축별 통계

Coddy Machine Learning 여정의 데이터와 시각화 섹션에 포함된 레슨. 60개 중 12번째.

카페 두 곳에서 3일 동안 판매한 커피 수를 기록했습니다. 카페마다 한 행씩, 날짜마다 한 열씩입니다. 축은 더할 방향을 선택합니다:

카페 2곳, 날짜 3일로 구성된 컵 수 표. 화살표는 각 열을 따라 아래로 향해 날짜별 합계 80, 85, 60을 나타내고, 각 행을 따라 가로로 향해 카페별 합계 99, 126을 나타냅니다

이름으로 전달합니다:

cups = np.array([[30, 45, 24],
                 [50, 40, 36]])
print(cups.sum(axis=0))
print(cups.sum(axis=1))

다음과 같이 출력됩니다:

[80 85 60]
[ 99 126]

이름을 지정한 축은 사라집니다. axis=0은 행을 접어 없애고 열마다 하나의 결과를 남깁니다. ML 데이터에서는 특성마다 숫자 하나가 남습니다.

.argmax()는 가장 큰 값이 어디에 있는지 알려줍니다: cups.sum(axis=0).argmax()는 1이므로 화요일입니다.

챌린지

쉬움

한 체육관에서 4주 동안 방문자 수를 기록했습니다. visits에서 각 행은 한 주를 나타내고 각 열은 요일을 나타내며, 요일 이름은 days에 있습니다. 다음을 출력하세요:

Per weekday: 각 요일의 평균.
Per week: 각 주의 평균.
Busiest day: 평균이 가장 높은 요일의 이름.

평균을 소수점 이하 2자리까지 반올림하세요. 데이터가 2주 치 있는 체육관의 경우:

Per weekday: [42.  51.  46.  63.5 70.5]
Per week: [53.6 55.6]
Busiest day: Fri

직접 해보기

import numpy as np

days = ["Mon", "Tue", "Wed", "Thu", "Fri"]
visits = np.array([[52, 61, 48, 70, 66],
                   [58, 65, 51, 74, 69],
                   [49, 60, 47, 69, 71],
                   [55, 57, 50, 72, 60]])

# 아래에 코드를 작성하세요