[머신러닝 기초] 수치형 자료의 요약

수치형 자료는 말 그대로 표에서 숫자로 나타나 있는 자료들을 뜻한다. 

카페별 아메리카노의 카페인 함량

자료들에 적힌 수치값들을 활용하여 데이터를 분석하고자 할때, 우선적으로 요약을 해주면 보다 쉽게 데이터들에 접근하고, 분석하기도 쉽다. 

 

1. 평균 계산 함수 

첫째는 누구나 잘 알고 있는 평균이다. numpy 라이브러리의 np.mean 함수는 평균을 계산하여 리턴시켜준다. 

mean = np.mean(array)

입력으로는 따로 우리가 정의해준 numpy array만을 받을 수 있다. 일반적인 array로 배열을 정의해주면 error가 뜨니 조심해줘야 할 것 같다. 

import numpy as np

coffee = np.array([202,177,121,148,89,121,137,158])

"""
1. 평균계산
"""
cf_mean = np.mean(coffee)

# 소수점 둘째 자리까지 반올림하여 출력합니다. 
print("Mean :", round(cf_mean,2))

우선, numpy의 라이브러리를 import 해오고, 이를 'np'라는 약자로 사용하기로 정의해준 뒤에 카페별 아메리카노의 카페인 함량이 값으로 들어가 있는 numpy array를 정의한다. 

그 후에, 위의 평균 계산 함수로 평균값을 cf_mean에 저장한 후에, 반올림하는 round 함수를 사용하여 출력했다. 

 

소수점을 n번째 까지만 표현하고 반올림을 하고싶을때, round 함수를 사용하면된다.

round(실수, n)

 위에서는 n에 2의 값을 넣어주었으니, 소수점 둘째짜리까지 반올림해서 출력해주겠다는 뜻이 되겠다. 

 

2. 표준편차 계산 함수 

from statistics import stdev
import numpy as np

coffee = np.array([202,177,121,148,89,121,137,158])

"""
1. 표준편차 계산
"""
cf_std = stdev(coffee)

# 소수점 둘째 자리까지 반올림하여 출력합니다. 
print("Sample std.Dev : ", round(cf_std,2))

두번째는 표준편차를 계산하는 함수이다. 

사실 표준편차의 개념은 이과생이기에 누구보다 잘 알고 있었지만, 왜 편차의 제곱의 평균에 제곱근까지 씌우는 이상한 짓을 하는지는 이번에 알게 되었다. 

표에 나와있는 수치값과 단위를 동일하게 맞추어주기 위해 제곱근을 씌워준거라고 한다. 참 신기했다. 

 

위의 코드블럭을 보면, 우리는 표준편차 함수만을 이용할 것이기에

from statistics import stdev

import statistics as st

from이 들어간 첫번째 문장을 사용했지만, 표준편차와 더불어 statistics 라이브러리 내의 여러가지 함수들을 쓰고 싶다면 두번째 문장처럼 정의를 한 후에, 

cf_std = st.stdev(coffee)

라고 stdev 앞에 st를 붙여서 표현해주는 것이 더 좋은 방법 일 것 같다. 

 

3. 히스토그램

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

coffee = np.array([202,177,121,148,89,121,137,158])

fig, ax = plt.subplots()

"""
1. 히스토그램을 그리는 코드 작성하기
"""

plt.hist(coffee, bins=5)

이번에는 import해야 하는 라이브러리가 3개나 된다. 추가된 것은 matplotlib.pyplot 인데, 이는

파이썬에서 데이타를 차트나 플롯(Plot)으로 그려주는 라이브러리 패키지로서 가장 많이 사용되는
데이타 시각화(Data Visualization) 패키지로 알려져 있다.

fig, ax = plt.subplots() 는 첫 번째 포스트에 설명한 문장을 그대로 사용했고, 

plt.hist(coffee, bins=5) 는 numpy array에 있는 값들을 이용해 히스토그램을 그리되, 

bins 옆에 적힌 숫자는 우리가 정의할 계급의 수를 의미한다. 

아래 두 그림은 bins 값이 3일 때와 5일 때를 비교한 것이다. 

bins = 3일때, 히스토그램의 형태

bins = 5일때, 히스토그램의 형태

자료들을 더 세분화하고 싶을 때, bins의 값을 크게 조정하여 여러 계급을 가진 히스토그램을 만들어주는게 좋을 것 같다. 

 

오늘은 여러가지 수치형 자료들을 요약하는 방법에 대해 배워봤다.

다음시간에는 머신러닝에 필요한 데이터 형태를 만들기 위한 다양한 전 처리 방식에 대해 공부해보겠다!😋