안녕하세요^^ ㅠㅠ 제가 비전공자에 강의를 1번 다 듣고 다시 돌려서 복습하는데도 아직 습득이 느려서 궁금한 사항이 있습니다. 문제 3번 풀이 방법1 replace에서 numpy를 사용하시는데 numpy되도록 거의 안사용하시고 pandas로 풀이해주시는 걸로 알고 있는데 이부분에서는 꼭 사용해야만 하는 이유가 결측값을 찾을 때 어떤 부분에서 사용하는 걸까요? 제가 혼자 풀이할 때 import numpy as np를 사용안하고 그냥 나머지를 동일하게 풀었을 때도 133이 나오긴 하더라구요? ㅠ.ㅠ 잘 모르겟어서 질문드립니다 항상 친절하게 답변해쥬셔서 감사합니다

안녕하세요 선생님 train과 test unique값이 다를 경우에 대해서 궁금한 점이 있어 질문드립니다.df = pd.concat([X_train, X_test]) ddf = pd.get_dummies(df) n = len(X_train) X_train = ddf[:n] X_test = ddf[n:]저번에 선생님께서 다를 경우 이런식으로 합친 다음에 원핫인코딩 해준다고 말씀해주셨는데 만약에 unique값이 너무 많을 경우에는 이런식으로 합친 다음에 레이블 인코딩을 진행해도 될까요?df = pd.concat([X_train.assign(ind = 'train'), X_test.assign(ind = 'test')]) from sklearn.preprocessing import LabelEncoder le = LabelEncoder() df[cols] = df[cols].apply(le.fit_transform) X_train = df[df['ind'] == 'train'].copy() X_train = X_train.drop('ind', axis = 1) X_test = df[df['ind'] == 'test'].copy() X_test = X_test.drop('ind', axis = 1)

from sklearn.model_selection import train_test_splitX_tr,X_val,y_tr,y_val = train_test_split(X_train,y_train['Reached.on.Time_Y.N'],test_size=0.2,random_state=2021)이거라면 y_train['타켓값']넣고 통째로 외워도 될까요??​그리고from sklearn.model_selection import train_test_splitX_tr, X_val, y_tr, y_val = train_test_split(train.drop('TravelInsurance', axis=1), train['TravelInsurance'], test_size=0.1, random_state=1204) X_tr.shape, X_val.shape, y_tr.shape, y_val.shape​이건 왜 위에와 다르게 train값에 drop값을 넣는건가요?

기출유형 4회(작업형2)에서 정답을 보면 데이터 분리 작업을 안하셨는데 그 이유가 있을까요?

선생님, 안녕하세요. 로버스트 스케일링이 적용되지 않는 칼럼이 있는 것 같아 문의글 남깁니다.def get_nc_data(): X_train = pd.read_csv("X_train.csv") X_test = pd.read_csv("X_test.csv") y_train = pd.read_csv("y_train.csv") n_train = X_train.select_dtypes(exclude='object').copy() n_test = X_test.select_dtypes(exclude='object').copy() c_train = X_train.select_dtypes(include='object').copy() c_test = X_test.select_dtypes(include='object').copy() return n_train, n_test, c_train, c_testcols = ['age', 'fnlwgt', 'education.num', 'capital.gain', 'capital.loss', 'hours.per.week']from sklearn.preprocessing import RobustScaler n_train, n_test, c_train, c_test = get_nc_data() # 데이터 새로 불러오기 scaler = RobustScaler() display(n_train.head()) n_train[cols] = scaler.fit_transform(n_train[cols]) n_test[cols] = scaler.transform(n_test[cols]) display(n_train.head())이렇게 선생님께서 올려주신 강의노트에서head(2) 부분만 head() 로 수정하여 실행시켜 보았는데요,실행시킨 결과를 보면 capital.gain, capital.loss 두 칼럼에 대해서는 값이 그대로 나옵니다.(민-맥스, 표준화 스케일링에서는 정상 처리된 것으로 확인되었습니다.)제가 놓친 부분이 있는지 확인 가능하실까요? 

