일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
- Python
- 빅데이터
- 이웃한 칸
- 프로그램
- SNS
- 개발자
- frontend
- 사물인터넷
- 백준
- 프로그래밍
- 개발
- 모의 주식
- 풀스택프레임워크
- java
- 개인프로젝트
- 자바독학
- java정리
- 코딩테스트
- backend
- 코테
- 자바
- Reflex
- 자바정리
- 주가예측
- Project
- 코딩
- 코스닥
- 프로그래머스
- C++
- 코딩독학
- Today
- Total
목록코딩 (402)
Creative Code
import pandas as pd # 판다스를 사용하여 'titanic_train.csv' 파일을 읽어 데이터프레임을 생성 df = pd.read_csv('titanic_train.csv') print(df) # 데이터프레임 출력 # 'Age' 열의 누락된 값을 해당 열의 평균값으로 대체 df['Age'].fillna(df['Age'].mean(), inplace=True) # 'Cabin'과 'Embarked' 열의 누락된 값을 각각 'N'으로 대체 df['Cabin'].fillna('N', inplace=True) df['Embarked'].fillna('N', inplace=True) # 'Sex'와 'Survived' 열을 기반으로 그룹화하고, 각 그룹별로 'Survived' 값의 개수를 세어 ..
# 필요한 라이브러리 임포트 from sklearn.preprocessing import LabelEncoder # 라벨 인코딩을 위한 라이브러리 임포트 from sklearn.preprocessing import OneHotEncoder # 원핫 인코딩을 위한 라이브러리 임포트 import numpy as np # 배열 조작을 위한 넘파이 라이브러리 임포트 import pandas as pd # 데이터프레임 생성 및 가공을 위한 판다스 라이브러리 임포트 from sklearn.datasets import load_iris # 아이리스 데이터셋 로드 from sklearn.preprocessing import StandardScaler # 표준화를 위한 스케일러 라이브러리 임포트 from sklearn...
import sklearn from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split import pandas as pd # Iris 데이터셋을 로드합니다. iris = load_iris() # iris는 Bunch 객체로, 다양한 정보를 포함하고 있습니다. # 데이터의 타입을 확인합니다. type(iris) # bunch는 사전(dictionary)과 비슷한 데이터 타입입니다. # Iris 데이터의 특성(Features)을 출력합니다. print(iris['data']) # Iris 데이터에 포함된 키(필드)들을 ..
import numpy as np import matplotlib.pyplot as plt # -100에서 100 사이의 랜덤 정수 50개를 생성하고 누적합을 계산합니다. data = np.random.randint(-100, 100, 50).cumsum() print(data) # 시간에 따른 주식가격 데이터를 라인 플롯으로 시각화합니다. plt.plot(range(50), data, 'r') plt.title('시간별 가격 추이') # 그래프 제목 설정 plt.ylabel('주식가격') # y축 레이블 설정 plt.xlabel('시간(분)') # x축 레이블 설정 import matplotlib.font_manager as fm # 사용할 한글 폰트 파일의 경로를 설정합니다. path = 'Nanum..
import pandas as pd import folium from folium.plugins import MarkerCluster # cp949 인코딩으로 CSV 파일에서 데이터를 불러옵니다. df = pd.read_csv('data/jeju.csv', encoding='cp949') # 지도에 마커를 표시하는 함수 정의 def display(loc, map): if loc[0] != '결과없음': folium.Marker(loc[0], tooltip=loc[1]).add_to(map) # (33.3616666, 126.5291666)를 중심으로 하는 지도를 생성하고 줌 레벨을 10으로 설정합니다. map = folium.Map((33.3616666, 126.5291666), zoom_start=10..
# Folium 라이브러리를 가져옵니다 import folium # Folium 지도 객체를 생성합니다. 시작 위치와 줌 레벨, 타일 스타일을 지정합니다. m = folium.Map([52.0210802, 0.2312701], zoom_start=15, tiles='cartodb positron') print(m) # 지도를 HTML 파일로 저장합니다 m.save('map.html') # 새로운 지도를 생성하고 아이콘을 설정합니다 m = folium.Map([52.0210802, 0.2312701], zoom_start=15) icon = folium.Icon(color='red', icon_color='white', icon='tower', angle=0) # 마커를 생성하고 툴팁 및 팝업을 추가합니다..