기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

댓글 쓰기

pandas.groupby()에 의한 데이터 그룹화

pandas.groupby()에 의한 데이터 그룹화

내용

df.groupby()

  • DataFrame.groupby(by=None, axis=0, level=None, …, dropna=True)
    • 인수 by에 지정한 기준으로 데이터 프레임을 그룹화합니다.
    • by: mapping, function, label, or label들의 리스트를 인수로 전달하여 그룹화의 기준을 지정
      예) DataFrame.groupby("a").mean(): 인자 a에 의해 자료를 분류하고 그룹화된 값들의 평균을 반환합니다.
  • 이 함수에 의한 결과는 자료형이 지정되지 않은 상태이므로 확인을 위해서는 list()등을 적용하여 자료형을 지정해주어야 합니다. 이러한 방식의 평가를 게으른 평가(lazy estimation)이라고 합니다. 또는 반복문을 사용하여 이 결과의 각 구성물들을 확인할 수 있습니다.
  • 반환물의 구조와 속성은 dir() 함수를 사용하여 확인할 수 있습니다.

데이터를 목록화된 클래스(소그룹)으로 분류하기 위해 사용합니다. 예로 다음은 "Open", "High", "Low", "Close"의 변수로 구성된 kospi 일일 지수 데이터입니다.

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import FinanceDataReader as fdr
st=pd.Timestamp(2024,1, 1)
et=pd.Timestamp(2024, 5, 30)
colNme=["Open", "High", "Low", "Close"]
da=fdr.DataReader('KS11', st, et)[colNme]
da.head(3)
Open High Low Close
Date
2024-01-02 2645.47 2675.80 2641.88 2669.81
2024-01-03 2643.54 2643.72 2607.31 2607.31
2024-01-04 2592.44 2602.64 2580.09 2587.02

이 데이터의 "Close"를 목록화하기 위해 pd.qcut() 함수를 사용합니다. 이 함수는 인수 q에 지정된 명령에 의해 목록화합니다. 

clCa0=pd.qcut(da['Close'], q=5, labels=range(5), retbins=True)
clCa=clCa0[0]
clCaRef=clCa0[1]
da['clCa']=clCa
da.head(3)
Open High Low Close clCa
Date
2024-01-02 2645.47 2675.80 2641.88 2669.81 2
2024-01-03 2643.54 2643.72 2607.31 2607.31 1
2024-01-04 2592.44 2602.64 2580.09 2587.02 1 
#각 클래스(구간)의 하한값과 상한값
clCaRef
array([2550.08, 2639.06, 2677.57, 2695.86, 2718.69, 2759.2 ])

위 데이터의 변수 clCa의 각 클래스에 대해 나머지 변수를 분류하기 위해 .groupby('clCa')메서드를 적용합니다. 이 메소드는 지연된 평가(lazy estimation)가 이루어 집니다. 그러므로 list() 함수 또는 반복문을 사용하여 결과를 나타낼 수 있습니다. 다음 결과는 clCa의 클래스 0에 대응하는 그룹의 일부입니다. 

daGroup=da.groupby('clCa')
list(daGroup)[0][1].head(3)
Open High Low Close clCa
Date
2024-01-05 2586.89 2592.29 2572.60 2578.08 0
2024-01-08 2584.23 2591.68 2566.34 2567.82 0
2024-01-09 2598.31 2599.37 2556.00 2561.24 0

위 결과와 같이 clCa의 각 클래스에 따라 나머지 변수들의 값이 그룹화 됩니다.

다음은 groupby에 의해 생성된 객체 daGroup의 속성, 메서드들입니다. 이들 중 get_group()을 사용하면 지정한 클래스를 추출할 수 있습니다.

print(dir(daGroup))
[…, 'agg', 'aggregate', 'all', 'any', 'apply', 'backfill', 'bfill', 'boxplot', 'clCa', 'corr', 'corrwith', 'count', 'cov', 'cumcount', 'cummax', 'cummin', 'cumprod', 'cumsum', 'describe', 'diff', 'dtypes', 'ewm', 'expanding', 'ffill', 'fillna', 'filter', 'first', 'get_group', 'groups', 'head', 'hist', 'idxmax', 'idxmin', 'indices', 'last', 'mad', 'max', 'mean', 'median', 'min', 'ndim', 'ngroup', 'ngroups', 'nth', 'nunique', 'ohlc', 'pad', 'pct_change', 'pipe', 'plot', 'prod', 'quantile', 'rank', 'resample', 'rolling', 'sample', 'sem', 'shift', 'size', 'skew', 'std', 'sum', 'tail', 'take', 'transform', 'tshift', 'value_counts', 'var']

