ialleejy 님의 블로그

from bokeh.plotting import figure, showfrom bokeh.sampledata.penguins import datafrom bokeh.transform import factor_cmap, factor_markSPECIES = sorted(data.species.unique())MARKERS = ['hex', 'circle_x', 'triangle']p = figure(title = "Penguin size", background_fill_color="#fafafa")p.xaxis.axis_label = 'Flipper Length (mm)'p.yaxis.axis_label = 'Body Mass (g)'p.scatter("flipper_length_mm", "body_mas..

# 1932에 수확한 Manchuria 종의 지역별 수확량 그리기 import pandas as pdimport altair as alt # Altair 임포트# barley 데이터셋 예제from vega_datasets import data # vega_datasets에서 barley 데이터셋 로드barley = data.barley()# Manchuria 품종만 선택barley_M = barley[barley['variety'] == 'Manchuria']# 특정 연도(1932년) 데이터만 선택barley_M = barley_M[barley_M['year'] == 1932]# Altair로 시각화chart = alt.Chart(barley_M).mark_point().encode( x='si..

시각적으로, 두 개의 원뿔이 대칭적으로 위치한 3D 그래프import numpy as npimport pandas as pdimport matplotlib.pyplot as pltr = np.linspace(0, 2, 100)theta = np.linspace(0, 2 * np.pi, 100)R, Theta = np.meshgrid(r, theta)x = R * np.cos(Theta)y = R * np.sin(Theta)Z1 = 4 * RZ2 = -4 * R%matplotlib inlinefig = plt.figure()ax = plt.axes(projection='3d')ax.plot_surface(x, y, Z1 )ax.plot_surface(x, y, Z2)

[타이타닉]타이타닉 데이터셋: 생존 여부에 따른 fare와 age의 값 범위를 비교import seaborn as snstitanic= sns.load_dataset('titanic')titanicfare_die = titanic[titanic['survived']==0][['fare','age']]fare_survival = titanic[titanic['survived']==1][['fare','age']]f = lambda x: x.max() - x.min()print("died person min-max fare and age ")print(fare_survival.apply(f))print("survival person min-max fare and age ")fare_die.apply(f) "..

import seaborn as snsimport pandas as pdimport plotly.express as pxdf = sns.load_dataset('titanic')class_order = ['Third', 'First', 'Second']df['class'] = pd.Categorical(df['class'], categories=class_order, ordered=True)grouped = df.groupby(['alive', 'class']).size().reset_index(name='count')fig = px.bar(grouped, x='alive', y='count', color='class', ..

import pandas as pdimport folium# 데이터 불러오기bike_data = pd.read_csv('./bike202406.csv')# 서울 중심 좌표로 지도 생성seoul_map = folium.Map(location=[37.5665, 126.9780], zoom_start=12)# 따릉이 대여소 위치를 지도에 점으로 표시for idx, row in bike_data.iterrows(): folium.CircleMarker( location=[row['위도'], row['경도']], # 위도, 경도 컬럼명 확인 필요 popup=row['보관소(대여소)명'], radius=2 # 대여소 이름이 있는 컬럼명 ).add_to(seoul_..

import pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltplanets = sns.load_dataset("planets")planets 행성의 발견 방법에 따른 갯수를 그래프로 그리고 분석# 1번문제planets_grouped1 = planets.groupby("method")["number"].sum().reset_index()plt.figure(figsize=(25, 20))sns.barplot(data=planets_grouped1, x="method", y="number")## 1번문제 분석- 행성발견 방법들 중 Radial Velocity 방법과 Transit 방법이 행성을 찾는데에 있어 주요적으로 많이 사용된 모습을 보인다..

import numpy as npfrom PIL import Imagefrom wordcloud import WordCloud, STOPWORDSimport matplotlib.pyplot as pltimport requestsfrom bs4 import BeautifulSoupimport matplotlib.font_manager as fm# 한글 폰트 설정font_path = './NanumGothic.ttf' # 폰트 경로를 본인 환경에 맞게 수정하세요.# 이미지 마스크alice_mask= np.array(Image.open('./cloud.png'))# 웹 크롤링url ="https://news.naver.com/section/105"headers={'User-Agent':'Mozilla/5.0..

import seaborn as snsimport matplotlib.pyplot as pltdf=sns.load_dataset('taxis')def payment(): sns.scatterplot(data=df, x='fare', y='tip', hue='payment')payment()    def pickup_dropoff(): with sns.axes_style('white'): g = sns.catplot(x="pickup_borough", data=df, aspect=2, kind="count", color='steelblue') k = sns.catplot(x="dropoff_borough", data=df, a..

1번import numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets import load_winewineData = load_wine()# print(data.data.shape) # 178 x 13# print(data.data) # 데이터 전체# print(data.target) # target => 분류해야 하는 데이터(여기서는 178개)# print(data.target_names) # class임 => 얘네로 분류해야 하는 것# print(data.feature_names) # 열 이름들def makeScatter(): n_classes = 3 # 분류되는 class 개수 plot_colors = 'r..