가상환경 생성 방법1 python -m venv 가상환경 이름 방법2 VS code를 사용한다면 간단하게 가상환경을 만들 수 있습니다. Ctrl + Shift + p 버튼 클릭 Python : Select Interpreter 클릭 Create Virtual Environment 클릭 Venv 클릭 열려있던 Folder에 .venv 파일이 생성됩니다. cmd 터미널에서 가상환경 활성화 가상환경이름\Scripts\activate.bat 만약 vscode 에서 (가상환경이름)이 설정 안된다면 command prompt(cmd)로 변경해서 실행하면 됨 가상환경 종료 deactivate 현재 가상환경의 패키지들을 텍스트 문서로 생성 pip freeze > requirements.txt requirements.t..
plt.figure(figsize = (12,6)) plt.title('응답자의 지역') sns.barplot(x = df.index,y = df.values) plt.ylabel('응답자 수') plt.xticks(rotation = 90) plt.show()# data = ~~ 값을 안넣고 x.y만 넣었다는 경고에러 발생함. df= survey_df['Age'].value_counts().sort_index() plt.figure(figsize = (12,6)) plt.title('what is your age') plt.ylabel('응답자 수') idx = df.index order = [idx[7],idx[0],idx[1],idx[2],idx[3],idx[4],idx[5],idx[6]] sns...
Stack Overflow Data를 사용한 연습 폰트 설정 # 설치한 폰트 설정 저 파일 위치의 폰트들을 확인해서 긁어옴. import matplotlib as mpl import matplotlib.pyplot as plt import matplotlib.font_manager as font_manager %matplotlib inline # Add every font at the specified location font_dir = ['C:\\\\Chang_git\\\\python_basic\\\\fonts'] for font in font_manager.findSystemFonts(fontpaths=font_dir): print(mpl.font_manager.FontProperties(fname=..
Word cloud document https://amueller.github.io/word_cloud/index.html from wordcloud import WordCloud import pandas as pd import folium import seaborn as sns import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt survey_raw_df = pd.read_csv('C:/Chang_git/Data/survey_results_public.csv',index_col = 'ResponseId') temp_words = survey_raw_df['DevType'].dropna() # NaN값을 모두 버리는 과정 ..
folium의 document https://python-visualization.github.io/folium/quickstart.html folium 이란 파이썬 라이브러리로 지도 데이터를 시각화하는데 아주 쉽게 도와준다 leaflet.js를 기반으로 만들어졌다 지도에 마커를 표현하거나 범위를 나타내는 다양한 도형을 입력할 수 있다. 우리는 folium을 사용하여 지도에다가 뭔가를 그리려 한다 conda에 설치되어 있지 않기 때문에 conda install -c conda-forge folium을 입력해줘야 한다. import folium import pandas as pd import numpy as np import seaborn as sns import folium latitude , longi..
플롯 선택방법 정리 img seaborn에서 지원하는 dataset 중 하나를 선택해서 각자 원하는 결과를 도출해 보기 나의 주제 : 펭귄은 대부분의 경우 부리의 길이와 두께를 통해 암수구분이 가능하다고 한다. 암수 구분 + 종별 구분한 부리의 길이, 두께 정보를 여러 방식을 사용하여 시각화해 보자 #1번 방식 import seaborn as sns peng = sns.load_dataset('penguins') Adelie = peng[peng['species'] == 'Adelie'] sns.jointplot(data = Adelie, x = 'bill_length_mm', y = 'bill_depth_mm', hue = 'sex') Chinstrap = peng[peng['species'] == '..
displot() hue로 subset 나누기 hue 키워드 인수를 통해 subset을 구분하고 이를 각각의 그래프로 표현할 수 있습니다. 아래는 hue 값으로 species(펭귄의 종)에 대해 설정해서 각각 species별로 그래프를 만들었습니다. penguins = sns.load_dataset('penguins') sns.displot(data = penguins, x = 'flipper_length_mm', hue = 'species', kind= 'kde') displot() col로 그래프 나누기 col 키워드 인수를 활용해서 subset을 한번 더 분류할 수 있다. col에 sex column label을 설정하여 subseet을 이전 예제보다 더 나눴다. sns.displot(data = ..
폰트 적용 # 설치한 폰트 설정 저 파일 위치의 폰트들을 확인해서 긁어옴. import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import matplotlib.font_manager as font_manager # Add every font at the specified location font_dir = ['C:\\\\Chang_git\\\\python_basic\\\\fonts'] for font in font_manager.findSystemFonts(fontpaths=font_dir): print(mpl.font_manager.FontProperties(fname=font).get_name()) font_manag..
Artist 상위클래스 기본적으로 Figure에 보이는 모든 것들을 Artist라고 한다. 이는 Figure, Axes, Axis 객체도 포함된다. 또 Text객체, Line2D객체, collections 객체, Patch 객체 등도 포함된다. Figure가 렌더링될 때, 모든 Artists가 그려집니다. 대부분의 Artists는 하나의 Axes에 묶여 있다. 이러한 Artists는 여러 Axes에 공유되거나 이동할 수 없다. 바 차트 bar(수평)명령과 barh(horizontal 수직) 명령으로 바 차트를 시각화할 수 있다. 첫 번째 인수인 left가 x축에서 바의 왼쪽 변의 위치를 나타낸다는 점을 주의해야 한다. 각 bar마다 색상을 적용할 수 있다. 색상을 데이터 순으로 리스트로 생상 해서 bar..
축의 범위 설정하기 범위 경계선에 있어서 잘 보이지 않는 경우가 있을 수 있는데 축범위를 지정하여 해결 가능하다. plt.title('x축,y축의 범위 설정') plt.plot([10,20,30,40],[1,4,9,16], c = 'b' ,lw = 5, ls = '--', marker = 'o' , ms = 15 , mec = 'g', mew = 5, mfc = 'r') plt.xlim(0,50) plt.ylim(-10,30) plt.show() 틱 설정하기 tick은 축상의 위치 표시 지점을 뜻한다. tick label을 설정하여 수동 설정이 가능하다. import numpy as np X = np.linspace(-np.pi, np.pi,256) C = np.cos(X) plt.title('x축과 y..