선생님 안녕하세요. 며칠전에 drop() 함수에서도 동일한 질문을 드렸는데요, 수업을 계속 듣다보니 다른 함수에서도 <ipython-input-25-4fa8e3ad4b16>:5: FutureWarning: The default value of numeric_only in DataFrame.corr is deprecated. In a future version, it will default to False. Select only valid columns or specify the value of numeric_only to silence this warning. X_train.corr() 이런 FutureWarning 메시지가 자주 뜨고 있습니다.(위는 3-2 강의에서 X_train.corr() 코드 실행 시 나타나는 메시지입니다.) 시험을 칠 때도 경고 메시지만 뜨고 오류없이 실행 되는 게 맞을까요?

안녕하세요. 케글에서 스크립트 모드 지정한 다음 결과를 출력하면 스크린샷처럼 한줄만 출력되던데... 혹시 결과를 어디서 보면 되나요?노트북 모드일 때는 아래처럼 노트북에 보이긴 하네요.

작업형 1 모의고사 2에서 질문 10이하의 이상치 나이를 제거하기 위해서df=df.drop(cond1) 이렇게 하면 안되는 건가요ㅠㅠ...오류가 나더라구요 판린이 이상 질문 드립니다 수업시간엔 아래처럼 사용하셨씁니다!cond1=df['age']<=0df=df[~cond] 이렇게 사용하셧었는데요!! 제가 drop함수만 기억이 나더라구요!!ㅠㅠ 질문 2.df['age'] == round( df['age'], 0) 이 0의자리? 일의자리인가요?? 이 부분을 제가 모르는 것 같은데 설명 부탁 드립니다!! round가 반올림함수라고 알려주셨는데요. 그런데 36.3은 어떻게 거르나 싶더라구요.36.3의 경우에df['age'] == round( df['age'], 0) 이면...소수 첫째짜리에서 정수까지만 나오도록 돼있는데그러면 36.3은 못 거르는 게 아닌가 싶은데 걸러져있더라구용... 이게 어찌된 것인지 설명 부탁 드립니다!!  -판린이 드림-

선생님 안녕하세요!데이터분리를 하실때 test_size = random_state=이거 숫자 기준을 어떻게 설정해야하나요??

내림차순으로 정렬하고 값을 저장한줄 알았는데 계속 초기 값이 나옵니다ㅠㅠ 이 경우에는 저장이 안되는 걸까요?

선생님 2회 기출유형 강의를 듣다가 헷갈리는 부분이 있어서 질문드립니다.df[:10]과 df.iloc[:10]이 어떻게 다른게 헷갈립니다ㅠㅠ 또한 df.iloc[4:7]이면 4부터 6까지 3개의 데이터 값을 가져오는 거이고 df.iloc[:10]이면 0-9까지 총 10개의 데이터의 값을 가져오는 건가요?

안녕하세요 선생님 제가 작업형 1 모의문제 1 강의 시청 전에두 가지 방법으로 풀이를 하였는데, 선생님 풀이방법과 조금 다르지만, 답은 완전히 다릅니다 ㅠㅜㅜㅠㅜㅠ혹시 몰라서 로데이터 CSV도 데이터전처리 요청사항대로 해서 풀었는데, 제 풀이 두 가지와 같은 답안인 3077이 나옵니다..(엑셀에서 데이터 전처리 이후 quantile 함수로 추출함) 혹시, 선생님의 풀이와 저의 풀이에 차이점이나 잘못된 점을 알려주 실 수 있을까요?  < 1. 첫 번째 풀이 >< 2. 두 번째 풀이 >< 3. 선생님 풀이 >

