AICE - Associate 정리

데이터 로드

odf = pd.read_csv('titanic.csv', encoding='cp949')

 

odf.head(2)

 

데이터 복사

df = odf.copy()

 

1.관측치 갯수, 데이터 수, 행 수, 인스턴스 수

2.컬럼수

3.결측치  = 891보다 작으면 여기에 결측치가 있는 피처가 있구나

df.info()

 

호구조사

df.describe()

 

describe() = 통계정보

수치형만 요약정보를 제공함

 

결측치가 존재하는 데이터 파악

df.isnull.sum()

 

 

계약 이탈 예측

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

 

df = pd.read_csv('경로')

 

df

 

지도학습

레이블

이진분류 데이터 -> 이진분류용 알고리즘과 평가지표

분류 평가지표

Accurce

 

df.info()

관측치 개수 피처 개수

 

df.head()

df.tail()

df.isnull().sum()

df.describe()

 

데이터프레임끼리 더하기 가능

 

df.rename(columns={'familysize' : 'FamilySize'), inplace=True)

 

df.drop('FamilySize', axis=1, inplace=True)

axis == 컬럼단위 1이 행 변경

inplace 확정

 

df['PassengerId'] = df['PassengerId'].replace('_', '-1')

df['PassengerId'] = df['PassengerId'].astype('int64')

 

df.info()

 

컬럼단위 개별접근

df['Age']

 

데이터프레임

df[['Age', 'Survided']]

 

행, 컬럼

df.loc[[0], 'xx', xx, xx]

 

위치정보

df.iloc[]

 

성별이 여성인 데이터

cond = df['sex'] == ''female'

df[cond]

 

나이가 10ㅅ세 미만이거나 60 이상

 

cond = (df['Age']>10) | (df['Age'] <= 60)

 

df.loc[cond]

 

df.loc[cond, :]

 

df_sex = df.loc['gender', 'Female']

df_sex.sort

df.loc['Female', 'MonthlyCharges']

 

cond = df['gender'] == 'Female'

 

df[cond].sort_valiue('MonthlyCharges', ascending=False).iloc[0,0]

 

df['Pcalss'].value_counts()

칼럼의 수준별 데이터 개수

p클래스에 가장 많은 데이터는? 할때

 

항구별 groupby()

 

항구별탑승자 수

df.groupby('Embarked').count()

 

항구별 탑승자의 평균연령

df.groupby('Embarked')['Age'].means()

 

결측치 개수

df.isnull.sum()

 

 

df.loc[df['Age'].isnull(),:]

 

fdf = df.fillna({'Age'} : 0)

fdf.isnull.sum()

fdf['Age'].mean()

 

fdf = df.fillna({'Age'} : df['Age'].mean())

 

이상치 찾기

 

df.boxplot()

 

 

df[['Fare']].boxplot()

 

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()

scaled = scaler.fit_transform(df)

 

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()

scaled = scaler.fit_transform(df)

 

pd.get_dummies(df, columns=['Embarked'], drop_first=True)

 

df['Survived'].replace(['Dead', 'Survived'],[0,1],inplace=True)

 

df.isnull().sum()

 

df.drop('DeviceProtection', axis=1, inplace=True)

axis==컬럼기준

 

df['gender'].value.acounts().plot(kind='bar')

 

히트맵(무조건나옴)

sns.

 

pd.to_csv('data', index=False)

 

다중분류 average='macro'