get_group()

clCa는 5개의 클래스를 가집니다. 각 클래스는 위 코드와 같이 "list(daGroup)[0][1]"으로 확인할 수 있습니다. 이 결과는 객체의 메서드인 .get_group(그룹이름)으로 확인할 수 있습니다. /p>

df.groupby(key).get_group(groupName)
key: 분류의 기준이 되는 열이름
groupName: 기준이 되는 열의 자료에 포함된 클래스
daCl3=da.groupby('clCa').get_group(3)
daCl3.head(3)
Open High Low Close clCa
Date
2024-03-08 2676.79 2688.00 2668.38 2680.35 3
2024-03-12 2673.47 2686.14 2659.72 2681.81 3
2024-03-13 2694.71 2701.45 2679.54 2693.57 3

위 객체 daCl3의 각 열에 대한 평균은 다음과 같이 계산할 수 있습니다. 목록변수의 평균은 계산되지 않으므로 객체 daCl3의 마지막 열은 계산에서 제외됩니다.

daCl3.iloc[:,:-1].mean()
Open     2699.5925
High     2713.0385
Low      2687.0595
Close    2700.6890
dtype: float64

groupby().method()

위와 같이 clCa의 모든 클래스에 대해 평균을 계산하기 위해서는 for문을 사용할 수 있습니다.

mu=pd.DataFrame()
for i in range(5):
    re=da.groupby('clCa').get_group(i)
    mu=pd.concat([mu, re.iloc[:,:-1].mean()], axis=1)
mu.columns=range(5)
mu.round(0)
0 1 2 3 4
Open 2515.0 2624.0 2665.0 2700.0 2744.0
High 2527.0 2637.0 2678.0 2713.0 2753.0
Low 2497.0 2603.0 2650.0 2687.0 2731.0
Close 2508.0 2618.0 2663.0 2701.0 2741.0

위 결과는 객체.groupby('key').mean()에 의한 것과 같습니다. 

da.groupby('clCa').mean().round(0)
Open High Low Close
clCa
0 2515.0 2527.0 2497.0 2508.0
1 2624.0 2637.0 2603.0 2618.0
2 2665.0 2678.0 2650.0 2663.0
3 2700.0 2713.0 2687.0 2701.0
4 2744.0 2753.0 2731.0 2741.0

aggregate(), agg()

위 각 클래스별 평균을 계산하기 위해 메서드 .mean()을 사용하였습니다. 이 명령은 aggregate()(=agg()) 메서드를 적용할 수 있습니다(.agg('mean')). 이 메서드 여러 함수 또는 메서드를 동시에 적용할 경우 유용합니다. 

da.groupby('clCa').agg([min, np.median, max]).round(0)
Open …
min median max …
clCa …
0 2440.0 2501.0 2598.0 …
1 2559.0 2626.0 2667.0 …
2 2629.0 2662.0 2720.0 …
3 2665.0 2696.0 2743.0 …
4 2718.0 2743.0 2770.0 …

위 명령의 min, np.median, max는 pandas.DataFrame의 메서드입니다. 다음 명령과 같이 groupby()에 의해 생성된 객체는 DaCl3는 다양한 속성(dir(daCl3))들을 사용할 수 있습니다. 

da.groupby('clCa').agg(['min', 'median', 'max'])

agg() 메서드에 인수는 dictionary 형식으로 다음과 같이 전달 할 수 있습니다.

agg({열이름1: 속성 또는 함수, 열이름2 속성 또는 함수, …)

da.groupby('clCa').agg({'Open':'median', 'High':"min", 'Low':'max', 'Close':'mean'})
Open High Low Close
clCa
0 2501.230 2453.97 2572.60 2507.78381
1 2626.205 2602.64 2635.44 2617.89700
2 2662.100 2648.76 2677.07 2662.72050
3 2695.935 2686.14 2714.34 2700.68900
4 2742.695 2733.07 2752.27 2741.03250

groupby()메서드에 by의 인수를 리스트 형식으로 여러개 지정할 수 있습니다. 다음은 위에서 호출한 자료들 중에 Open, Close를 각각 2개의 클래스를 가진 목록변수로 변환하여 재구성한 것입니다.

