jsy

GCP - Github 연동

jsys — Thu, 18 Apr 2024 11:53:39 +0900

(base) $ ssh-keygen -t rsa -b 4096 -C "깃허브 이메일"

엔터를 치면 아래와 같이 나온다.

(base) $ cat .ssh/id_rsa.pub

위 코드를 입력하면 ssh키가 뜬다. 이걸 복사한다.

이제 깃허브에 로그인하여 Settings에 들어간다.

SSH and GPG keys에서 아까 복사한 SSH키를 붙여넣기 한 후 추가한다.

이렇게 SSH키가 추가된다.

GCP로 돌아와서 메타데이터로 들어간다.

SSH키 추가를 누른다.(이미 저장된 SSH키가 있었던 경우 수정 눌러서 진행)

복사했던 SSH키를 붙여넣고 엔터로 저장한다.

sudo apt-get update -y
sudo apt-get upgrade -y
sudo apt-get install git
git --version

위 코드를 통해 git을 설치한다.

깃허브에서 New Repository를 Private로 생성한다.

SSH key를 복사한다.

git clone SSH KEY

git clone + 복사했던 SSH key를 입력한다.

ls를 입력해보면 레파지토리 폴더가 생성된 것이 보인다. cd를 통해 폴더에 접속한다.

vi README.md

vi 명령어로 README.md 파일을 수정해본다.

> i (INSERT)로 수정한 뒤 esc 누르고 :wq! 로 나오기

git config --global user.email "your_id@email.com" 
git config --global user.name "yourname"
git add .
git commit -m "UPDATED"
git push

git push를 진행하고 다시 레파지토리로 돌아와 확인해본다.

GCP 인스턴스 SSH - pyspark 재설치

jsys — Wed, 17 Apr 2024 16:09:57 +0900

구글 클라우드 인스턴스 SSH에서 pyspark를 설치하고 jupyter notebook 실행 후 코드를 입력했는데 오류가 생겼다.

pyspark와 python의 버전이 맞지 않아 오류가 발생하는 것이었다.

python 버전을 변경하는 것보다 pyspark 버전을 바꾸는 것이 더 수월하므로 pyspark를 재설치한다.

* 현재 pyspark의 버전은 3.1.1이고, 3.5.1로 재설치할 것이다.

SSH에서 아래 코드를 입력하여 pyspark를 uninstall한다.

/opt$ pip uninstall pyspark

이후 opt 내 파일을 제거한다.

/opt$ sudo rm -rf *

명령어 ls를 통해 파일이 제거된 것을 확인할 수 있다.

/opt$ sudo wget -q https://dlcdn.apache.org/spark/spark-3.5.1/spark-3.5.1-bin-hadoop3.tgz

위 코드를 통해 spark 3.5.1 버전을 다운로드 받는다.

다운로드 된 것을 확인할 수 있음(ls)

/opt$ sudo tar -zxf spark-3.5.1-bin-hadoop3.tgz

압축을 풀어준다.

파일이 생성된 것을 확인할 수 있다.

/opt$ sudo mkdir spark   #spark 폴더 생성
/opt$ sudo mv spark-3.5.1-bin-hadoop3/* /opt/spark  #spark-3.5.1-bin-hadoop3의 파일을 spark로 옮김
/opt$ cd spark
/opt/spark$ ls

코드가 잘 실행됐다면 spark폴더에 아래와 같이 파일이 이동된 것을 확인할 수 있다.

pip install pyspark==3.5.1

pyspark 버전에 맞춰 다시 설치를 진행한다.

이후 jupyter notebook을 다시 열어 버전을 확인했다.

3.5.1 버전으로 설치가 된 것을 확인할 수 있다.

처음 오류가 났던 코드도 잘 실행되었다.

코호트 분석(Cohort Analysis)

jsys — Thu, 11 Apr 2024 00:31:51 +0900

코호트란?

특정 기간동안 공통된 특성이나 경험을 갖는 사용자 집단. 비즈니스에서는 같은 시기에 제품 및 서비스를 처음 구매한 집단, 비슷한 유형의 제품 및 서비스를 구매하는 고객들의 그룹을 의미한다.

코호트 분석이란?

