streamlit의 기본적인 사용법도 정리를 해야하는데,, 뭔가 순서가 꼬인 느낌,, 그래도 배포하는 방법 자체는 어렵지 않으니 이번에 그린 plotly 그래프를 stramlit에 배포를 해보겠습니다. 먼저 알아야 할 건 streamlit을 배포하면 github에 있는 것을 기준으로 배포가 되기 때문에 현재 진행 상황을 바로바로 업데이트를 할 수 없고, github에 push를 진행해야 적용이 됩니다. 즉, github랑 연동해야한다는 이야기입니다. 그래서 github에 레포지토리를 만들고 clone을 해오겠습니다. 해당 방법은 여기에 정리되어 있습니다. https://hwdata.tistory.com/21 [Linux] github에 Linux 명령어 기반으로 작업하기 저번글에서 다뤘던 Linux 기본..

오늘 교육에서 개인적으로 streamlit을 사용하여 대시보드 배포하는 것을 연습하면서, plotly를 이용해서 그래프를 그려보았는데 그 그래프 그리는 것들에 대한 것을 정리해볼까 합니다. 단계로는 streamlit을 먼저 정리해야겠지만,, 그건 좀 더 익숙해질 필요가 있어 보입니다,, 이번에 사용한 데이터는 kaagle [https://www.kaggle.com/c/instacart-market-basket-analysis]에서 가져온 데이터이고, 데이터의 용량이 매우 크고 7개의 데이터 테이블이 있었기 때문에 제가 따로 joint를 하고 1만개의 데이터만 샘플링하여 진행했습니다. 먼저 사용된 데이터 컬럼만 설명을 하면 order_dow라는 컬럼은 Days of Week로 무슨 요일에 주문을 했는가? ..

1. 데코레이터(Decorator) 데코레이터(Decorator)는 함수나 메서드에 적용해, 해당 함수나 메서드의 기능을 확장하거나 변경하는 역할을 합니다. 데코레이터는 일반적으로 @기호로 시작하고, 함수 위에 위치합니다. 데코레이터는 기본적으로 함수를 인자로 받고, 또 다른 함수를 반환하는 고차 함수입니다. 아래는 데코레이터가 사용된 예시입니다. @st.cache_data # 데코레이터 def load_data(): #함수 선언 df=sns.load_dataset('iris') return df 2.데코레이터 작동 원리 작동원리에 코드는 '레벨업 파이썬' [https://wikidocs.net/160127] 을 참고했습니다. def hello(): print('hello') hello() 위와 같이 함..

$X_1,...,X_n$이 정규모집단 $N(\mu,\sigma^2)$으로부터의 확률표본일 때. 표본평균 $\overline{X}$에 대해서 $$\overline{X} \sim N(\mu,\frac{\sigma^2}{n}) , \frac{\overline{X}-\mu}{\sigma/\sqrt{n}} \sim N(0,1)$$ 이 성립하는데 $\mu$에 관한 통계적 추론에서 $\sigma$가 미지인 경우에는 $\sigma$ 대신에 표본표준편차 $S=\sqrt{\sum_{i=1}^{n}(X_i-\overline{X})^2/(n-1)}$을 대입하여 스튜던트화(studentized)된 확률변수 $$\frac{\overline{X}-\mu}{S/\sqrt{n}}$$ 의 분포를 필요로 하는 경우가 많다. 위와 같은 확..

저번글에서 다뤘던 Linux 기본 명령어와 함께 github에 작업한 파일들을 명령어 기반으로 처리하는 방법에 대해 정리해볼까합니다. 우선 연습할 repository를 하나 github에서 만들도록 하겠습니다. testrepo로 생성했습니다. 다음으로 git bash를 실행시켜줍니다. 바탕화면에서 빈 공간을 우클릭하면 git bash here이 뜹니다. 그리고 아까 만들었던 repository에 가서 링크를 복사해줍니다. 그리고 git bash에 git clone + 주소를 입력합니다. 그러면 repository에 있는 testrepo라는 디렉토리가 가장 상위 폴더에 생기며, 조회해보았을 때 아무것도 없는 github의 repository상태와 동일한 디렉토리가 생성됩니다. 이제 여기에 README.md..