Jayden`s

ANOVA 예시, 여러 샘플링

1. ANOVA 데이터 전처리는 생략하겠습니다. df_tree.head() df_tree_mel = df_tree.reset_index().melt(id_vars='index', value_vars=['은행나무','양버즘나무','느티나무']) # 이상치 및 시각화를 위한 melting from scipy import stats stats.f_oneway(df_tree['은행나무'], df_tree['양버즘나무'], df_tree['느티나무']) F_onewayResult(statistic=17.006289557888046, pvalue=8.935183167883698e-07) 귀무가설(H0) : 서울시의 ..

Python 미분

시그모이드 함수 도함수 구해서 값 구해보기 from math import exp def sig(x): return 1 / (1 + exp(-x)) # 원함수 정의 from scipy.misc import derivative def sig_prime(x): return derivative(sig, x, dx=1e-5) sig_prime(3) # x=3 일 때의 값 구해보기 0.04517665972980644

데이터 정리 및 시각화 예시 기록

from google.colab import files uploaded = files.upload() import pandas as pd # 업로드하는 방식으로 진행하였습니다. file1 = pd.read_csv('n113_마리화나.txt', sep='\t') file2 = pd.read_csv('n113_해운.txt', sep='\t') # txt 데이터라 구분자를 정해주었습니다. 데이터 전처리 과정 코드는 생략하곘습니다. 위와 같이 데이터를 정리한 후 '테마'로 각 컬럼의 평균 테이블을 만들었습니다. df1 = df.groupby('테마').mean() !sudo apt-get install -y fonts-nanu..

Feature Engineering_결측치 처리, apply 함수 적용

NA Value Handling 19년도 4분기의 당기순이익(비지배) 부분을 Na로 대체하세요 이후 해당 결측치를 mean imputation 방법을 사용하여 처리하세요. Feature Engineering Relative Perfomance 라는 새로운 feature를 계산하세요. 이는 최근 1년치 매출액의 평균값을 기준으로 10% 이상 -> S 5% 이상 -> A -5 ~ 5% -> B -5%이하 -> C 10%이하 -> D 라는 값을 갖는 feature입니다. 20년도 2분기에 해당하는 결과값은 A가 나와야합니다. 각각에 해당하는 등급이 나오기 위해서 필요한 매출액을 추가로 서술하세요. url = 'https://ds-lecture-data.s3.ap-northeast-2.amazonaws...

Seaborn 'penguins'

import seaborn as sns pp = sns.load_dataset('penguins') penguins 데이터를 계속 사용합니다. 이에 대해 아래의 task들을 시행하세요. 결측치 처리 (제거) bill_length_mm에 대해서 qqplot 그리기 island에 대해서 다른 4개의 numerical feature 를 boxplot으로 표현하기 각 numerical feature에 대해서 summary statistics : mean, sd, Quantiles(1Q, 2Q, 3Q, 4Q)를 계산하세요. 1. 결측치 처리(제거) pp.isna().sum() # 먼저 결측치 개수를 확인하였습니다. pp_clean = pp.dropna(axis=0) # 결측치를 갖고 있는 행 제거 ..