특정 기간동안 고객이나 사용자 그룹을 기준에 따라 분류하고, 그 그룹의 행동 패턴을 시간에 따라 추적하여 분석하는 기법이다. 이를 통해 시간이 지남에 따라 제품, 서비스, 마케팅 전략 등이 특정 그룹에 어떻게 영향을 미치는지 알 수 있다. 마케팅에서 주로 사용되며 대표적인 툴은 Google Analytics가 있다.

코호트 분석이 중요한 이유

* 고객 유지율 : 고객 유지율, 이탈 패턴 분석 가능

* 제품 개선: 사용자 피드백과 사용 패턴을 바탕으로 제품 및 서비스 분석 가능

* 마케팅 : 캠페인의 성공 여부 확인 가능. 고객을 세분화하여 타겟 마케팅의 효과적 시행 가능

* 예측 : 미래의 소비자 행동에 대해 정확한 예측 가능

(ex. Spotify: 노래 설정, 듣는 시간대, 노래 선호도 등의 사용자 활동 추적 / 에어비앤비 : 시간이 지남에 따라 변하는 사용자 참여도/이탈률 등을 추적)

코호트 분석의 유형

* 전향적 코호트 연구

일반적인 코호트 연구. 특정 시점에 개별 그룹을 모집하고 특정 결과의 발생을 평가하기 위해 전향적으로 추적하는 연구. 연구를 시작할 때 결과가 0인 상태를 기준으로 참가자가 등록되며, 시간이 지남에 따라 특정 결과값이 나왔는지 평가한다. 원인과 결과 사이의 시간적 관계를 설정해야 할 때 선호된다.

- 장점 : 다수의 원인 및 결과 평가 가능 / 원인과 결과 사이 시간적 인과 관계 설정 가능 / 기억 편향에 덜 민감

- 단점 : 시간과 비용이 많이 듦 / 편향이 발생할 수 있음 / 희귀한 결과값을 도출하려면 표본 크기가 커야할 수 있음

* 후향적 코호트 연구

관심 위험 요인에 이미 노출된 개별 그룹을 특정 시점에 식별하고, 결과가 발생한 이유를 알고자 과거를 추적하는 연구. 윤윤리적/물리적 이유로 전향적 연구를 수행할 수 없을 때 유용하다. 또한 관심 결과가 연구 모집단에서 이미 발생했으며, 새로운 사례가 발생하기를 기다리는 것이 불가능할 때 유용하다. 원인과 결과 사이의 연관성에 대한 평가가 빠르고 비용 효율적인 필요가 있을 때 선호된다.

- 장점 :비교적 빠르고 저렴 / 희귀한 결과 연구 가능 / 위험 요인과 결과 사이의 연관성 평가에 짧은 기간 소요 가능

- 단점 : 편향(선택 편향/회상 편향)의 경향 / 시간적 인과관계가 불완전할 수 있음

* 시간 기반 코호트 (Time Cohort)

고객이 서비스에 가입한 시간, 제품을 처음 구매한 시간 등 시간 기준의 그룹화

ex) 매월 새로운 사용자 그룹을 분석하여 첫 구매 후 일정 기간 동안의 재구매율 측정

* 행동 기반 코호트 (Behavior Cohort)

사용자의 특정 행동이나 이벤트(예: 앱 내 구매, 특정 기능 사용 등)를 기준으로 그룹화

ex) 특정 캠페인을 본 후 구매한 고객들의 그룹을 분석하여 캠페인의 효과를 평가

* 크기 기반 코호트 (Size Cohort)

그룹의 상대적 크기를 기준으로 분류

ex) 특정 기간 동안 가입한 사용자 수를 기준으로 그룹을 나누고, 그룹별 행동을 비교

예시

예를 들어 아래와 같이 사업 시작 후 4개월 매출 현황이 있다고 가정한다.

	1월	2월	3월	4월
전체 고객 (명)	1,000	2,000	3,000	4,000
고객 당 평균 매출	50,000	45,000	43,300	45,000

고객 당 평균 매출이 소폭 감소한 후 상승하는데, 위 표를 통해서는 상황이 좋아지는지 나빠지는지 정의하기 어렵다.

아래 표는 같은 데이터를 고객의 가입 시기에 따라 나누어 표를 다시 그린 것이다.

