* 공부한 것을 정리한 글이므로 틀린 내용이 있을 수 있습니다. * 더 좋은 방법 또는 틀린부분이 발견될 시 계속 수정하며 업데이트 할 예정입니다. 어떤 큰 데이터 프레임에서 for 문을 사용해서 각각의 데이터프레임을 확인해야 했던 경험이 있습니다. 예를 들면 과일 리스트 '사과','포도','딸기' 중에서 등급이 'A등급','B등급','C등급' 이 각각 있던 데이터프레임에 날짜별 수확량 데이터가 있어 수확량의 추이를 보고 싶었습니다. 그냥 보면 괜찮았을텐데 일별 데이터를 월별 데이터로 바꿨을 때 문제가 생겼습니다. C등급의 과일 데이터가 없는 경우가 있어서 resample할 데이터가 없어서 에러가 나서 for문이 돌아가질 않았습니다. (조건에 맞는 에러가 나는 데이터셋을 만들어보다가 ... 시간이 너무 ..

* 공부한 것을 정리한 글이므로 틀린 내용이 있을 수 있습니다. * 더 좋은 방법 또는 틀린부분이 발견될 시 계속 수정하며 업데이트 할 예정입니다. 다른 두 개의 시계열 데이터를 비교하려 할때 날짜의 시작 끝이 달라서 어떻게 맞춰줄 지 많이 고민했었습니다. 기준 시계열의 경우 월데이터 2022년 1월~ 2023년 2월 데이터였고 비교할 시계열의 경우 월데이터 2022년 1월~ 2023년 1월까지 밖에 없던 상황입니다. seaborn 모듈의 'flights'데이터셋을 사용하여 보겠습니다. import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns df = sns.load_dataset("flights..

* 공부한 것을 정리한 글이므로 틀린 내용이 있을 수 있습니다. * 더 좋은 방법 또는 틀린부분이 발견될 시 계속 수정하며 업데이트 할 예정입니다. 처음보는 데이터의 분포가 궁금할때 시각화를 통해 전체적인 분포를 보고 싶을때가 있습니다. seaborn의 경우 데이터프레임안에서 카테고리별로 시각화를 시킬 수 있어서 특히 좋은 것 같습니다. seaborn 모듈의 penguins 데이터 셋을 사용하여 kdeplot을 사용해 보겠습니다. import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns df = sns.load_dataset('penguins') df.head() penguins 데이터 셋은 'A..

* 공부한 것을 정리한 글이므로 틀린 내용이 있을 수 있습니다. * 더 좋은 방법 또는 틀린부분이 발견될 시 계속 수정하며 업데이트 할 예정입니다. 오늘 정리해볼 전처리는 데이터의 음수값을 없애고 간단한 선형 보간법으로 데이터를 채워넣는 과정입니다. 일단 제가 10분동안 요리조리 만든 월단위 매출 2년 데이터입니다. import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # 2년치 매출 데이터 sales_list = [50,60,55,45,60,75,90, 120,110,-5,-5,45,50, 60,40,50,70,130,140, 110,-5,-5,40,50] # 월별 2년 date = pd.d..