Hyoeun Yun

def generate_dateframe_by_path(PATH):
&nbsp; &nbsp; file_list, csv_list = os.listdir(PATH), list() &nbsp;&nbsp;
&nbsp; &nbsp; first_doc = True
&nbsp; &nbsp; for file in file_list:
&nbsp; &nbsp; &nbsp; &nbsp; if file.split(".")[-1] == 'csv': &nbsp;
&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; csv_list.append(file)
&nbsp; &nbsp; csv_list.sort() &nbsp;#sort() 기본 오름차순정렬
&nbsp; &nbsp;&nbsp;
&nbsp; &nbsp; for file in csv_list: &nbsp; &nbsp; &nbsp;csv_list의 file들이 하나씩 차례로 들어올거고
&nbsp; &nbsp; &nbsp; &nbsp; doc = create_dateframe(file) &nbsp;그 파일들을 df으로 하나씩 만들고
&nbsp; &nbsp; &nbsp; &nbsp; if first_doc: &nbsp; &nbsp;처음들어온 doc이라면 우선 if구문이 실행될건데&nbsp;
&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; final_doc, first_doc = doc, False &nbsp;&nbsp;위에서 first_doc =True로 지정했던 상태로, fisrt_doc = False로 바꾸고, 이번에 들어온 doc을 final_doc에 저장해라
&nbsp; &nbsp; &nbsp; &nbsp; else:&nbsp;거고 그리고 다음 파일이 들어올 땐 fisrt_doc이 False이기 때문에 else문이 실행되고
&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; final_doc = pd.merge(final_doc, doc, how='outer', left_index=True, right_index=True)
&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;이번에 들어온 doc과 이전의 파일들이 저장된 final_doc을 합쳐서 새로운 final_doc을 생성
&nbsp;
if 사과면:
&nbsp; 먹는다.
else:&nbsp;
&nbsp; 먹지 않는다.
&nbsp;
이런식으로 if else문을 설명하시더라구요. 초보입장에서 다른 초보분들한테 혹시 도움이 되지 않을까 해서 해석해봤습니다 ㅎ..ㅎ
&nbsp;

파일 병합 질문 드립니다

혼자 코드 복습하고 전체코드 작성해볼때 팁이 있을까요? ㅠㅠ

국기 페이지도 flagcdn이랑 다른분이 올린 홈페이지 둘다 해봤는데
똑같이 해도 국기 사진이 물음표로 뜨네요 ㅠㅠ
그거 말고 오류나는건 없는데 국기 사진이 안 뜨는 이유를 도저히 모르겠습니다 ..&nbsp;

countryflag 사이트가 지금 막혔나요?!

와 선생님 정말 감사합니다!!!!! 이렇게 하면서 배워가는것도 재미있는데 뭔가 정석적인 코스가 있는데 저만 모르고 삽질하는게 아닌가 싶었거든요... ㅠㅠ 역시 많이 해봐야 느는게 맞군요!!! 그리고 좋은 기초강의도 추천해주셔서 정말 감사합니다.

공부방법 질문

깔끔하게 해결되었어요!!
그래프가 출력되는데 감격받았습니다..

graphviz 설치

와우 감사합니다!
강의 너무 재밌어요 ><

could not convert string to float 에러..

<pre class="language-markup"><code>import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

titanic_df = pd.read_csv('./titanic_train.csv')
titanic_df.head(3)

print('\n ### train데이터정보 ###\n')
print(titanic_df.info()) 

titanic_df['Age'].fillna(titanic_df['Age'].mean(), inplace=True) #inplace=True는 기존데이터를 업데이트한다는말
titanic_df['Cabin'].fillna('N', inplace=True) #다른 카테고리성 컬럼인 'N'으로 업데이트
titanic_df['Embarked'].fillna('N', inplace=True)

print(titanic_df.isnull()) #null데이터를 True로 표시
print('\n데이터세트 컬럼별Null 개수', titanic_df.isnull().sum()) #True값의 합을 컬럼별로 표시
print('\n데이터세트 전체 Null개수', titanic_df.isnull().sum().sum())

print('Sex값 분포: \n', titanic_df['Sex'].value_counts()) #데이터프레임의 컬럼의 데이터가 카테고리성일때 카테고리별 개수
print('Cabin값 분포: \n', titanic_df['Cabin'].value_counts())
print('Embarked값 분포: \n', titanic_df['Embarked'].value_counts())

titanic_df['Cabin'] = titanic_df['Cabin'].str[:1] 
#데이터프레임에서 []은 필터링을 한다는 의미니, Cabin컬럼의 데이터에 어떤것에 필터링을 하는지 써야함. 그게 .string
print(titanic_df['Cabin'].head(3))

titanic_df['Cabin'].value_counts()

titanic_df.groupby(['Sex', 'Survived'])['Survived'].count() 
sns.barplot(x='Sex', y='Survived', data=titanic_df) 
sns.barplot(x='Pclass', y='Survived', hue='Sex', data=titanic_df) 