코호트	볼륨	1개월	2개월	3개월	4개월
1월 가입자	1,000	50,000	30,000	20,000	10,000
2월 가입자	1,000	60,000	40,000	20,000
3월 가입자	1,000	70,000	60,000
4월 가입자	1,000	80,000
평균	1,000	70,000

위 표를 통해서는 다양한 분석을 할 수 있다. 매월 신규 가입자의 수, 매월 신규로 가입한 고객의 첫 달 평균 구매액의 차이, 월별 가입자들의 시간에 따른 평균 구매액 변화 등 시간의 흐름에 따라 파악할 수 있는 것들이 보인다.

전체 고객 당 평균 매출 표에서는 매출액 변화가 정적인 것처럼 보이지만, 시기에 따라 표를 나누면 고객들의 첫 달 구매액이 증가하고 있으며 월별 구매액의 감소폭이 개선되고 있다는 것을 알 수 있다.

이와 같이 코호트 분석을 이용하면 매출, 유지율, 바이럴 효과, 이탈율 등을 분석할 수 있게 된다.

+) 참고 링크 : https://datarian.io/blog/cohort-analysis

[머신러닝] 분류모델 평가지표

jsys — Tue, 20 Feb 2024 09:49:54 +0900

<Confusion Matrix(혼동 행렬, 오차 행렬)>

		예측
		양성	음성
실제	양성	TP	FN
실제	음성	FP	TN

* TP : True Positive(예측 Positive, 실제 값도 Positive)

* TN : True Negative(예측 Negative, 실제 값도 Negative)

* FP : False Positive(예측 Positive, 실제 값은 Negative)

* FN : False Negative(예측 Negative, 실제 값은 Positive)

<분류의 성능 평가지표>

* 정확도(Accuracy)

- 예측 결과와 실제 값이 동일한 건수/전체 데이터 수

- 분류 모델을 평가하기에 가장 단순한 지표이나, 불균형한 클래스를 가진 데이터셋을 평가하기 어렵다는 단점 있음

- 0 ~ 1 사이의 값을 가짐. 1에 가까울수록 좋다.

- 정확도 = (TN + TP) / (TN + TP + FN + FP)

* 정밀도(Precision)

- 예측을 Positive로 한 대상 중에 예측과 실제 값이 Positive로 일치한 데이터 비율

- Positive로 검출된 결과가 얼마나 정확한지 나타냄

- 정밀도를 높이려면 FP를 낮추어야 함.

- 0 ~ 1 사이의 값을 가짐. 1에 가까울수록 좋다.

- 정밀도 = TP / (TP + FP)

* 재현율(Recall) (=민감도, Sensitivity)(=TPR, True Positive Rate)

- 실제 값이 Positive인 대상 중에 예측과 실제 값이 Positive로 일치한 데이터 비율

- 분류 모델이 실제 Positive 클래스를 얼마나 빠지지 않고 잡아내는지 나타냄

- 재현율을 높이려면 FN을 낮추어야 함.

- 0 ~ 1 사이의 값을 가짐. 1에 가까울수록 좋다.

- 재현율 = TP / (TP + FN)

* 특이도(Specificity)(= TNR, True Negative Rate)

- 실제 값이 Negative인 대상 중에 예측과 실제 값이 Negative로 일치한 데이터 비율

- 특이도 = TN / (TN + FP)

* F1 Score

- 정밀도와 재현율을 결합한 지표.

- 정밀도와 재현율의 맹점을 보완하기 위해 만들어짐

+ Positive 예측의 임계값을 변경함에 따라 정밀도와 재현율의 수치가 변경되는데, 이러한 변경은 업무 환경에 맞게 두 개의 수치를 상호 보완할 수 있는 수준에서 적용돼야 함. 즉 둘 중 하나만 강조하면 안된다는 뜻

- 클래스가 불균형된 데이터에서 주요 평가지표로 사용함

- 정밀도와 재현율이 한쪽으로 치우치지 않을 때 상대적으로 큰 값을 가짐

- F1 = 2 × 정밀도 × 재현율 / 정밀도 + 재현율

* ROC 곡선(Receiver Operation Characteristic Curve)

- 수신자 판단 곡선

- 머신러닝 이진 분류 모델의 예측 성능을 판단하는 중요한 평가 지표

- FPR(False Positive Rate)이 변할 때 TPR(True Positive Rate)이 어떻게 변하는지를 나타내는 곡선

+ FPR을 x축으로, TPR을 Y축으로 잡는다 -> FPR 변화에 따른 TPR 변화가 곡선 형태로 나타남.

