안녕하세요 강의 반복해서 잘 듣고 있습니다. 47강 툴팁의 마지막 그림자 부분에 질문이 있습니다. 말씀해주신대로 따라서 진행 했는데, clip content 체크를 해제하면 Above나 Start, end 다 그림자는 잘 보이는데 below 의 글씨 위로 Arrow가 올라옵니다 이럴땐 그냥 clip content 체크, 해제를 Arrow마다 각각 줘도 되는것인지요? below 3개에만 체크해도 되는지 궁금합니다. 감사합니다.
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 df['f1'] = df['f1'].dropna() 안녕하세요 f1컬럼의 결측치 삭제를 선생님처럼 안하고 저처럼하면 왜 결측치 처리가 안될까요?
이상치 제거한 std값 구하는 코드를 이렇게 작성했는데 제거 전 후 std 값이 정답과 다릅니다. 어느 부분에서 차이가 나는걸까요? norm_col = df[(df['age']>0) & (df['age'].apply(lambda x: True if x == int(x) else False))]['age'] std_after = norm_col.std()
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 # 2) 가장 많이 수강한 과목 필터링 id = df['id_assessment'].value_counts().idxmax() cond = df['id_assessment'] == id df = df[cond] 선생님께서는 이렇게 해주셨는데요 저는 cond = df['id_assessment'].nlargest() 이걸로 최대한 활용해서 민맥스 스케일러를 하고싶은데 nlargest로 뽑은 자료를 데이터프레임형태로 어떻게 만들 수 있을까요 ㅠㅠ 답답해 미치겠습니다
여유가 된다면 추천-케이스(1~3)도 하겠지만, 시간이 촉박하여 우선 기초 먼저 해볼까 합니다 코드를 봤는데 로직의 흐름 등 내용 이해는 다 됐습니다. 기출 문제를 통해서 제가 타이핑도 직접 해 볼 예정이기도 합니다. 다만, 타겟 컬럼명 등 문제지에서 주어지는 내용에 따라 변동되는 부분 별도로 하고 전체적인 코드를 통으로 암기하여 가는거 괜찮을까요..? 추천형은 코드가 꽤 길어 통으로 암기하기에 쉽지 않을거 같은데 기초형은 그래도 어찌 외워볼만 하다는 생각이 드네요...!
검증용 데이터 전후 과정에서 일관된 코드를 만들고 싶은데 과정이 헷갈려서요. ~~ train_test_split(train, target, test_size= 0.2 , random_state = 0 ) 모의문제에서는 이 부분에서 train.drop('목표컬럼', axis=1), train['목표컬럼'],~ 이렇게 사용하는 것으로 이해했는데 그렇게 진행해도 무방할까요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요 상관계수가 가장 큰 값을 물어보면 차이가 가장 큰값과 같이 절댓값을 씌우나요? 아니면 양수중에서 제일 큰 값을 찾나요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 연습문제 섹션4 결측치 채우기 아래와 같이 때려넣어도됩니까? a = train['gender'].mode()[0] train['gender'] = train['gender'].fillna(a) b = train['enrolled_university'].mode()[0] train['enrolled_university'] = train['enrolled_university'].fillna(b) c = train['education_level'].mode()[0] train['education_level'] = train['education_level'].fillna(c) d = train['major_discipline'].mode()[0] train['major_discipline'] = train['major_discipline'].fillna(d) e = train['experience'].mode()[0] train['experience'] = train['experience'].fillna(e) f = train['company_size'].mode()[0] train['company_size'] = train['company_size'].fillna(f) g = train['company_type'].mode()[0] train['company_type'] = train['company_type'].fillna(g) h = train['last_new_job'].mode()[0] train['last_new_job'] = train['last_new_job'].fillna(h)
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 결측치 처리를 간단하게 X 로 하셨던데 특별한 이유가 있나요? mode 나 mean 말고 저런걸로 처리해도 문제없는지? # 결측치 처리 train = train.fillna("X") test = test.fillna("X")