sons dataStory

seaborn의 함수에 사용하는 인자들 인수 특성 좌표속성 좌표속성은 플롯에 마크가 그려지는 위치를 결정 x는 수평위치, y는 수직위치 각 변수들의 구간을 설정하기 위해 xmin, xmax, ymin, ymax를 사용 normal scale: 정수 인덱스를 명목변수에 할당하기 위해 사용 Temporal scale: 기준 시점에서 날짜의 수를 나타냄 Continuous scale: 일반적인 수치 값을 나타내지만 trans="log" 등을 사용하여 값들의 위치에 차이를 둡니다. 컬러속성 color(마터 자체와 내부 색), fillcolor(마커 내부 색), edgecolor(마커의 자체의 색) 여러색을 나타내기 위해 매개변수 palette에 viridis, rocket, deep 등을 지정 알파속성 alpha는 마크의 불투명도를 지정 마커속성 매개변수 marker에 지정 matplotlib.markers 참조 선 속성 linestyle, '-', '--', '-.', 및 ':' 로 지정. dashes의 경우 선과 선 사이의 공백이 존재합니다. 그러므로 선의 길이와 공백의 길이를튜플로 지정 예) (5, 2) 선폭속성 linewidth=float로 지정 edgewidth 점과 같이 원형과 같은 마크 자체의 두께를 지정 포인트크기 pointsize=정수(마크의 직경) 데이터 값을 지정할 수 있음, 면적에 선형적으로 비례하며 스케일은 제곱근으로 변환되어 적용 stroke edgewidth와 유사하지만 'x'와 같은 마크의 두께를 지정 텍스트 속성 수평 정렬 halign= left, right, center 수직 정렬=top, bottom, center, baseline, center_baseline 글꼴 크기 fontsize=1~26 offset class="txtl...

속성(class attribute) 내용 클래스 속성 인스턴스 속성 클래스 속성 속성은 그 객체의 특징 또는 상태에 접근할 수 있는 장치이며 클래스 내에서 특별한 형식 없이 값을 할당하는 것으로 생성됩니다. 다음에작성한 클래스 simpleStatistic 의 subject가 속성이 됩니다. class simpleStatistic: """데이터의 합계, 평균, 중간값, 최빈값, 그리고 표준편차를 계산합니다.""" subject="math" def __init__(self, obj): self.obj=obj def sum(self): total=0 for i in self.obj: total +=i self.total=total return(self.total) def mean(self): tot=self.sum() self.mu=tot/len(self.obj) return(self.mu) def median(self): value=sorted(self.obj) n=int(len(value)/2) if n % 2 ==0: med=(value[n-1]+value[n])/2 else: med=value[n] self.med=med return(self.med) def mode(self): re={} for i in self.obj: re[i]=self.obj.count(i) v=list(re.values()) k=list(re.keys()) self.mod...

클래스 학생들의 시험점수에 대해 합, 평균, 중간값, 최빈값, 그리고 표준편차를 계산하고자 합니다. 이러한 계산들을 다른 그룹에 적용하고 추후에 계속 사용하기 위해서 함수(function)로 작성할 것입니다. 다음은 각 항목을 계산하기 위한 함수들입니다. def sum(x): #합 re=0 for i in x: re += i return(re) def mean(x): #평균 re=0 for i in x: re += i return(re/len(x)) def median(x): #중간값 value=sorted(x) n=int(len(value)/2) if n % 2 ==0: med=(value[n-1]+value[n])/2 else: med=value[n] return(med) def mode(x): #최빈값 re={} for i in x: re[i]=x.count(i) v=list(re.values()) k=list(re.keys()) return(k[v.index(max(v))]) def std(x): #표준편차 n=len(x) mu=mean(x) sd0=0 for i in x: sd0 += (i-mu)**2 sd=(sd0/n)**(1/2) return(sd) numpy.random 모듈의 randint() 함수를 사용하여 [50, 100] 사이의 정수 100개를 무작위로 생성하였습니다. np.random.seed(0) x=np.random.randint(50, 101, 100) x=list(x) x[:10] [94, 97, 50, 53, 53, 89, 59, 69, 71, 100] print(f"합: {sum(x)}\n평균: {mean(x...