import pandas as pd

df=pd.read_csv('data/review.csv')
review_data= df.drop(['이름', '성별'], axis=1)


x_train=df[['나이', '학점', '키']]
y_train = df['토익점수']

from sklearn.linear_model import LinearRegression

lr = LinearRegression().fit(x_train, y_train)

print('train set accuracy', lr.score(x_train, y_train))

df_test = pd.read_csv('data/review_test.csv')

x_test = df_test[['나이', '학점', '키']]
prediction = lr.predict(x_test)
prediction

lr.predict([(24,3.7,170)])

comparison = pd.DataFrame(y_train)
y_test = lr.predict(x_train)

comparison['나의 예측']=y_test
comparison

하반기 3주차 답안 정리

import pandas as pd

df=pd.read_csv('train.csv')
df_test=pd.read_csv('test.csv')

#<자율과제1> 
#step 1
C='Cabin'
df[C]=df[C].str[0]

df[C]=df[C].fillna('non')

df_test[C]=df_test[C].str[0]
df_test[C]=df_test[C].fillna('non')

df_test.isnull().sum()

# df[["PassengerId",C]]

#step2

df[C].value_counts()
df.loc[df[C]=='C',C]=0
df.loc[df[C]=='B',C]=1
df.loc[df[C]=='D',C]=2
df.loc[df[C]=='E',C]=3
df.loc[df[C]=='A',C]=4
df.loc[df[C]=='F',C]=5
df.loc[df[C]=='G',C]=6
df.loc[df[C]=='T',C]=7

df_test.loc[df_test[C]=='C',C]=0
df_test.loc[df_test[C]=='B',C]=1
df_test.loc[df_test[C]=='D',C]=2
df_test.loc[df_test[C]=='E',C]=3
df_test.loc[df_test[C]=='A',C]=4
df_test.loc[df_test[C]=='F',C]=5
df_test.loc[df_test[C]=='G',C]=6
df_test.loc[df_test[C]=='T',C]=7
df_test[C].value_counts()

3주차 레벨업 과제 

#이름 특징 추출하기, 이름으로 나이 평균 내기(빈칸을 더 현명하게 처리)

import pandas as pd

df=pd.read_csv('data/train.csv')
df_test=pd.read_csv('data/test.csv')

df.loc[df['Name'].str.contains('Mr\.'),'Name']='Mr'
df.loc[df['Name'].str.contains('Mrs\.'),'Name']='Mrs'
df.loc[df['Name'].str.contains('Miss\.'),'Name']='Miss'

df['Name']=df['Name'].map({
    'Mr': int(0),
    'Mrs': int(1),
    'Miss': int(2)
})

df['Name']=df['Name'].fillna(int(3))

df['Name'].value_counts()

# 평균내기

df['Age']=df['Age'].fillna(df.groupby('Name')['Age'].transform('mean'))

#여러 특성을 지닌 데이터의 Decision Tree

data = {
    'weight': [28, 2, 9, 6],
    'movable': [True, True, True, False],
    'category': ['animal', 'plant', 'animal', 'plant']
}
target_index=3
target_names=['1번','2번','3번','4번']
print(target_names[target_index],": 동/식물을 분류합니다.")

if (data['movable'][target_index]): #움직인다
    if (data['weight'][target_index]<=6):
        print('plant')
    else:
        print('animal')
else: #움직이지 못한다.
    print('plant')

#다른 트리 만들기
if data['weight'][target_index]<=6:
    print("plant")
else:
    print("animal")

#Cabin의 객실 특징 추출, 숫자 변환

df['Cabin']=df['Cabin'].str[0]

df['Cabin']=df['Cabin'].fillna('C')

df['Cabin']=df['Cabin'].map({
    'C':0,
    'B':1,
    'D':2,
    'E':3,
    'A':4,
    'F':5,
    'G':6,
    'T':7,
})
df['Cabin'].value_counts()

문제 1

data = {
    'weight': [28, 2, 9, 6],
    'movable': [True, True, True, False ],
    'category': ['animal', 'plant', 'animal', 'plant']
}

target_index = 2
target_names = ['1번생물', '2번 생물', '3번 생물', '4번 생물']

print(target_names[target_index], ': 동물/식물을 분류합니다.')


if data['movable'][target_index]:
    if data['weight'][target_index] <= 6: 
        print('plant')
    else: 
        print('animal')
else: 
    print('plant')

문제 2

target_index = 2
target_names = ['1번생물', '2번 생물', '3번 생물', '4번 생물']

print(target_names[target_index], ': 동물/식물을 분류합니다.')

if data['weight'][target_index]>=6:
    if data['movable'][target_index] == 'no':
        print('plant')
    else:
        print('animal')
else:
    print('plant')

복습문제

*** 연령대별 생존자/사망자 수 확인 및 차트 도출하기. 

1) 1단계 train 파일에 Age 항목은 중구난방으로 정리되어있기 때문에, 10년 단위로 재정리한다. 0세~9세: 0 / 10세~19세: 1 / 20세~29세: 2 / 30세~39세: 3/ 40세~49세:4/ 50세~ : 5 아래와 같은 결과를 도출한다. 

 2) 2단계 연령대별로 생존자 및 사망자수를 수집한다. 

제시된 표를 기반으로, Age = 0 & 사망자의 수는 24명이다. Age = 0 & 생존자의 수는 38명이다. Age = 3 & 사망자의 수는 94명이다. Age = 5 & 생존자의 수는 27명이다. 3열에 있는 숫자는 각 행의 사망자와 생존자를 더한 값이다. 

 3) 3단계 X축은 ‘Survived’, y축은 인원수로 하는 차트를 도출한다. 생존자 및 사망자의 상세 구분은 Age로 한다.