def show_tweets_by_month():
'''
앞서 작성한 함수를 이용해 월별 트윗 개수를 보여주는 그래프를 출력합니다.
'''
months = range(1, 13)
num_tweets = [len(filter_by_month(trump_tweets, month)) for month in months]
plt.bar(months, num_tweets, align='center')
plt.xticks(months, months)
plt.savefig('graph.png')
elice_utils = EliceUtils()
elice_utils.send_image('graph.png')
from elice_utils import EliceUtils
import urllib.request
from bs4 import BeautifulSoup
elice_utils = EliceUtils()
def main():
print("href 출력해보기")
list_href = []
url = "http://sports.donga.com/Enter"
soup = BeautifulSoup(urllib.request.urlopen(url).read(), "html.parser")
# 반복문을 사용해 원하는 정보 range(3,23)까지 find("a")["href"] 를 사용해서
# href 모두 수집하여 list_href에 저장
for i in range(3, 23):
list_href.append(
soup.find_all("span", class_="tit")[i].find("a")["href"])
# source = soup.find_all("span", class_="tit"):
# for i in ragne(3, 23):
# link = source[i].find("a")["href"]
# list_href.append(link)
print(list_href)
if __name__ == "__main__":
main()
from datetime import datetime
import pandas as pd
import matplotlib.pyplot as plt
import mplfinance as mpf #증권 데이터에 특화된 그래프를 출력하는 라이브러리
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import matplotlib.dates as mdates
import numpy as np
from elice_utils import EliceUtils
elice_utils = EliceUtils()
#캔들 차트 그리기
# 주식 데이터 불러오기
df = pd.read_csv('stock.csv', index_col=0, parse_dates=True)
df2 = pd.read_csv('stock.csv', index_col=0, parse_dates=True)
print('주가 데이터 출력')
print(df)
# mplfinance 라이브러리를 사용하면 캔들 차트를 간편하게 시각화할 수 있습니다.
mc = mpf.make_marketcolors(up='r', down='b') #상승은 빨강, 하락은 파랑
s = mpf.make_mpf_style(marketcolors=mc) #mc로 스타일 저장
mpf.plot(df, type='candle', figscale=1.2, style=s) #type=캔틀차트 표시
# 시각화 함수
plt.savefig("candle-plot.png")
elice_utils.send_image("candle-plot.png")
#시가 : 아침에 주식시장이 문을 열고나서 처음 이루어진 거래가격
#종가: 주식시장이 문을 닫을 때의 가격
#주가가 올랐을 때는 빨간색으로 표현하며 = ‘양봉’
from datetime import datetime #날짜와 시간을 쉽게 조작할 수 있게 하는 클래스 제공
import pandas as pd
import matplotlib.pyplot as plt
from elice_utils import EliceUtils
elice_utils = EliceUtils()
# 주식 데이터 불러오기
df = pd.read_csv('stock.csv')
print('초기 데이터 확인')
print(df)
# 주식 데이터 전처리하기(이전 문제에서 실행했던 코드)
df['tomorrow Adj Close'] = df['Adj Close'].shift(
-1) # 당일 종가가 아니라 다음 날 종가를 새로운 컬럼으로 추가하기
df['Fluctuation'] = df['tomorrow Adj Close'] - df[
'Adj Close'] # 주가 변동 데이터(다음날 종가 - 오늘 종가)
df['Fluctuation Rate'] = df['Fluctuation'] / df[
'Adj Close'] # 주가 변동률 데이터(변동 / 오늘 종가)
# 변동률의 시각화
plt.figure(figsize=(12, 8)) # 표현할 그래프의 크기 설정
plt.plot(df.index, df['Fluctuation Rate']) # 변동률 데이터 시각화.x축:df.index
plt.axhline(y=0, color='red', ls='--') # y축:변동률. 변동률 폭을 관찰하기 위한 기준 수평선 추가
# 시각화 옵션 코드
# (시각화 강의에서 별도로 다루는 내용입니다)
plt.legend(loc='best')
plt.grid()
plt.savefig("plot3.png") #시계열 데이터(Time Serise Data)
elice_utils.send_image("plot3.png")
from datetime import datetime #날짜와 시간을 쉽게 조작할 수 있게 하는 클래스 제공
import pandas as pd
import matplotlib.pyplot as plt
from elice_utils import EliceUtils
elice_utils = EliceUtils()
# 주식 데이터 불러오기:[105 rows x 7 columns]
df = pd.read_csv('stock.csv')
print('초기 데이터 확인')
print(df)
# 주식 데이터 전처리하기(이전 문제에서 실행했던 코드)
ma5 = df['Adj Close'].rolling(window=5).mean()
ma20 = df['Adj Close'].rolling(window=20).mean()
ma60 = df['Adj Close'].rolling(window=60).mean()
df.insert(len(df.columns), "MA5", ma5)
df.insert(len(df.columns), "MA20", ma20)
df.insert(len(df.columns), "MA60", ma60)
vma5 = df['Volume'].rolling(window=5).mean()
df.insert(len(df.columns), "VMA5", vma5)
# 이동평균선의 시각화
plt.plot(df.index, df['MA5'], label = "MA5") # 이동평균선 시각화 index:x축, 범례:ma5
plt.plot(df.index, df['Adj Close'], label='Adj Close') # 수정 종가 시각화
from datetime import datetime #날짜와 시간을 쉽게 조작할 수 있게 하는 클래스 제공
import pandas as pd
import matplotlib.pyplot as plt
from elice_utils import EliceUtils
elice_utils = EliceUtils()
# 주식 데이터 불러오기
df = pd.read_csv('stock.csv')
print('초기 데이터 확인')
print(df)
# 주식 데이터 전처리하기(이전 문제에서 실행했던 코드)
df['tomorrow Adj Close'] = df['Adj Close'].shift(
-1) # 당일 종가가 아니라 다음 날 종가를 새로운 컬럼으로 추가하기