- 대각선을 기준으로 좌상단으로 붙어있는 ROC 곡선일수록 성능이 뛰어난 것

* AUC(Area Under Curve)

- ROC 곡선 밑의 면적을 구한 것

- 분류의 성능 지표로 사용되는 것은 ROC 곡선 면적에 기반한 AUC 값

- 1에 가까울수록 좋은 수치

- AUC 수치가 커지려면 FPR이 작은 상태에서 얼마나 큰 TPR을 얻을 수 있느냐가 관건

- 대각선 직선이 랜덤 수준의 이진 분류 AUC값 0.5이기 때문에 보통의 분류는 0.5 이상의 AUC 값을 가짐.

Feature Enginering

jsys — Mon, 19 Feb 2024 17:45:25 +0900

데이터 가공 및 변환 : 모든 데이터를 숫자로 변경하는 것이 중요

- 데이터 가공 정의 : Raw 데이터를 적절하게 변환
- 데이터 전처리 정의 : Raw 데이터를 적절하게 처리

-> 둘의 차이가 무엇인가? 헷갈림
Feature Enginerring 용어를 사용함. 데이터 전처리

1차적으로 데이터 가공을 함. : 쓰지 않을 컬럼 삭제/행 추출(예: 조건문 부여, 이상치 제거)/파생 변수

Feature Engineering : 인코딩 변환(문자 컬럼을 숫자로 변경)

Feature Scaling : 숫자 컬럼을 적절하게 표준화, 정규화)
주성분 분석(PCA)(숫자 컬럼을 적절하게 줄여주는 역할, 차원축소)
요인분석(Factor Analysis)(숫자 및 문자 컬럼을 적절하게 줄여주는 역할)

하이퍼 파라미터 - Grid Search, Random Search

jsys — Mon, 19 Feb 2024 17:44:26 +0900

* 하이퍼 파라미터

: 머신러닝 알고리즘을 구성하는 주요 구성 요소. 모델의 학습 과정이나 구조를 제어하는 매개변수로, 이 값을 조정해 알고리즘의 예측 성능을 개선할 수 있다.

-> 학습 알고리즘들은 각각 다른 하이퍼 파라미터를 가지게 되는데, 모델은 주어진 하이퍼 파라미터를 가지고 데이터를 학습하게 된다.(ex. 의사 결정 트리의 최대 깊이, 랜덤 포레스트의 트리 개수 등)

* Grid Search

: 가능한 모든 하이퍼파라미터 조합을 시도하여 최적의 조합을 찾는 방법. 촘촘하게 파라미터를 입력하면서 테스트를 하는 방식

> 주어진 각 하이퍼파라미터에 대해 미리 정의된 값의 그리드(격자)를 만들고, 이 그리드의 모든 조합을 탐색함
> 각 조합에 대해 교차 검증을 사용하여 모델을 평가하고, 최적의 하이퍼파라미터 조합을 선택한다.
> 순차적으로 파라미터를 테스트하므로 수행시간이 상대적으로 오래 걸린다.

> Scikit-learn 라이브러리가 GridSearchCV라는 함수를 제공

> 다음은 결정 트리 알고리즘의 최적화 파라미터를 순차적으로 적용해 붓꽃 데이터를 예측 분석하는 데 GridSearchCV를 이용한 예제이다.

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import GridSearchCV

# 데이터를 로딩하고 학습데이터와 테스트 데이터 분리
iris_data = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris_data.data, iris_data.target, 
                                                    test_size=0.2, random_state=121)
dtree = DecisionTreeClassifier()

# 파라미터를 딕셔너리 형태로 설정
parameters = {
    "max_depth" : [1, 2 ,3],
    "min_samples_split" : [2, 3]
}

>> max_depth와 min_sample_split의 값을 변화시키면서 최적화를 진행

import pandas as pd

# Grid Search
grid_dtree = GridSearchCV(dtree, param_grid = parameters, cv = 3, refit=True)  # 가장 좋은 파라미터 설정으로 재학습 시킴

# Grid Search 학습
grid_dtree.fit(X_train, y_train)

# GridSearchCV 결과 추출
scores_df = pd.DataFrame(grid_dtree.cv_results_)
scores_df

>> 학습 데이터 세트를 GridSearchSV 객체의 fit 메서드에 인자로 입력

* param_grid : key+리스트 값을 가지는 딕셔너리가 주어짐. 파라미터명과 사용될 여러 파라미터 값 지정

* cv : Cross Validation의 약자. 교차 검증을 위해 분할되는 학습/테스트 세트의 개수를 지정

* refit : 디폴트가 True로, True이면 가장 최적의 하이퍼 파라미터 설정으로 재학습시킴.

