로즈 파이썬의 사용법을 쉽게 알려드립니다

[

Rose vs Jack, or Female vs Male

Getting Started with Python

• 필요한 패키지를 import하는 것부터 시작합니다.

import pandas as pd

• 데이터를 불러오고 싶은 경우, Pandas를 사용하여 데이터를 가져올 수 있습니다.

data = pd.read_csv('data.csv')

• 데이터를 알아야 할 필요가 있습니다. 데이터에 대한 이해를 돕기 위해 다음과 같은 작업을 수행할 수 있습니다.

data.head()

Does age play a role?

• 데이터를 살펴 보고, 나이가 생존에 어떤 역할을 하는지 알고 싶은 경우 다음과 같이 작성할 수 있습니다.

data['Age'].value_counts()

First Prediction

• 첫 번째 예측 결과를 확인하고 싶은 경우 다음과 같이 작성할 수 있습니다.

data['Survived'].value_counts()

Predicting with Decision Trees

• 첫 번째 예측 결과로부터 더 나은 예측 결과를 얻기 위해 Decision Trees를 사용하고 싶은 경우 다음과 같이 작성할 수 있습니다.

from sklearn.tree import DecisionTreeClassifier

Improving your predictions through Random Forests

• Decision Trees를 사용한 후, 더 나은 예측 결과를 위해 Random Forests를 사용하고 싶은 경우 다음과 같이 작성할 수 있습니다.

from sklearn.ensemble import RandomForestClassifier

Rose vs Jack, or Female vs Male

• 남성과 여성의 생존율을 비교하고 싶은 경우 다음과 같이 작성할 수 있습니다.

data['Survived'][data['Sex'] == 'male'].value_counts()
data['Survived'][data['Sex'] == 'female'].value_counts()

• 생존율을 비율로 계산하기 위해 다음과 같이 작성할 수 있습니다.

data['Survived'][data['Sex'] == 'male'].value_counts(normalize=True)
data['Survived'][data['Sex'] == 'female'].value_counts(normalize=True)

Exercise

• 생존율을 절대 수로 계산하여 출력하고 싶은 경우 다음과 같이 작성할 수 있습니다.

data['Survived'].value_counts()

• 생존율을 비율로 계산하여 출력하고 싶은 경우 다음과 같이 작성할 수 있습니다.

data['Survived'].value_counts(normalize=True)

• 성별에 따라 생존율을 비교하고 싶은 경우 다음과 같이 작성할 수 있습니다.

data['Survived'][data['Sex'] == 'male'].value_counts()
data['Survived'][data['Sex'] == 'female'].value_counts()

• 성별에 따라 생존율을 비율로 계산하여 출력하고 싶은 경우 다음과 같이 작성할 수 있습니다.

data['Survived'][data['Sex'] == 'male'].value_counts(normalize=True)
data['Survived'][data['Sex'] == 'female'].value_counts(normalize=True)