취미와 밥줄사이

이 게시물은 캐글 노트북을 통해서 번역하고 학습한 내용을 복습하기 위해 작성 하였습니다. 더 자세한 정보를 알고 싶은 분은 하단의 링크를 참조 해주세요! 이 함수는 여러 시각적 표현 중 하나를 사용하여 숫자 변수와 하나 이상의 범주 형 변수 간의 관계를 보여주는 여러 축 수준 함수에 대한 액세스를 제공합니다. kind 매개 변수는 사용할 기본 축 수준 함수를 선택합니다. Prameters y축을 카테고리컬 데이터로 설정 하였습니다. Reference www.kaggle.com/ravichaubey1506/complete-data-visualization-tutorial-seaborn Complete Data Visualization Tutorial Seaborn !!! Explore and run mac..

Reference www.kaggle.com/ravichaubey1506/complete-data-visualization-tutorial-seaborn Complete Data Visualization Tutorial Seaborn !!! Explore and run machine learning code with Kaggle Notebooks | Using data from multiple data sources www.kaggle.com seaborn.pydata.org/generated/seaborn.relplot.html seaborn.relplot — seaborn 0.11.1 documentation How to draw the legend. If “brief”, numeric hue and..

이 게시글은 캐글 노트북을 통해 공부한 내용을 번역하고 복습하기 위해 작성 하였습니다. 더 자세한 내용이 궁금하신 분들은 아래의 reference 링크를 참조해주세요. Reference www.kaggle.com/ravichaubey1506/complete-data-visualization-tutorial-seaborn Complete Data Visualization Tutorial Seaborn !!! Explore and run machine learning code with Kaggle Notebooks | Using data from multiple data sources www.kaggle.com seaborn.pydata.org/generated/seaborn.relplot.html seab..

이 게시물은 캐글 노트북을 통해 스스르 공부한 내용을 복습하기 위한 작성한 글 입니다. 더 자세한 내용을 확인하고 싶은 분들은 하단의 링크를 참조해주세요! Bar Plot / 막대차트 막대 그래프 (또는 막대 차트)는 가장 일반적인 플롯 유형 중 하나입니다. 숫자 변수와 범주 형 변수 간의 관계를 보여줍니다. 예를 들어 막대 차트를 사용하여 여러 개인의 키를 표시 할 수 있습니다. 막대 차트는 종종 매우 다른 히스토그램과 혼동됩니다. (입력으로 숫자 변수 만 있으며 분포를 보여줍니다.) 일반적인 실수는 막대 그래프를 사용하여 각 그룹의 평균 값을 나타내는 것입니다. 그룹당 여러 값이있는 경우 평균 만 표시하면 정보의 일부가 가장됩니다. 이 경우 박스플롯 이나 바이올린 플롯을 고려해보십시오. 최소한 그룹당..

Introduction - What is Parallel Plots? 평행 플롯을 사용하면 일련의 숫자 변수에 대한 여러 개별 관측의 특징을 비교할 수 있습니다. x축에는 꽃잎 길이와 같은 각각의 feature(column)을 나타냅니다. 데이터프레임의 각 row만큼 y축을 만들어 동일한 행에 있는 값을 선으로 연결합니다. 데이터의 분포와 관계를 더 이해할 수 있습니다. 컬럼을 분류하는데 도움을 줍니다. Content - 예제 및 코드 데이터 전처리와 시각화에 필요한 라이브러리를 불러옵니다. 사용한 데이터셋은 여기 있습니다. 사용할 데이터셋을 불러오고 필요없는 컬럼은 제거합니다. Parameters frame = : 데이터 프레임 입력 class_column = : 클래스 네임을 포함하는 컬럼 이름 입력..

Introduction 데이터를 분석하거나 혹은 EDA를 하는 경우에 데이터 전처리 작업을 해야한다. 이상치를 발견하고 처리하거나 결측치를 확인하고 처리하는 작업이 반드시 필요하다. 이상치나 결측치는 특히 머신러닝이나 예측, 분류를 하는 경우 문제를 일으키고 학습이 잘 되지 않는다. 파이썬 판다스를 통해서 데이터를 처리하는 경우에 pd.info() , pd.isna().sum() 함수를 통해서 확인을 할 수도 있지만 시각화 라이브러리를 통해 더 간단하게 결측치를 확인할 수 있다. 이러한 활동을 도와주는 것이 missingno 라이브러리 입니다. 다음은 사용법이 입니다. Content 1. 라이브러리 불러오기 필요한 라이브러리를 임포트한다. 여기 missingno 라이브러리를 통해서 결측치를 시각화 할 것..

이 게시물은 캐글 노트북을 통해 공부한 내용을 스스로 복습하기 위해 작성 하였습니다. 모든 matplotlib 그래프의 활용 팁은 아래 링크에 있는 작성자의 내용을 통해 공부 하였습니다. 자세한 내용을 공부하고 싶은 분들은 아래 링크를 통해 확인 해주세요 1. Subplots nrows = : 행의 갯수 설정 ncols = 열 갯수 설정 figsize = : 전체 그래프 사이즈 설정 plt.tight_layout(): 서브플롯들의 크기 혹은 간격 개선 2. plt.subplot2grid() plt.figure(figsize) : 초기 사이즈 설정 plt.subplot2grid() shape( int, int): 축을 배치 할 그리드의 행 및 열 수입니다. loc(int, int) : 그리드 내 축 위치의..

1. Load Data 2. Visualization seaborn.barplot sns.pointplot seaborn.pie sns.heatmap Reference www.kaggle.com/ozaneker/visualization-analysis-seaborn-and-plotly Visualization Analysis - Seaborn and Plotly Explore and run machine learning code with Kaggle Notebooks | Using data from Video Game Sales www.kaggle.com