월 17,820원
5개월 할부 시다른 수강생들이 자주 물어보는 질문이 궁금하신가요?
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
[5.2 업종 테마 데이터 전처리] 시가총액 수치형태로 만들기 관련 문의
안녕하세요 강사님! 우선 좋은 강의 만들어 주셔서 대단히 감사 드립니다. 다름이 아니라 강의를 듣던 중 아래와 같이 질문이 있어 문의 남깁니다. 제가 궁금한 부분은 아래에 나와 있는 파트 입니다. - 강의부분 : (5.2) 업종/테마 전처리, [2/10] 코스피 코스닥 시가총액 전처리 - 정규표현식은 그저 거들 뿐 (10:00 ~ 12:00 사이) 위 이미지와 같이 시가총액을 조회 후 수치형태로 만들어 주기 위해 '억원' 뿐만 아니라 '조'단위 부분도 replace를 통해 없애주게 되는데요. 하지만 인덱스 4번의 경우 시가총액이 1조 641억원인데 아래와 같이 수치가 1641로 바뀌고 있습니다. (즉, 10641억원이 아닌 1641억원으로 데이터가 반환되는 전처리 오류가 발생합니다.) 이런 경우 데이터 전처리가 잘못되게 될 거 같은데 아직 제가 파이썬 문법을 많이 아는 것이 아니어서 이런 경우엔 어떻게 전처리를 해주면 좋을 지 궁금합니다. 날씨가 갑작스레 많이 쌀쌀해졌는데 건강 유의 하시길 바랍니다! 감사합니다.
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
jupyter notebook 오류 문의 사항
jupyter notebook 실행 시, 아래와 같은 오류 메시지가 뜨면서 이름 변경 시, error가 발생하고, Hello world가 프린트 결과가 생성되지도 않습니다. 그리고 특이사항으로는 jupyter 실행시, 저는 명령어 창에서 해당 URL 주소로 복사해서 chrome으로 jupyter 실행합니다. 확인해주시고 답변 부탁드리겠습니다.
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
tsla 대신 df가 그대로 복사되었습니다.
안녕하세요, 지금까지 강의 잘 보았습니다! 1분48초에 테슬라 주가 정보를 tsla 변수에 할당하고 이전코드를 복사 붙여넣기 하는 과정에서 df가 그대로 사용된 부분이 있어서 알려드립니다. qf = cf.QuantFIg(df) --> qf = cf.QuantFIg(tsla)가 되어야 할 거 같네요! 좋은 강의 감사합니다 ~
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
'(4.2) ETF 전종목 수집 데이터 전처리 [3/3] ETF 브랜드명, 인버스, 레버리지 여부 파생변수 만들기' 질문
안녕하세요 구글 colab 으로 학습중에 문의사항 있어 질문 남깁니다. 화면처럼 잘따라가고 있는 와중에 상기 스크린샷과 같은 오류가 발생하는데 구글링으로는 방법을 잘모르겠습니다... 답변 부탁드립니다
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
Map lambda함수 관련 질문
안녕하세요 강사님! 또 질문 올리게 되었습니다. Map의 경우 series형태에만 적용가능 하다는 것 까지는 이해가 되었습니다. "find_etf_tab_name()함수를 사용해도 무방하나 - 어차피 인덱싱만 해주면 되는 경우라면 - 구치 귀찮게 긴 이름의 함수 사용하지 않고 - 이름이 없는 익명함수 lambda함수를 적용할 수 있음 " 이렇게 이해했는데 맞을까요? 또한, 람다함수는 인덱싱만 해주는 경우에만 쓸 수 있고 다른 경우엔 쓸 수 없는 건지요? 혹시 람다함수 예시 보여주실 수 있을까요? 감사합니다!! - 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요 ! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
requests 관련 질문
안녕하세요 강사님. 강의 재밌게 듣고 있습니다. 아래 제가 업로드 한 사진에 있는거처럼 (초록색부분) 해당 Requests코드에 왜 headers 옵션을 넣은건지 이해가 잘 안되서요. 추가 설명 부탁드려도 될까요? 감사합니다. :)
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
질문 7.pyplot의 subplots로 서브플롯 그리기
강의 잘 듣고 있습니다. 7번 코드 관련해서 질문이 있는데요, 왜 Plt.subplots(1, 2, figsize = (15,4)) 를 fig, axes 두 변수에 할당한 것인지 잘 이해가 안됩니다. 이 부분 설명 부탁드립니다. 감사합니다.
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
안녕하세요, loc에 관한 질문입니다.