# 나이대별로 카테고리구분하는 함수생성, df의 apply lambda식에 사용
def get_category(age):
 cat = ''
 if age<= -1: cat = 'Unknown'
 elif age<=5: cat = 'Baby'
 elif age<=12: cat = 'Child'
 elif age<=18: cat = 'Teenager'
 elif age<=25: cat = 'Student'
 elif age<=35: cat = 'Young Adult'
 elif age<=60: cat = 'Adult'
 else : cat = 'Elderly'
 
 return cat

#막대그래프의 크기 figure를 더 크게 설정
plt.figure(figsize=(10,6))

#x축 값을 나이대별로 순차적으로 표시
group_names = ['Unknown', 'Baby', 'Child', 'Teenager', 'Student', 'Young Adult', 'Adult', 'Elderly']

#lambda식에 위에서 생성한 get_category()함수를 반환 (람다식에 입력인자를 넣어 계산한 값이 반환됨)
titanic_df['Age_cat'] = titanic_df['Age'].apply(lambda x : get_category(x))
sns.barplot(x='Age_cat', y='Survived', hue='Sex', data=titanic_df, order=group_names)
titanic_df.drop('Age_cat', axis=1, inplace=True) #Age_cat 컬럼을 드롭 (그래프만 보고, 컬럼 없애는것임.)

from sklearn import preprocessing

def encode_features(dataDF):
 features = ['Cabin', 'Sex', 'Embarked']
 for feature in features:
 le = preprocessing.LabelEncoder()
 le = le.fit(dataDF[feature]) 
 dataDF[feature] = le.transform(dataDF[feature])
 
 return dataDF

titanic_df = encode_features(titanic_df)
titanic_df.head()

from sklearn.preprocessing import LabelEncoder

def fillna(df):
 df['Age'].fillna(df['Age'].mean(), inplace=True)
 df['Cabin'].fillna('N', inplace=True)
 df['Embarked'].fillna('N', inplace=True)
 df['Fare'].fillna(0, inplace=True)
 return df

def drop_features(df):
 df.drop(['PassengerId', 'Name', 'Ticket'], axis=1, inplace=True)
 return df

def format_features(df):
 df['Cabin'] = df['Cabin'].str[:1]
 features = ['Cabin', 'Sex', 'Embarked']
 for feature in features :
 le = LabelEncoder()
 le = le.fit(df[feature])
 df[feature] = le.transform(df[feature])
 return df

def transform_features(df):
 df = fillna(df)
 df = drop_features(df)
 df = format_features(df)
 return df
# 원본 데이터를 재로딩 하고, feature데이터 셋과 Label 데이터 셋 추출. 
titanic_df = pd.read_csv('./titanic_train.csv')
y_titanic_df = titanic_df['Survived']
X_titanic_df= titanic_df.drop('Survived',axis=1)

X_titanic_df = transform_features(X_titanic_df)

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X_titanic_df, y_titanic_df,
 test_size=0.2, random_state=11)
X_titanic_df

from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

#3개의 알고리즘을 위한 사이킷런의 클래스 생성
dt_clf = DecisionTreeClassifier(random_state=11)
rf_clf = RandomForestClassifier(random_state=11)
lr_clf = LogisticRegression()

# DecisionTreeClassifier 학습/예측/평가
dt_clf.fit(X_train, y_train)
dt_pred = dt_clf.predict(X_test)
print('DecisionTreeClassifier 정확도: {0:.4f}'.format(accuracy_score(y_test, dt_pred)))

# RandomForestClassifier 학습/예측/평가
rf_clf.fit(X_train, y_train)
rf_pred = rf_clf.predict(X_test)
print('RandomForestClassifier 정확도: {0:.4f}'.format(accuracy_score(y_test, rf_pred)))

# LogisticRegression 학습/예측/평가
lr_clf.fit(X_train, y_train)
lr_pred = lr_clf.predict(X_test)
print('LogisticRegression 정확도: {0:.4f}'.format(accuracy_score(y_test, lr_pred)))</code></pre>

Hyoeun Yun

Bài viết