Notice
Recent Posts
Recent Comments
Link
| 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 |
Tags
- interpolate
- stopwords
- 선형보간
- value_counts
- 보간법
- matplotlib
- IterativeImputer
- 전처리
- 데이터프레임
- 결측치
- 이상치
- MSE
- join
- Seaborn
- SimpleImputer
- KoNLP
- DataFrame
- subplots
- 불용어
- Python
- 결측치대체
- BDA
- sklearn
- 누락값
- Outlier
- Boxplot
- koNLPy
- 대치법
- countplot
- 파이썬
Archives
- Today
- Total
목록to_datetime (1)
ACAIT
crime 데이터로 시계열, 시각화 분석 0. 데이터 타입 수정 및 인덱스 추가 1. 범죄 분석 1-1. 연도별 범죄 발생 추세 2012년부터 계속하여 범죄 비율이 상승한 것으로 확인된다. 2017년은 건수는 적으나 9월까지 반영된 자료이므로 기간에 비해 비율이 높은 것으로 해석된다. 1-2. 월별 교통사고 발생 추세 7, 8월의 가장 범죄 비율이 높은 것으로 나타난다. 건수로 시각화를 진행하더라도 7, 8월이 여전히 높은 비중을 차지하고 있다. 1-3. 연월별 범죄 발생 추세 6, 7, 8월은 범죄 비율 상위권에 꾸준히 위치하고, 1, 3, 4월은 2014년부터 상위권을 유지하는 것으로 확인된다. 1-4. 타입별 범죄 추세 상위 5개의 타입은 차량 물건 도난, 기타 교통, 차량 도난, 기타 도난, 자동..
학회 활동/BDA 7기(데이터 분석 기초반)
2024. 1. 31. 22:52