안녕하세요, loc에 관한 질문입니다. loc['기업이름']을 하면 잘 찾아지는데... 데이터프레임을 리스트로 만들어서 loc[리스트]로 하면 에러가 나서 어떻게 수정해야 하는지 질문 드립니다 ㅠ import pandas as pd import seaborn as sns import matplotlib as mpl import matplotlib.pyplot as plt from tqdm.auto import tqdm tqdm.pandas() mpl.rc('font', family='AppleGothic') plt.rcParams['axes.unicode_minus'] = False # url = "https://finance.naver.com/sise/sise_group_detail.nhn?type=upjong&no=261" table = pd.read_html(url, encoding="cp949") raw = table[2] print(raw.shape) raw = raw.dropna(how="all").dropna(axis=1, how="all") raw["종목명_전처리"] = raw["종목명"].str.replace("*", "") raw["종목명_전처리"] = raw["종목명_전처리"].str.strip() # raw의 종목명을 index로 만들고, index를 리스트로 만들기 raw = raw.set_index('종목명_전처리') raw raw를 부르면 제약업종 데이터 프레임이 나옵니다. 아래는 제가 따로 만들어 놓은 데이터프레임을 리스트로 전환한겁니다. test = pd.DataFrame([['이수앱지스', '111', '222'], ['메드팩토','333','444'], ['부광약품','555','666']], columns = ['종목명', '매출액','영업이익']) # 종목명을 index로 바꿈 test = test.set_index('종목명') # index를 리스트로 변환 test_list = test.index.to_list() test_list 이 상태에서 raw.loc[['메드팩토']]는 되는데 test_list는 어떻게 해도 안 되네요. 어떻게 질문해야 할지 몰라서 인터넷으로도 검색을 못하겠어요 ㅋㅋㅋ큐ㅠㅠ raw.loc[['메드팩토']] raw.loc[[test_list]]
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
colab에서 iplot 실행시, 화면이 보이지 않는 현상
colab에서 iplot 실행시, 화면이 보이지 않습니다.
- 해결됨파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
colab 사용 plotly 그래프가 그려지지 않음
plotly 그래프를 그리려고 하는데, 빈 도화지처럼 바탕은 나오는데, 그래프가 그려지지 않습니다. . - 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
concat tolist 사용 오류 문의
안녕하세요 5.1 업종테마주수집 과정을 좀 변형해서 네이버금융의 "시가총액" 메뉴의 종목을 여러페이지 크롤링했습니다. 첫페이지 50개 만 가져오면 괜찮은데 이후 2번째 페이지부터 추가해서 가져오면 아래 코드 실행시 오류가 납니다 df_item_info = pd.concat(result.tolist()) TypeError: first argument must be an iterable of pandas objects, you passed an object of type "Series" 페이지 크롤링하는 부분은 아래와 같습니다 raw = pd.DataFrame() for page in range(1,3): url = f"https://finance.naver.com/sise/sise_market_sum.nhn?sosok=0&page={page}" table = pd.read_html(url, encoding="cp949") oneraw = table[1] oneraw = oneraw.dropna(how="all").dropna(axis=1, how="all") raw = raw.append(oneraw) time.sleep(1) 머가 문제인지 잘 모르겠습니다 확인 부탁드립니다 - 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
csv 파일 저장하여 엑셀로 여니까 한글깨짐 현상
안녕하세요. csv 파일로 저장하여, 엑셀로 여니까 한글깨짐 현상이 발생됩니다. 메모장으로 여니까 괜찮던데 그 이유를 알고 싶습니다. 그리고 엑셀로 열었을때 한글깨짐 현상이 안나오게 하고 싶습니다.
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
colab에서 그래프그릴때 해상도 흐림.
안녕하세요. colab에서 실습을하고 있습니다. 그런데, 강의해서 보는 그래프보다 해상도/선명함이 너무 떨어지는 것 같은데, 이유를 알고 싶습니다.
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
국내선물지수 또는 해외선물지수 데이터
-국내선물지수(Kospi200) 나 해외선물지수(Micro E-Mini Dow Jones 등) 를 수집 할 수 있는 방법을 알고 싶습니다.
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
업종 테마 데이터 수집시 판다스 read_html에러
아래 2개 예제 url에서 1번은 table not found 에러가 발생합니다. (그림 첨부) 2번 2차 전지 페이지 url 정상적으로 불러옵니다. 이유가 궁금합니다. 감사합니다. # 수집할 업종/테마주소 url = "https://finance.naver.com/sise/sise_group_detail.nhn?type=upjong&no=35" # 2차전지 # url = "https://finance.naver.com/sise/sise_group_detail.nhn?type=theme&no=64"
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
seaborn 업데이트
- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 4.3 ETF 분석과 시각화를 수강하고 있는데 seaborn 버전이 아래와 같이 10.0버전대로 나옵니다. 아래와 같이 터미널에서 pip install seaborn도 실행해보고 아나콘다 > enviroment에서도 해보고 다시 종료했다 재실행해 봐도 동일합니다. 어떻게 업데이트 할 수 있을까요?