>> 결과 칼럼별 의미

params : 수행할 때마다 적용된 개별 하이퍼 파라미터값

rank_test_score : 하이퍼 파라미터별로 성능이 좋은 socre 순위를 나타냄. 1이 가장 뛰어난 순위

mean_test_score : 개별 하이퍼 파라미터별로 CV의 폴딩 테스트 세트에 대해 총 수행한 평가 평균값

# 최적의 파라미터
grid_dtree.best_params_

>> out:

{'max_depth': 3, 'min_samples_split': 2}

# 최고 정확도
grid_dtree.best_score_

>> out:

0.975

>> max_depth가 3, min_samples_split가 2일 때 평균 최고 정확도가 97.50%

estimator = grid_dtree.best_estimator_  # 재학습
pred = estimator.predict(X_test)
accuracy_score(y_test, pred)

>> out:

0.9666666666666667

>> 테스트 데이터 세트의 정확도가 약 96.67%라는 결과가 도출됨

* Random Search

: 하이퍼파라미터 공간에서 무작위로 조합을 선택하여 최적의 조합을 찾는 방법.

> 미리 지정된 횟수나 시간 동안 무작위로 하이퍼파라미터를 샘플링하여 모델을 평가함.

> Random Search는 하이퍼파라미터로 시도할 숫자의 구간과, 횟수를 정해준다.(Grid Search는 실험할 하이퍼파라미터들을 명시적으로 정해줘야 함)
> Grid Search와 달리 모든 조합을 탐색하지 않기 때문에 계산 비용이 덜 들 수 있음.
> 무작위로 샘플링하기 때문에 어떤 경우에는 Grid Search보다 더 나은 성능을 보일 수 있다. 특히 하이퍼파라미터의 중요도나 상호작용이 불분명한 경우에 유용하다.

(Grid를 만들어서 하이퍼파라미터를 찾는 것보다, 랜덤으로 숫자를 뽑아서 그걸 하이퍼파라미터로 시도해보는 것이 더 좋은 성능의 모델을 찾는 확률을 높일 수 있다는 것)
> Scikit-learn의 RandomSearchCV라는 함수를 활용하면 짧은 코드로도 Random Search를 구현할 수 있음

* Grid Search VS Random Search

(참고: https://www.linkedin.com/pulse/tale-hyperparameter-tuning-random-search-cv-grid-swaroop-piduguralla)

Random Search CV: 조합을 무작위로 샘플링하여 탐색에 중점을 둔다. (더 넓은 범위 탐색 가능)

Grid Search CV: 모든 조합을 체계적으로 평가한다. (지정된 범위 내 철저한 탐색 가능)

>> 검색 공간이 큰 경우 Random Search CV가 더 효율적/ 검색 공간이 상대적으로 작고 계산이 가능한 경우 Grid Search CV

>> Random Search CV는 조합을 무작위로 선택하기 때문에 최상의 하이퍼파라미터 세트를 찾을 수 없을 가능성이 있다./ 반면에 Grid Search CV는 지정된 그리드 내에서 최적의 설정을 찾을 가능성이 높다.

PyCaret Windows 10 아나콘다 설치

jsys — Wed, 14 Feb 2024 10:37:14 +0900

PyCaret 설치

1. Anaconda Prompt를 관리자로 실행한다.

2. 아래 명령어로 conda 환경이 잘 작동되는지 확인한다.

conda --version

>> 이렇게 버전이 뜨면 된다.

3. conda 가상환경을 만든다.

conda create --name ml_pycaret python=3.10

>> 여기서 ml_pycaret은 폴더명임

4. conda 가상환경에 접속한다.

conda activate ml_pycaret

5. 아래 명령어를 통해 pycaret을 설치한다.

pip install pycaret

설치가 잘 되면 끝

Jupyter lab 실행

1. 폴더 경로로 접속한다.

cd "C:\Users\jeong\Desktop\ml_pycaret"

>> 형식 : cd "폴더 경로"

2. 아래 명령어를 입력하여 jupyter lab을 설치한다.

conda install -c conda-forge jupyterlab

3. jupyter lab을 실행한다.

import pycaret
pycaret.__version__

import lightgbm
lightgbm.__version__

>> 위와 같이 pycaret과 lightgbm 버전을 확인하여 설치가 잘 되었는지 확인한다.

