분류 전체보기 (291) 썸네일형 리스트형 파이참으로 YOLOv5 모델 학습 with Custom dataset Custom dataset을 활용하여 pycharm으로 YOLO v5 모델을 통한 프로젝트를 진행하는 내용에 대해 작성해보겠습니다. 이번 프로젝트에서는 일반적인 캔(음료수캔, 커피캔, 맥주캔)과 부탄캔 이미지를 분류하는 작업을 수행하였습니다. 1. 이미지 데이터 구하기 프로젝트를 진행하기 위해 먼저 일반적인 캔(이하 일반캔)과 부탄캔 이미지를 수집하였습니다. 일반캔의 경우 한국지능정보사회진흥원에서 운영하는 AI허브의 생활 폐기물 이미지 중 캔류에서 원천 데이터를 얻어내었고, 부탄캔 이미지의 경우 직접 촬영하거나 인터넷에 있는 이미지 데이터를 수집해서 활용하였습니다. AI-Hub 자세히보기 AI 허브가 추천하는 검색어입니다. 태그를 클릭하여 검색결과를 확인하세요. aihub.or.kr 2. 데이터 라벨링하.. 6장 자유자재로 데이터 가공하기 (5) 6-6 집단별로 요약하기 '집단별 평균'이나 '집단별 빈도'처럼 각 집단을 요약한 값을 구할 때는 df.groupby(), df.agg()를 사용 집단별로 요약하기 전체 요약 통계량 구하기 exam.agg(mean_math = ('math', 'mean')) 집단별 요약 통계량 구하기 exam.groupby('nclass').agg(mean_math = ('math', 'mean')) ※ 변수를 인덱스로 바꾸지 않기 exam.groupby('nclass', as_index = False).agg(mean_math = ('math', 'mean')) agg()에 자주 사용하는 요약 통계량 함수 ※ 모든 변수의 요약 통계량 한 번에 구하기 exam.groupby('nclass').mean() mpg.quer.. 6장 자유자재로 데이터 가공하기 (4) 6-4 순서대로 정렬하기 df.sort_values() 이용 오름차순으로 정렬하기 exam.sort_values('math') 내림차순으로 정렬하기 exam.sort_values('math', ascending = False) 여러 정렬 기준 적용하기 exam.sort_values(['nclass', 'math']) exam.sort_values(['nclass', 'math'], ascending = [True, False]) 혼자서 해보기 - mpg 데이터를 이용해 분석 문제를 해결해 보세요 Q1 'audi'에서 생산한 자동차 중에 어떤 자동차 모델의 hwy(고속도로 연비)가 높은지 알아보려고 합니다. 'audi'에서 생산한 자동차 중 hwy가 1~5위에 해당하는 자동차의 데이터를 출력하세요 mpg... 6장 자유자재로 데이터 가공하기 (3) 6-3 필요한 변수만 추출하기 변수 추출하기 데이터 프레임명 뒤에 []를 입력한 다음 추출한 변수명을 따옴표로 감싸서 입력 exam['math'] """ 0 50 1 60 2 45 3 30 4 25 5 50 6 80 7 90 8 20 9 50 10 65 11 45 12 46 13 48 14 75 15 58 16 65 17 80 18 89 19 78 Name: math, dtype: int64 """ exam['english'] """ 0 98 1 97 2 86 3 98 4 80 5 89 6 90 7 78 8 98 9 98 10 65 11 85 12 98 13 87 14 56 15 98 16 68 17 78 18 68 19 83 Name: english, dtype: int64 """ exam[['ncla.. 6장 자유자재로 데이터 가공하기 (2) 6-2 조건에 맞는 데이터만 추출하기 여러 조건 중 하나 이상 충족하는 행 추출 # 수학 점수가 90점 이상이거나 영어 점수가 90점 이상인 경우 exam.query('math >= 90 or english >= 90') #영어 점수가 90점 미만이거나 과학 점수가 50점 미만인 경우 exam.query('english < 90 | science < 50') 목록에 해당하는 행 추출하기 # 1,3,5반에 해당하면 추출 exam.query('nclass == 1 or nclass == 3 or nclass == 5') exam.query('nclass in [1,3,5]') 추출한 행으로 데이터 만들기 # nclass가 1인 행 추출해 nclass1에 할당 nclass1 = exam.query('nclas.. 