = 데이터프레임 )
pairplot으로 한 번에 시각화
	sns.pairplot( 데이터프레임, kind = 'reg' )
jointplot
	sns.pariplot( x='컬럼명', y= ' 컬럼명', data = 데이터프레임)
regplot
	sns.regplot(x='컬럼명', y = '컬럼명' , data = 데이터프레임)

이변량_숫자 vs 숫자 -> 상관분석

패키지	import scipy.stats as spst
상관계수와 p-value	계산 코 spst.pearsonr(데이터프레임['컬럼명'], 데이터프레임['컬럼명'])
상관계수 구하기	데이터프레임.corr()
상관계수 히트맵 시각화
	sns.heatplot( air.corr(),                      annot =  True                 # 숫자(상관계수) 표기 여부                      fmt     =  '.3f '                  # 숫자 포맷 : 소수점 3자리까지 표기                      cmap =  'RdYlBu_r'        # 칼라맵                      vmin = -1, vmax = 1)      # 숫자(상관계수) 표기 여부

 
평균 개념

표준오차 SE Standard Error	표준오차는 표준편차와 다른 개념 표본을 뽑아내어 모집단을 추정 표본 평균이 모평균과 완전히 일치할 수 없으며 이 오차를 '표준오차'라 한다.
95% 신뢰구간
	sns.hisplot( 리스트, bins = 숫자) plt.axvline( np.mean(리스트), color = '색상' ) plt.text(np.mean(pop)=1, 30000, f' pop:mean : {np.mean(pop).round(3)}', color = 'r' ) plt.show()
errorbar
	# 100번 샘플링 samples = {'id' : [  ], 'value' : [  ]} for i in range(100) :     samples['id']       += [i] * 100     samples['value'] += rd.sample(pop, 100) samples = pd.DataFrame(samples) samples.shape   >>   (10000, 2) 출력 sns.pointplot ( x = 'id' , y = 'value', data = samples,  join = False)    #  join = False                                                                                                         독립적인 점들을 연결하지 않는다. plt.axhline(np.mean(pop), color, color = 'r')                                       # pop이 모집단 plt.show()

이변량_범주 vs 숫자

평균 비교 barplot
	sns.barplot( x= ' 컬럼명', y = '컬럼명',  data = 데이터프레임 ) plt.grid() plt.show() sns.barplot( x='Survived', y = 'Age', data = titanic) 생존 여부에 따른 Age의 평균 비교
boxplot	sns.boxplot( x='컬럼명', y='컬럼명', data = 데이터프레임 ) 실제코드 sns.boxplot( x= 'Survived', y = 'Age', data = titanic )
NaN 결측치 제거	데이터프레임.loc [ 데이터프레임 ['컬럼명].notnull() ]
t-test	실제 코드 temp = titanic.loc[titanic['Age'].notnull()] died       = temp.loc[temp['Survived'] ==0, 'Age'] survived = temp.loc[temp['Survived'] ==1, 'Age'] spst.ttest_ind(died, survived)
	실제 코드 ( 성별에 대해 시행 ) male = titanic.loc[  titanic['Sex'] =='male',  'Fare' ] female = titanic.loc[ titanic['Sex'] =='female', 'Fare'  ] spst.ttest_ind(male, female)
	t-test를 통해 얻은 p-value 값이 0.05 보다 크다면 두 집단 간의 평균에 큰 차이가 없다는 귀무가설을 채택한다. 예시) t-통계량  2.067 ==> 2보다 크므로 차이가 있기는 있으나 크지는 않다. p-value : 0.039 ==> 0.05 보다 작으므로, 차이가 있기는 하지만 크지는 않다.
anova Analysis Of VAriance
	여러 집단 간에 차이 비교 P_1 = temp.loc[ temp.Pclass ==1, 'Age'] P_2 = temp.loc[ temp.Pclass ==2, 'Age'] P_3 = temp.loc[ temp.Pclass ==3, 'Age'] spst.f_oneway( P_1, P_2, P_3 )

이변량 범주 vs 범주

교차표 pd.crosstab(행, 열)	pd.crosstab(행, 열) pd.crosstab( 데이터프레임['컬럼명], 데이터프레임['컬럼명'], normalize = 'coulmns') >> normalize 옵션에는 columns, index, all 이 존재
시각화 mosaic
	mosaic( 데이터프레임, ['컬럼명', '컬럼명']  ) 실제 코드 mosaic( titanic, ['Pclass, 'Survived'] ) plt.axhline( 1- titanic['Survivde].mean(), color = 'r' ) plt.show() 모자이크에서 밑에가 사망이므로 1 -  titanic['Survived']로 한다.
카이제곱 검정	범주형 변주들 사이에 어떤 관계가 있는지 수치화  spst.chi2_contingency(table)  normalize를 하면 안된다.  >> 두 개 이상의 범주형 변수 간에 독립성을 검정하는 데 사용한다       따라서, 검정을 통해 변수 간의 연관성을 파악하려면 원본 교차표를 사용해야 한다.       Normalize하면 행과 열 합이 1이 되도록 스케일을 조정한다.       범주 간의 상대적 비율을 확인할 때는 유용하지만, 카이제곱 검정의 경우,       범주 간의 독립성을 여부를 확인하는 것이 목적이므로 스케일 조정을 하지 않는다.  카이제곱 검정  귀무가설 : 두 변수 간에 독립성이 있다.  p-value가 0.05보다 클 때, 채택  대립가설 : 두 변수 간에 독립성이 없다.  p-value가 0.05보다 작을 때, 채택 <주의>  ttest  귀무가설 : 두 집단 간의 평균에 유의미한 차이가 없다. p-value가 0.05보다 클 때, 채택  대립가설 : 두 집단 간의 평균에 유의미한 차이가 있다. p-value가 0.05보다 작을 때, 채택

 
 
이변량 숫자 vs 범주

숫자 --> 범주 시각화
	sns.histplot( x = '숫자 컬럼', data = 데이터프레임, hue ='범주 컬럼' )
kdeplot 작성
	sns.kdeplot( x='숫자 컬럼', data= 데이터프레임, hue = '범주 컬럼' ) sns.kdeplot( x='숫자 컬럼', data = 데이터프레임, hue = '범주컬럼', common_norm = False ) >> common_norm = True가 기본 값 common을 붙였으므로 전체에 대한 비율을 요구한다.