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
섹션2의 9/14 질문입니다.
섹션 2의 9강을 듣던 중, subplots=True를 해서 KONEX, KOSDAQ, KOSPI가 구분되어 그래프가 그려지는 것을 확인했는데, KONEX와 KOSDAQ은 왼편 상단에 적히는데, 마지막 KOSPI는 오른쪽 상단에 표시가 됩니다. 이 KOSPI 글자도 왼편 상단으로 옮길 수는 없을까요? 감사합니다.
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
fdr.StockListing("KRX") 오류
종목정보들을 정상적으로 불러오지 못합니다. 확인해보니 미국정보들은 잘 불러오는거 같은데 한국 정보들은 다 이런 에러가 뜨는 것 같아요 ㅠㅠ
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
pd.concat(result.tolist()) 에 대해 문의드립니다.
- 선생님의 강의는 모두 듣고 있습니다. 벌써 다음 강의도 기대하고 있는 중입니다. ㅎㅎㅎ - 제가 궁금한 것은 제목에도 썼지만 pd.concat(result.tolist())로 result에 있는 값들을 리스트로 변환한 뒤, 다시 concat로 DF형태로 전환하는 이유가 궁금합니다. (그러니까 제말은 어떻게 result결과를 보고 아 이렇게 리스트로 바꾸고 concat 해주면 되겠구나라는 그런 감이 전혀 오지 않는 초보들은 어떻게 해야하나라는 말입니다.) - 그리고 여기 result는 함수를 이용해서 모은 자료들인데, 얘네들은 Series도 아니고, DF도 아닌 이런 애들은 실제 현실에서 어떨경우에 생기게 되는 건지 궁금합니다.(함수를 이용해 자료를 취합하면 그냥 이렇게 되는건지요?) - 실제 현장에서 데이타를 핸들링할 때, 위와 같이 뭔가를 데이타 프레임으로 만들고 싶은데 잘 안되었던 경우가 많았고, 그때마다 검색하고 뭐하고 해봤지만 답을 찾기가 너무 어려웠던 기억이 있어서 여쭤봅니다. - 혹시 위와같이 우리가 흔히 알고 있는 자료형인 Series나 DF 외에 다른 자료형태를 DF로 변환하는 방법에 대해 간략히 정리해 주실 수 있으실지 정중하게 부탁드려봅니다. - 대한민국 데이타분석 최고전문가이신 박조은 선생님 응원합니다.. ^^
- 미해결파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
수식의 변경
import FinanceDataReader as fdr df = fdr.DataReader('005930', '2010') df['Close'].plot() 위 수식의 그래프가 아래의 수식에서 작동 할 수 있도록 변경이 가능 한지요? 도와 주시면 감사 하겠습니다. # https://github.com/WegraLee/deep-learning-from-scratch-3/blob/master/steps/step60.py # 에서 참조 하였습니다. if '__file__' in globals(): import os, sys sys.path.append(os.path.join(os.path.dirname(__file__), '..')) import numpy as np import matplotlib.pyplot as plt import dezero from dezero import Model from dezero import SeqDataLoader import dezero.functions as F import dezero.layers as L max_epoch = 100 batch_size = 10 hidden_size = 200 bptt_length = 30 train_set = dezero.datasets.SinCurve(train=True) dataloader = SeqDataLoader(train_set, batch_size=batch_size) seqlen = len(train_set) class BetterRNN(Model): def __init__(self, hidden_size, out_size): super().__init__() self.rnn = L.LSTM(hidden_size) self.fc = L.Linear(out_size) def reset_state(self): self.rnn.reset_state() def __call__(self, x): y = self.rnn(x) y = self.fc(y) return y model = BetterRNN(hidden_size, 1) optimizer = dezero.optimizers.Adam().setup(model) for epoch in range(max_epoch): model.reset_state() loss, count = 0, 0 for x, t in dataloader: y = model(x) loss += F.mean_squared_error(y, t) count += 1 if count % bptt_length == 0 or count == seqlen: model.cleargrads() loss.backward() loss.unchain_backward() optimizer.update() avg_loss = float(loss.data) / count print('| epoch %d | loss %f' % (epoch + 1, avg_loss)) # Plot xs = np.cos(np.linspace(0, 4 * np.pi, 1000)) model.reset_state() pred_list = [] with dezero.no_grad(): for x in xs: x = np.array(x).reshape(1, 1) y = model(x) pred_list.append(float(y.data)) plt.plot(np.arange(len(xs)), xs, label='y=cos(x)') plt.plot(np.arange(len(xs)), pred_list, label='predict') plt.xlabel('x') plt.ylabel('y') plt.legend() plt.show()