6장 자유자재로 데이터 가공하기 (1) 6-1 데이터 전처리-원하는 형태로 데이터 가공하기 데이터 전처리 (data preprocessing) : 분석에 적합하게 데이터를 가공하는 작업 일부를 추출하거나, 종류별로 나누거나, 여러 데이터를 합치는 등 데이터를 자유롭게 가공할 수 있어야 목적에 맞게 사용 가능 데이터 가공, 데이터 핸들링, 데이터 랭글링, 데이터 먼징이 비슷한 의미로 사용 pandas를 이용해 데이터를 가공하는 방법 6-2 조건에 맞는 데이터만 추출하기 pandas의 df.query()를 사용하면 원하는 데이터를 추출 가능 조건에 맞는 데이터만 추출하기 import pandas as pd exam = pd.read_csv('exam.csv') exam #exam에서 nclass가 1인 경우만 exam.query('nclass =.. 5장 데이터 분석 기초! - 데이터 파악하기, 다루기 쉽게 수정하기 (3) 정리하기 # 1. 패키지 로드 import pandas as pd import numpy as np # 2. 데이터 불러오기 mpg = pd.read_csv('mpg.csv') # 3. 데이터 파악하기 mpg.head() # 데이터 앞부분 mpg.tail() # 데이터 뒷부분 mpg.shape # 행, 열 수 mpg.info() # 속성 mpg.describe() # 요약 통계량 # 4. 변수명 바꾸기 mpg = mpg.rename(columns = {'manufacturer' : 'company'}) # 5. 파생변수 만들기 mpg['total'] = (mpg['cty'] + mpg['hwy'])/2 # 변수 조합 mpg['test'] = np.where(mpg['total'] >= 20, 'pass'.. 5장 데이터 분석 기초! - 데이터 파악하기, 다루기 쉽게 수정하기 (2) 5-2 변수명 바꾸기 변수명 바꾸기 1. 데이터 프레임 만들기 df_raw = pd.DataFrame({'var1' : [1,2,1], 'var2' : [2,3,2]}) df_raw 2. 데이터 프레임 복사본 만들기 df_new = df_raw.copy() df_new 3. 변수명 바꾸기 df_new = df_new.rename(columns = {'var2':'v2'}) df_new 혼자서 해보기 Q1 mpg 데이터를 불러와 복사본 만들기 mpg = pd.read_csv('mpg.csv') mpg_copy = mpg.copy() mpg_copy Q2 복사본 데이터를 이용해 cty는 city로, hwy는 highway로 수정 mpg_copy = mpg_copy.rename(columns = {'cty' .. 5장 데이터 분석 기초! - 데이터 파악하기, 다루기 쉽게 수정하기 (1) 5-1 데이터 파악하기 데이터를 파악할 때 사용하는 명령어 head() : 앞부분 출력 tail() : 뒷부분 출력 shape : 행, 열 개수 출력 info() : 변수 속성 출력 describe() : 요약 통계량 출력 exam 데이터 파악하기 import pandas as pd exam = pd.read_csv('exam.csv') exam.head() exam.head(10) exam.tail() exam.tail(10) exam.shape ##출력: (20, 5) exam.info() """ RangeIndex: 20 entries, 0 to 19 Data columns (total 5 columns): # Column Non-Null Count Dtype --- ------ ----------.. 4장 데이터 프레임의 세계로 (2) 4-3 외부 데이터 이용하기 - 축적된 시험 성적 데이터를 불러오자 엑셀 파일 불러오기 1. 엑셀 파일 살펴보기 (execl_exam.xlsx 파일) https://github.com/youngwoos/Doit_Python/blob/main/Data/excel_exam.xlsx 2. 워킹 디렉터리에 엑셀 파일 삽입 3. 엑셀 파일 불러오기 df_exam = pd.read_excel('excel_exam.xlsx') df_exam 4. 분석하기 sum(df_exam['english']) / 20 ##출력: 84.9 sum(df_exam['science'])/20 ##출력: 59.45 엑셀 파일의 첫 번째 행이 변수명이 아니면 header = None 사용 df_exam_nover = pd.read_exce.. 이전 1 ··· 15 16 17 18 19 20 21 ··· 30 다음
