20201120 DAY16 외부데이터 가져오기

pd.read_csv() csv 파일을 읽어들인다. 

head() 첫 5개 행을 반환한다(이때까진 보통 확인용으로 많이 썼던 함수).

info() 데이터프레임에 대한 간결한 요약을 출력한다. 로우/컬럼의 갯수나 데이터 타입 같은 걸 알려준다. 

value_counts() 한국어로는 범주형 특성의 각 유형값의 개수를 반환한다... 고 되어 있는데 return a series containing counts of unique values라고 하면 유일한 값의 수를 가지는 집합을 반환한다는 뜻이니까, 데이터가 만약 AAABBCC 이렇게 있으면 A 3, B 2, C 1 이런 식으로 출력해 주는 것 같다.

추가: 이게↑ 정확히 무슨 뜻인가 하고 구글링을 하다 보니 unique() 라는 함수로 유일한 값을 찾을 수 있다는 것도 알아서 여기에 적어둔다. 

describe() 기술통계 정보를 제공한다. 

출처: 《핸즈온 머신러닝》 2판(자료는 멘토님이 제공해주심)

---

아무튼 원본 코드(18행까지는 어제와 같고 20행부터 이어짐)

 

import os
import tarfile
import urllib
 
DOWNLOAD_ROOT = "https://raw.githubusercontent.com/rickiepark/handson-ml2/master/"
HOUSING_PATH = os.path.join("datasets", "housing") 
HOUSING_URL = DOWNLOAD_ROOT + "datasets/housing/housing.tgz"
 
def fetch_housing_data(housing_url = HOUSING_URL, housing_path = HOUSING_PATH):
    if not os.path.isdir(housing_path):
        os.makedirs(housing_path)
    tgz_path = os.path.join(housing_path, "housing.tgz")
    urllib.request.urlretrieve(housing_url, tgz_path)
    housing_tgz = tarfile.open(tgz_path)
    housing_tgz.extractall(path=housing_path)
    housing_tgz.close()
 
fetch_housing_data()
 
import pandas as pd
 
def load_housing_data(housing_path = HOUSING_PATH):
    csv_path = os.path.join(housing_path, "housing.csv")
    return pd.read_csv(csv_path)
 
housing=load_housing_data()
 
housing.head()
housing.info()
housing["ocean_proximity"].value_counts()
housing.describe()

결과는 이렇다.

 

크게 잘 보고 싶어서 라인마다 셀을 바꿔서 써봤다.

housing의 기술통계 정보.