Day7

참고

1) 얕은 복사와 깊은 복사( .copy() )

https://mizykk.tistory.com/63

[Pandas] df.copy() :: 복사본 만들기 / 얕은복사 & 깊은 복사

 

2) groupby

https://rfriend.tistory.com/391

[Python pandas] GroupBy 집계 메소드와 함수 (Group by aggregation methods and functions)

 

3) [pandas] object와 category의 차이

https://abluesnake.tistory.com/101

[pandas] object와 category의 차이

 

4) np.random 정리

https://codetorial.net/numpy/random.html

NumPy 난수 생성 (Random 모듈) - Codetorial

 

5) 판다스, 넘파이 복습

https://wikidocs.net/32829

4) 판다스(Pandas) and 넘파이(Numpy) and 맷플롭립(Matplotlib)

---

정리하는 과정이 필요하다.
강사님은 처음에 엑셀에 정리했다.
내 나름의 기준으로 정리한다.
재미있게 공부한다.
스터디를 하자. 목표를 잘 설정한다. 한 달 단위로 옮긴다.
공모전을 나간다.
과정 끝날 때 정리하지 말고 중간중간 정리한다.
오버라이딩 : 했던 것을 나중에 들여다봐야 하고 조금씩 업데이트 한다. 
바지 끝자락 잡는 마음으로 공부한다.
내가 좋아하는 걸 찾는다. 그걸로 프로젝트로 진행한다.
자신감과 용기가 필요하다.
선형대수는 기초적인 지식을 갖추면 된다.

 

캐글/데이터콘에 들어가 하나씩 제출해보는 건 어떨까?
포트폴리오에 좋은 스펙으로 들어갈 수 있을까?

---

가장 기본적인 흐름:
머신러닝 : 파이썬 문법 - 판다스(데이터 전처리), 넘파이 -> EDA(시각화) -> 학습(train) -> 모델(logistic regression, deep learning, xgboost, rnn) -> 추론(inference) -> 정확도 high : 좋은 모델!

feature들을 가지고 예측하기
feature들이 뭐고, label을 맞추는 모델링 만들기
직접 csv 파일을 열어보기

---

라이브러리 설치:
Anaconda Prompt -> 자세히 -> 관리자 권한 실행
pip install missingno

---

많이 쓰일 코드:

# 값 세기
train.Pclass.value_counts()

 

 

# 나이 기준 별로 값 넣기
data['Agroup'] = 1
data.loc[ (data.Age.values < 24.0), 'Agroup' ]= 0
data.loc[ (data.Age.values > 30.0), 'Agroup' ]= 2

 

 

# cut : 특정 조건에 맞게 데이터 분류
data['Age_Cuts'] = pd.cut(data.Age, 
                          bins=[0, 1, 3, 10, 18, 65, 99], 
                          labels=['Baby', 'Todler', 'Kid', 'Teens',  'Adult', 'Elderly'])

 

 

# 특정 컬럼을 삭제하고 싶다
data = data.drop('New1', axis=1)