opCa=pd.qcut(da['Open'], q=2, labels=range(2), retbins=True)
clCa=pd.qcut(da['Close'], q=2, labels=range(2), retbins=True)
da2=pd.concat([da.High, da.Low, opCa[0], clCa[0]], axis=1)
da2.head(3)
High Low Open Close
Date
2024-01-02 2675.80 2641.88 0 1
2024-01-03 2643.72 2607.31 0 0
2024-01-04 2602.64 2580.09 0 0 
da2group=da2.groupby(['Close', 'Open'])
da2group.count()
High Low
Close Open
0 0 47 47
1 4 4
1 0 4 4
1 46 46

apply()

그룹화된 객체에 함수를 적용하기 위해 apply() 메서드를 사용합니다. 다음은 Close:Open의 변화율을 산출하는 함수를 appy() 메소드를 사용하여 적용한 것입니다. 

def chg(x):
    coP=(x['Close']-x['Open'])/x['Open']*100
    return(coP)
a=da.groupby('clCa').apply(chg)
a
clCa  Date      
0     2024-01-05   -0.340563
      2024-01-08   -0.635005
      2024-01-09   -1.426697
      2024-01-10   -0.857654
      2024-01-11   -0.108532
                      ...   
4     2024-05-16   -0.623405
      2024-05-17   -0.975842
      2024-05-20    0.032832
      2024-05-21   -0.323816
      2024-05-22    0.000000
Length: 101, dtype: float64
Labels:

댓글

댓글 쓰기

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같
댓글 쓰기
Read more »

[matplotlib] 히스토그램(Histogram)

히스토그램(Histogram) 히스토그램은 확률분포의 그래픽적인 표현이며 막대그래프의 종류입니다. 이 그래프가 확률분포와 관계가 있으므로 통계적 요소를 나타내기 위해 많이 사용됩니다. plt.hist(X, bins=10)함수를 사용합니다. x=np.random.randn(1000) plt.hist(x, 10) plt.show() 위 그래프의 y축은 각 구간에 해당하는 갯수이다. 빈도수 대신 확률밀도를 나타내기 위해서는 위 함수의 매개변수 normed=True로 조정하여 나타낼 수 있다. 또한 매개변수 bins의 인수를 숫자로 전달할 수 있지만 리스트 객체로 지정할 수 있다. 막대그래프의 경우와 마찬가지로 각 막대의 폭은 매개변수 width에 의해 조정된다. y=np.linspace(min(x)-1, max(x)+1, 10) y array([-4.48810153, -3.54351935, -2.59893717, -1.65435499, -0.70977282, 0.23480936, 1.17939154, 2.12397372, 3.0685559 , 4.01313807]) plt.hist(x, y, normed=True) plt.show()
댓글 쓰기
Read more »

R 미분과 적분

내용 expression 미분 2차 미분 mosaic를 사용한 미분 적분 미분과 적분 R에서의 미분과 적분 함수는 expression()함수에 의해 생성된 표현식을 대상으로 합니다. expression expression(문자, 또는 식) 이 표현식의 평가는 eval() 함수에 의해 실행됩니다. > ex1<-expression(1+0:9) > ex1 expression(1 + 0:9) > eval(ex1) [1] 1 2 3 4 5 6 7 8 9 10 > ex2<-expression(u, 2, u+0:9) > ex2 expression(u, 2, u + 0:9) > ex2[1] expression(u) > ex2[2] expression(2) > ex2[3] expression(u + 0:9) > u<-0.9 > eval(ex2[3]) [1] 0.9 1.9 2.9 3.9 4.9 5.9 6.9 7.9 8.9 9.9 미분 D(표현식, 미분 변수) 함수로 미분을 실행합니다. 이 함수의 표현식은 expression() 함수로 생성된 객체이며 미분 변수는 다음 식의 분모의 변수를 의미합니다. $$\frac{d}{d \text{변수}}\text{표현식}$$ 이 함수는 어떤 함수의 미분의 결과를 표현식으로 반환합니다. > D(expression(2*x^3), "x") 2 * (3 * x^2) > eq<-expression(log(x)) > eq expression(log(x)) > D(eq, "x") 1/x > eq2<-expression(a/(1+b*exp(-d*x))); eq2 expression(a/(1 + b * exp(-d * x))) > D(eq2, "x") a * (b * (exp(-d * x) * d))/(1 + b
댓글 쓰기
Read more »