위의 모든 코드들은 정상적으로 실행했고 강의 내용 따라하고 있는 중인데요.오류가 떠서 선생님 답안지로도 코드 실행해보니 이런 오류가 뜹니다..회귀 뿐 아니고 분류에서도 같은 오류가 계속 뜨던이런 경우는 어떤 실수를 한걸까요? ㅠㅠ

안녕하세요 선생님 문제를 풀다가 궁금한게 생겨서 질문드립니다.1. .주어진 전체 기간의 각 나라별 골득점수 상위 5개 국가와 그 득점수를 데이터프레임형태로 출력하라df.groupby('Country')['Goals'].sum().sort_values(ascending = False).head(5).to_frame()2. Iris 데이터 세트에서 species 변수 값별로 petal_length 상위 10개행의 평균값을 구한 후 , 평균 값의 합을 계산해라 최종값은 소수점 이하 반올림df.sort_values(['species', 'petal_length'], ascending = False).groupby('species').head(10).groupby('species')['petal_length'].mean().sum()1번에서는 나라별 골득점수를 그룹바이 한 다음에 상위 5개를 출력했는데 2번에서는 먼저 내림차순으로 정렬을 하고 그룹바이를 하더라고요1번처럼 이런식으로 해야 하는거 아닌가요? 둘의 차이점이 궁금합니다!!df.groupby('species')['petal_length'].mean().sort_values(ascending = False).head(5)

<ipython-input-13-53df70509493>:2: FutureWarning: The default value of numeric_only in DataFrameGroupBy.mean is deprecated. In a future version, numeric_only will default to False. Either specify numeric_only or select only columns which should be valid for the function. df.groupby('원두').mean() 잘못된 부분이 있는지 알려주시면 감사하겠습니다.

안녕하세요.작업형2 모의고사1에서 마지막에 확률을 출력해서 파일로 저장하셨는데요. 확률을 구해서 저장한 이유가 있을까요?문제에는 그런 말이 없는 것 같아서 제가 문제를 잘못 이해했을까요?

안녕하세요 시험환경살펴보기 강의 보면서 따라하고있는데요 글자 지우려고 할때 백스페이스가 바로 안먹고 마우스로 지우려는 글자를 드래그한다음 눌러야 지워지는데 원래이런가요?작업형1 풀이하실때 from sklearn.preprocessing import minmax_scaleminmax_scale(df['qsec'])이렇게 푸셧는데요제가 알던것과 코드가 달라서 질문합니다 아래와 같이 작성했더니 에러가 뜨는데 이렇게하면 안되나요? from sklearn.preprocessing import MinMaxScalerscaler = MinMaxScaler()df['qsec'] = scaler.fit_transform(df['qsec']) 시험환경 작업형 2 문제가 아래와같은데, 강의영상과는 달리 남자일 확률을 구해야 하는지 여자일 확률을 구해야하는지 설명이 없네요 문제가 잘못된건가요? 아니면 이렇게 나오면 어떻게 풀어야하나요?   

실기 시험때도 항상 df로 데이터를 받아야 하나 해서요..

실기 시험 응시 할 때 작업형3번에 종속변수랑 독립변수가 무엇인지 문제의 지문에서 알려주나요?ex) 종속변수 : ~~~~ 독립변수:~~~~  그렇지 않으면 직접 찾아야 하나요?

원핫 인코딩 후 출력값이 True/False로 나오는데 1,0으로 나오는 것과 같은 건가요? 무시하고 계속 진행해도 괜찮은건지 궁금합니다!!! import pandas as pdtest = pd.read_csv("/kaggle/input/dataset/test.csv")train = pd.read_csv("/kaggle/input/dataset/train.csv")c_train = train.select_dtypes(include='O').copy()n_train = train.select_dtypes(exclude='O').copy()c_test = test.select_dtypes(include='O').copy()n_test = test.select_dtypes(exclude='O').copy() c_train = pd.get_dummies(c_train)c_test = pd.get_dummies(c_test)c_train.head()