Development(7985)
-
바 차트(bar chart)
바 차트(bar chart) 데이터가 카테고리 값인 경우에는 bar()과 barh()으로 바 차트(bar chart)로 시각화 할 수 있습니다. bar() 막대그래프를 수직으로 그려줍니다. 인자 설명 left · x축에서 바(bar)의 왼쪽 변의 위치를 나타냅니다. · 막대를 표시할 위치 height · 막대의 높이 https://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.bar barh() 막대그래프를 수평으로 그려줍니다. 인자 설명 xerr · 에러 바(error bar)의 x축 yerr · 에러 바(error bar)의 y축 alpha · 투명도 · 0이면 완전 투명, 1이면 완전 불투명 https://matplotlib.org/api/pyplot..
-
시각화 결과물을 이용하는 사용자를 분류하고, 이용자별 시각화 이용 목적과 내용을 기술한다.
시각화 결과물을 이용하는 사용자를 분류하고, 이용자별 시각화 이용 목적과 내용을 기술한다. 사용자별 시각화 이용 내용(예시)
-
논산시의 강우량 데이터 가져오기
데이터 수집하기논산시의 강우량 데이터 가져오기 "논산지 재난안전본부" 홈페이지에 접속합니다.https://www.nonsan.go.kr/safe/ 좌측 하단쪽의 [Rainfall 실시간 강우량] 버튼을 클릭합니다. https://www.nonsan.go.kr/safe/html/sub01/01010201.html[연간강우량] >> [파일 다운로드] 이전 홈페이지에서의 다운페이지 화면http://safe.nonsan.go.kr/prog/rainfallSearch/list.do?dayCheck=y
-
모델 평가 방법
모델 평가 방법 · 좋은 모델을 만들려면 먼저 어떤 모델이 좋은 것인가부터 정해야 합니다. · 다양한 평가 메트릭, ROC 커브, 교차 검증(Cross Validation)을 통해 모델을 평가하는 방법이 있습니다.
-
1.Summary - 1.데이터 정제하기
데이터 정제시 결측값 처리 방법 > # dplyr 패키지 로드 > library(dplyr) > # score가 NA인 데이터만 출력 > df %>% filter(is.na(score)) score 1 NA > # score 결측치 제거 > df %>% filter(!is.na(score)) score 1 5 2 4 3 3 4 4 STEP 4: 결측치 제외한 데이터로 분석하기 > # score 결측치 제거 > df_nomiss % filter(!is.na(score)) > # score 평균 산출 > mean(df_nomiss$score) [1] 4 > # score 합계 산출 > sum(df_nomiss$score) [1] 16 > https://codedragon.tistory.com/9987
-
아나콘다(conda) 통해 .py 실행
아나콘다(conda) 통해 .py 실행 · Code Runner 확장프로그램 설치 · Command Palette & Python Interpreter 선택 · conda 가상환경을 생성시 주의사항 Code Runner 확장프로그램 설치 https://marketplace.visualstudio.com/items?itemName=formulahendry.code-runner Command Palette & Python Interpreter 선택 Command Palette (Ctrl+Shift+P) >> [Python: Select Interpreter] 선택 >> 실행가능한 Python.exe 리스트에서 원하는 python 버전 선택 / 아나콘다 가상환경 선택 >> .py 오픈된 파일 안에서 마우스 우..