>> 이렇게 나오면 된다.

환경 변수 설정으로 API 키 숨기기

jsys — Thu, 1 Feb 2024 14:59:08 +0900

환경변수 이용한 API 크롤링을 할 때, 깃허브 등 온라인에 코드 업로드 시 API 인증키에 대한 보안을 유지하기 위해 환경 변수를 설정해야 한다. (이 외에 DB username, password 등 민감한 정보를 사용할 때 설정함)

*** 그 전에 .env와 .streamlit을 이용해야 하므로 .gitignore에 해당 폴더 등을 사전에 미리 정의해서 업로드 한 후 진행한다.(깃허브에 커밋되지 않게 하는 것)

>> 위와 같이 입력해준다.(없는 것만 작성하면 됨)

git add .gitignore

>> 이후 git commit & push하면 된다.

1. python-dotenv 이용

>> 프로젝트 폴더 내에 .env 파일을 생성한다.

pip install python-dotenv

>> python-dotenv 라이브러리를 설치한다.

>> .env 파일에 사용할 인증키를 정리한다.

from dotenv import load_dotenv
import os

>> 라이브러리를 불러온다.

load_dotenv()  # .env 파일 활성화

SERVICE_KEY = os.getenv('SERVICE_KEY')  # SERVICE_KEY 값 가져오기
print(SERVICE_KEY)

>> print를 이용해 확인해보면 env 파일에 있는 값이 불러와졌음을 알 수 있음

2. Streamlit Secerets Management 활용

Streamlit 배포의 경우 .streamlit/secrets.toml 파일을 생성하여 환경 변수를 정의할 수 있고, 이 파일은 Streamlit 클라우드로 배포할 때 Streamlit에 의해 자동으로 처리되어 환경 변수로 사용됨

(1) Streamlit 앱에서 환경 변수 접근하기

>> Streamlit 접속 후 "New app"을 누르고 정보 입력하고 Advanced settings 누른다.

>> Secrets에 인증키를 입력하면 된다.

(2) secrets.toml 파일 생성

>> .streamlit 폴더에 secrets.toml 파일 생성하고 여기에 인증키를 입력한다.

# secrets.toml
[api_credentials]
SERVICE_KEY = "api_key"

import streamlit as st
st.write(st.secrets["api_credentials"]["SERVICE_KEY"])

>> api 키 값이 출력되는 것을 확인할 수 있다.

git push 에러

jsys — Tue, 30 Jan 2024 18:02:40 +0900

파일을 수정하고 git push를 했는데 다음과 같은 에러 메시지가 떴다.

>> git status로 확인해보면 push 없이 commit을 3번 했다는 것을 알 수 있음

(직역하면 브랜치가 main보다 3 커밋 앞서있다)

git reset --soft HEAD~숫자

>> 쌓인 commits 횟수를 위 코드 숫자 부분에 넣으면 됨

>> 위의 경우에 3 commits이었으므로 3으로 써줌

reset 명령으로 git commit 명령을 되돌렸으므로 다시 진행하면 된다.

* 참고 링크

- Git 도구: Reset 명확히 알고 가기, https://git-scm.com/book/ko/v2/Git-%EB%8F%84%EA%B5%AC-Reset-%EB%AA%85%ED%99%95%ED%9E%88-%EC%95%8C%EA%B3%A0-%EA%B0%80%EA%B8%B0#r_git_reset

Git - Reset 명확히 알고 가기

지금까지 reset 명령을 실행하는 기본 형태와 사용 방법을 살펴봤다. reset 명령을 실행할 때 경로를 지정하면 1단계를 건너뛰고 정해진 경로의 파일에만 나머지 reset 단계를 적용한다. 이는 당연한

git-scm.com

- Git 명령어 중급편 - Data Science | DSChloe

Git 명령어 중급편

개요 커밋을 하기 전에 확인해야 할 기본적인 명령어 등을 확인해본다. tracked 상태의 파일을 untracked 상태로 변경하는데, 스테이지에 등록하는 것과 반대 과정이라고 보면 된다. stage 상태에 있는

dschloe.github.io

[Streamlit] Input widgets(예시/연습)

jsys — Mon, 29 Jan 2024 20:38:27 +0900

* 참조 링크

Input widgets - Streamlit Docs

Streamlit Docs

Join the community Streamlit is more than just a way to make data apps, it's also a community of creators that share their apps and ideas and help each other make their work better. Please come join us on the community forum. We love to hear your questions

docs.streamlit.io

* 라이브러리 불러오기

# -*- coding:utf-8 -*-
import streamlit as st
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.graph_objects as go

1. st.slider

* 형식 : st.slider('라벨', 최소값, 최대값, 초기값, 스텝)

