Interface Tool은 사용자와 Workflow 간의 상호작용을 가능하게 하는 도구의 집합이다. 사용자 인터페이스 요소를 쉽게 설계하기 위해 사용하며, 주로 사용자의 입력에 맞게 동적인 Workflow를 설계하기 위한 매크로를 제작할 때 사용한다.해당 포스팅은 간단한 계산식을 수행하는 Macro를 만들어보면서 기능의 이해를 돕는 목적으로 작성되었다. 1. Canvas를 클릭 후 좌측 Configuration 영역에서 Workflow - Macro - Standard Macro 설정 2. Tool Palette - Interface 탭 - Macro Input을 Canvas에 추가 3. Macro Input Configuration에서 Text Input - Edit Data 클릭 후 다음과 같이 데..
[Alteryx] Alteryx 소개 및 기초적인 사용법(Input, Select, Output)Alteryx란? Alteryx는 직관적인 UI와 Drag&Drop 방식의 워크플로우를 통해 간편하게 작업할 수 있는 데이터 분석 및 ETL 툴이다. 코딩 없이 데이터를 분석, 처리, 변환 할 수 있게 도와주는 툴이지만 기본xl-shine.tistory.comBrowse Tool Palette의 In/Out tab에 위치해있다. Browse Tool을 원하는 위치에 Drag&Drop하여 데이터를 연결해주고 실행하면 좌측 Configuration 영역에서 데이터 통계를 시각적으로 확인하고 분석할 수 있다. Workflow 중간 단계에서 데이터가 올바르게 변환되었는지 확인하거나 처리 완료된 데이터를 시각적으로 확..
Alteryx란? Alteryx는 직관적인 UI와 Drag&Drop 방식의 워크플로우를 통해 간편하게 작업할 수 있는 데이터 분석 및 ETL 툴이다. 코딩 없이 데이터를 분석, 처리, 변환 할 수 있게 도와주는 툴이지만 기본적인 SQL 지식이 있어야 워크플로우를 이해하기 쉽고, 활용성 측면에서도 SQL 로직 구현 유무에 따라 Output의 품질이 달라진다. 또한, 무료 툴이 아니다보니 개인적으로 사용할 때는 비용적인 측면에서 부담이 될 수 있다. 화면 구성Tool Palette - 영역에 있는 Tool들을 Canvas 영역에 Drag&Drop하여 Workflow를 작성할 수 있다.Canvas - Tool들을 연결해 Workflow를 설계, 작업하고, 데이터 흐름을 시각적으로 구성할 수 있다.Configu..
본 포스팅에서는 Feature engineering 실습을 위해 1차적으로 가공된 타이타닉 생존자 예측 데이터를 활욯했다.데이터 로딩import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns%matplotlib inlinetitanic = pd.read_csv('data/titanic.csv')titanic.info() 결측치 처리titanic.isnull().mean() 결측치를 조회해보면 Age, Cabin, Embarked라는 변수에서 결측치가 보인다. 나이는 평균으로 처리해주고, 다른 두 변수는 새로운 범주를 지정해준다. 결측치를 굳이 새로운 범주로 분리하는 가장 큰 이유는 결측치가 데이터 예측에..
Folium Folium은 leaflet.js를 기반으로 지도를 그려주는 Python 시각화 패키지이다. 모바일에서도 쓸 수 있을만큼 가볍고, pandas와 쉽게 연동하여 간편하게 시각화할 수 있다는 장점이 있다. 위치 좌표계 값을 이용해 지도 위에 시각화 할 수 있다. Map Folium의 Map 클래스를 통해 지도의 범위를 지정하고 표시할 수 있다. location 속성으로 나타내려는 지도의 정중앙 좌표를 설정할 수 있고, zoom_start 속성으로 배율을 설정할 수 있다. folium.Map.save()를 통해 설정된 지도를 html형식으로 저장 가능하다.import foliumm = folium.Map( location=[37.4918346,127.0202431], zoom_start..
seaborn은 matplotlib로 바로 그린 그래프보다 가독성이 좋고, 폭 넓은 커스터마이징이 가능해서 애용하는 시각화 라이브러리다. set_theme()를 통해 배경, 폰트와 같은 기본 설정을 할 수 있고, set_palette()를 통해 그래프 컬러 조합을 선택할 수 있다.seaborn palette 예시 Choosing color palettes — seaborn 0.13.0 documentationChoosing color palettes Seaborn makes it easy to use colors that are well-suited to the characteristics of your data and your visualization goals. This chapter discusse..
seaborn은 matplotlib로 바로 그린 그래프보다 가독성이 좋고, 폭 넓은 커스터마이징이 가능해서 애용하는 시각화 라이브러리다. set_theme()를 통해 배경, 폰트와 같은 기본 설정을 할 수 있고, set_palette()를 통해 그래프 컬러 조합을 선택할 수 있다.seaborn palette 예시 Choosing color palettes — seaborn 0.13.0 documentationChoosing color palettes Seaborn makes it easy to use colors that are well-suited to the characteristics of your data and your visualization goals. This chapter discusse..
seaborn은 matplotlib로 바로 그린 그래프보다 가독성이 좋고, 폭 넓은 커스터마이징이 가능해서 애용하는 시각화 라이브러리다. set_theme()를 통해 배경, 폰트와 같은 기본 설정을 할 수 있고, set_palette()를 통해 그래프 컬러 조합을 선택할 수 있다.seaborn palette 예시 Choosing color palettes — seaborn 0.13.0 documentationChoosing color palettes Seaborn makes it easy to use colors that are well-suited to the characteristics of your data and your visualization goals. This chapter discusse..
seaborn은 matplotlib로 바로 그린 그래프보다 가독성이 좋고, 폭 넓은 커스터마이징이 가능해서 애용하는 시각화 라이브러리다. set_theme()를 통해 배경, 폰트와 같은 기본 설정을 할 수 있고, set_palette()를 통해 그래프 컬러 조합을 선택할 수 있다.seaborn palette 예시 Choosing color palettes — seaborn 0.13.0 documentationChoosing color palettes Seaborn makes it easy to use colors that are well-suited to the characteristics of your data and your visualization goals. This chapter discusse..
seaborn은 matplotlib로 바로 그린 그래프보다 가독성이 좋고, 폭 넓은 커스터마이징이 가능해서 애용하는 시각화 라이브러리다. set_theme()를 통해 배경, 폰트와 같은 기본 설정을 할 수 있고, set_palette()를 통해 그래프 컬러 조합을 선택할 수 있다.seaborn palette 예시 Choosing color palettes — seaborn 0.13.0 documentationChoosing color palettes Seaborn makes it easy to use colors that are well-suited to the characteristics of your data and your visualization goals. This chapter discusse..
