강의내용 5분 34초에서 "item-tags" : [1] 을 입력하니깐 Error 422 타입 에러가 생겼는데 이유가 무엇인지 궁금합니다. 제 생각에는 List[str]이므로 List 안에 문자형이 와야 올바르지 않을까 라는 생각을 했습니다. 그리고 1을 입력한 이유도 궁금합니다. 혹시 최신 버전의 Pydantic의 타입 검증이 더 엄격해진 이유일까요??
# age 컬럼 평균값으로 채우기 value = int(X_train['age'].mean()) print("채울 값:", value) X_train['age'] = X_train['age'].fillna(value) X_test['age'] = X_test['age'].fillna(value) 강의에서는 value 함수와 print 사용해서 평균값 채우셨는데 X_train['age'] = X_train['age'].fillna(X_train['age'].mean()) X_train.isnull().sum() 이렇게 간단하게 채우고 isnull().sum()으로 결측치가 0인지 확인하는 방법도 괜찮나요? value랑 print 부분이 이해하기 어렵고 실제로 적용하기도 어려울 것 같아서요 ㅜㅜ!!
영상에서 X_train 데이터 결측치 처리 하실 때 X_train['workclass'] = X_train['workclass'].fillna(X_train['workclass'].mode()[0]) X_train['native.country'] = X_train['native.country'].fillna(X_train['native.country'].mode()[0]) X_train['occupation'] = X_train['occupation'].fillna('X') 이렇게 해주셨는데 m1 = X_train['workclass'].mode()[0] m2 = X_train['native.country'].mode()[0] X_train['workclass'] = X_train['workclass'].fillna(m1) X_train['native.country'] = X_train['native.country'].fillna(m2) X_train['occupation'] = X_train['occupation'].fillna('X') 이렇게 저만의 방식으로 기호 만들어서 활용해도 되나요?
안녕하세요 ! 수업 들으면서 열심히 실기 준비하고 있습니다 섹션5. 라이브러리 및 데이터 불러오기 강의에서 #상관관계 코드를 입력할 때 아래와 같이 뜨는데 corr(numeric_only=True) 형식으로 바뀐건가요?? # 상관관계 X_train.corr() # 판다스 버전이 최신으로 변경될 경우 에러 발생할 수 있습니다. 아래와 같이 numeric_only=True를 사용해주세요! sum(), mean()등도 모두 포함 # X_train.corr(numeric_only=True)
강의에서는 수치형 변수 스케일링 부분을 cols = [ 수치형 변수들] 변수 선언 후에 적용하셨는데 제 생각에는 이미 그 위에서 n_train, c_train, n_test, c_test 로 구분해 놓았기 때문에 불필요하다 생각해서 아래와 같이 작성했는데, 오류가 발생합니다. 왜그러는 걸까요? from sklearn.preprocessing import RobustScaler scaler = RobustScaler() n_train = scaler.fit_transform(n_train) n_test = scaler.transform(n_test) n_train.head() #오류내용 AttributeError: 'numpy.ndarray' object has no attribute 'head'
어떤 가상 환경인지 환경 이름에 드러나게 작성해주는게 좋습니다. 변수명 작성할때도 a, b, 이렇게 하는 것 보다 name, age, 이런 식으로 의미를 명확히 담아서 만드는게 코드 유지보수하기 좋잖아요? 나중에 가상환경들이 많아졌을 때, 환경 이름이 venv, venv1, venv2, 이런식으로 되어 있는 것과, django_test_venv, flask_py310_env, streamlit_llm_chatbot_py311_venv 등으로 되어있는 것 중 어떤게 더 사용이 편할지 생각해보시면 되겠습니다. 이 강의도 그렇고 인터넷 보면 죄다 예제가 venv로 만드는 것으로 되어있는데 현업에서 이렇게 하다가 개고생하고 드리는 말씀이니 참고하세요...
과거에 파이썬을 배울때 df[출력행][조건] 이런식으로 배워서 익숙한데 2회 기출유형(작업형1) 3번 문제 마지막은 df[조건][출력행] 으로 되어 있어 궁금한 점이 있습니다. 순서는 상관이 없는건가요? 전 아래와 같이 코딩했고 결과값은 같습니다. print(df['age'][cond1|cond2].sum())
강의에서는 name, host_name, last_review, host_id를 삭제하고 reviews_per_month는 0으로 대체했습니다. 근데 예를 들어 이 문제가 시험에 출제되었다면, 강의처럼 똑같이 해야 점수를 획득하는건가요? 다른 컬럼들을 더 삭제하거나 위에 컬럼들 중 일부를 삭제하지 않으면 점수가 깎이는건가요?
에어플로우 설치 중 오류가 발생해 오랜시간동안 재시도해보다가 질문 드립니다.! 아래의 오류들에 대한 원인이 무엇일지, 그리고 어떻게 해결해야 할지 궁금합니다. 1. sudo docker compose up airflow-init 해당 코드 실행 중 'The container is run as root user. For security, consider using a regular user account.' 라는 알림이 나오며, 사용자-airflow-init-1 이 아닌 airflow-init-1로 뜹니다. sudo docker compose up 해당 코드 실행 중 'airflow-apiserver-1 is unhealthy'라는 오류가 발생합니다. (이 문제로 도커 초기화 및 재설치부터 고유한 user secret key 입력 등 여러번 시도했으나, 동일한 오류가 계속 반복됩니다.) 참고로, sudo docker compose up 코드 실행 중 다음과 같은 오류들이 주로 보입니다. airflow-apiserver-1 | ValueError: The value api_auth/jwt_secret must be set! airflow-apiserver-1 | ERROR: Application startup failed. Exiting. airflow-apiserver-1 | ERROR: Traceback (most recent call last): airflow-apiserver-1 | INFO: Child process [3223] died