> 라벨 : 슬라이더 옆에 표시될 설명

> 스텝 : 슬라이더 값이 변경되는 간격, 생략 가능, 기본값 1

@st.cache_data
def cal_sales_revenue(price, total_sales):
    revenue = price * total_sales

    return revenue

def main():
    st.title("Button Widget")
    price = st.slider("단가:", 100, 10000, value = 5000)
    total_sales = st.slider("전체 판매 갯수:", 1, 1000, value = 500)

    st.write(price, total_sales)

    if st.button("매출액 계산"):
        revenue = cal_sales_revenue(price, total_sales)
        st.write(revenue)

>> 버튼을 누르면 슬라이더를 통해 선택된 price와 total_sales를 곱해 매출액을 계산하도록 함(cal_sales_revenue)

2. st.checkbox

st.title("Check Box Control")
    x = np.linspace(0, 10, 100)
    y = np.sin(x)

    show_plot = st.checkbox("시각화 보여주기")
    st.write(show_plot)

    fig, ax = plt.subplots()
    ax.plot(x,y)

    if show_plot:  # 체크박스 클릭이 되면 시각화 보여주기
        st.pyplot(fig)
    else:
        st.write("안녕, ")

>> 체크박스 클릭이 되면 시각화를 보여주고, 클릭이 되지 않으면 "안녕,"이라는 텍스트가 보이게 함

3. st.radio

# 데이터 불러오기
@st.cache_data
def load_data():
    df = sns.load_dataset('iris')
    return df
def plot_matplotlib(df):
    st.title('Scatter Plot with Matplotlib')
    fig, ax = plt.subplots()
    ax.scatter(df['sepal_length'], df['sepal_width'])
    st.pyplot(fig)
def plot_seaborn(df):
    st.title('Scatter Plot with Seaborn')
    fig, ax = plt.subplots()
    sns.scatterplot(df, x = 'sepal_length', y = 'sepal_width')
    st.pyplot(fig)
def plot_plotly(df):
    st.title('Scatter Plot with Plotly')
    fig = go.Figure()
    fig.add_trace(
        go.Scatter(x = df['sepal_length'],
                   y = df['sepal_width'],
                   mode='markers')
    )
    st.plotly_chart(fig)

plot_type = st.radio(
        "어떤 스타일의 산점도를 보고 싶은가요?",
        ("Matplotlib","Seaborn","Plotly")
    )

    st.write(plot_type)
    
if plot_type == "Matplotlib":
        plot_matplotlib(iris)
    elif plot_type == "Seaborn":
        plot_seaborn(iris)
    elif plot_type == "Plotly":
        plot_plotly(iris)
    else:
        st.write("Error!!")

    st.title("SelectBox 사용")

>> st.radio로 Matplotlib, Seaborn, Plotly 중 하나를 선택할 수 있게 하고 그에 맞는 차트를 보여줌

4. st.selectbox

# 행 추출
    st.write(iris.species.unique())
    val = st.selectbox("1개의 종을 선택하세요!!", iris.species.unique())
    st.write("선택된 species:", val)

    result = iris.loc[iris['species'] == val, :].reset_index(drop=True)
    st.data_editor(result)

>> 선택된 종에 해당하는 자료만 보여줌

5. st.multiselect

    cols = st.multiselect("복수의 컬럼을 선택하세요!!", iris.columns)
    st.dataframe(iris.loc[:, cols])

>> 두 개의 컬럼을 선택하면 그 자료만 보여줌

* st.data_editor

Data elements

데이터를 수정할 수 있음

st.title("라이브러리 선택")
    iris = load_data()
    st.data_editor(iris)

>> 위 코드는 특정 열을 선택하면 데이터가 그에 따라 정렬됨

if __name__ == "__main__":
    main()