df['Fluctuation'] = df['tomorrow Adj Close'] - df[
'Adj Close'] # 주가 변동 데이터(다음날 종가 - 오늘 종가)
df['Fluctuation Rate'] = df['Fluctuation'] / df[
'Adj Close'] # 주가 변동률 데이터(변동 / 오늘 종가)
# 히스토그램을 이용해 분포 살펴보기
#해당 계급에 값이 얼마나 많은지 파악 가능
df['Fluctuation Rate'].plot.hist()
plt.title('Fluctuation Rate Histogram')
# 현재까지 그려진 그래프를 보여줌
plt.savefig("hist1.png")
elice_utils.send_image("hist1.png")
plt.cla() #그래프를 그린 후 초기화
# 커널 밀도함수를 이용해 분포 살펴보기
from elice_utils import EliceUtils
elice_utils = EliceUtils()
import urllib.request
from bs4 import BeautifulSoup
import matplotlib.pyplot as plt
def main():
url = "http://news.jtbc.joins.com/section/index.aspx?scode=20"
req = urllib.request.Request(url)
sourcecode = urllib.request.urlopen(url).read()
soup = BeautifulSoup(sourcecode, "html.parser")
time_list = []
for i in range(3,22):
time_list.append(soup.find_all("span", class_="date")[i].get_text().strip())
time_edit = []
for i in range(0,len(time_list)) :
time_edit.append(time_list[i][8:10])
first_count = 0
second_count = 0
# Task 1. K-means clustering from scratch
import numpy as np
import pandas as pd
from sklearn.datasets import make_blobs
from matplotlib import pyplot as plt
from copy import deepcopy
from elice_utils import EliceUtils
eu = EliceUtils()
# Check versions
print('numpy version: ', np.__version__)
print('pandas version: ', pd.__version__)
np.random.seed(12345)
# Q1. Create a dataset (X and y) with 3 clusters usng sklearn.datasets.make_blobs
X, y = make_blobs(n_samples=800, n_features=2, centers=3, random_state=12345)
#print(X.shape,y.shape)
# Q2: define a function to calculate Euclidean distance
def dist(a, b, ax=1):
"""
:param a: 1-D input array
:param b: 1-D input array
:param axis: an integer for the axis of a and b along which to compute the vector norms
:return: Eucleadian distance (float)
"""
return np.linalg.norm(a - b, axis=ax) # axis = 1 행연산
# I am very sorry for
# * not obeying PEP8,
# * abusing & spamming array comprehension instead of for-loop,
# * using dynamic import although it is not dynamic,
# * using __setitem__ to avoid variable-assignment limit in lambda,
# (:= operator was possible, but that is implemented in Python 3.8)
# * creating useless lambda function for each loop,
# * finally, last but not least, using not-documented properties (in cs1 libraries)
# But I hope you TA guys enjoy this one-lined code.
# If you enjoyed this, please push 'Like' and 'Subscribe' button in git.nenw.dev (GitHub @HelloWorld017)
"""
# --- Your code ends here ---
########################################
download_message = '⬇ Download the result image file from the link below ⬇'
print('#' * len(download_message))
print(download_message)
sleep(0.1)
# Save your image object as a file.
image.save_as('./result.png')
# Show a download link for your result image file.
utils = EliceUtils()
utils.send_file('./result.png')
sleep(0.1)
print('#' * len(download_message))
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import load_digits
from sklearn.preprocessing import scale
from sklearn.model_selection import train_test_split
from sklearn.manifold import Isomap
from elice_utils import EliceUtils
eu = EliceUtils()
np.random.seed(42)
digits = load_digits()
# Q1. scale digits dataset
data = scale(digits.data)
n_samples, n_features = data.shape
n_digits = len(np.unique(digits.target))
labels = digits.target
x_train, x_test, y_train, y_test = train_test_split(data,
labels,
test_size=0.25,
random_state=42)
# Q2. Create the KMeans model
# CSV, JSON 모듈을 임포트합니다.
import csv
import json
from elice_utils import EliceUtils
elice_utils = EliceUtils()
def books_to_json(src_file, dst_file):
'''
CSV 데이터를 JSON 형태로 변환합니다.
'''
# 아래 함수를 완성하세요.
books = []
with open(src_file) as src:
reader = csv.reader(src, delimiter=',')
# 각 줄 별로 대응되는 book 딕셔너리를 만듭니다.
for row in reader:
print(row)
# 책 정보를 저장하는 딕셔너리를 생성합니다.
book = {
'title': row[0],
'author': row[1],
'genre': row[2],
'pages': int(row[3]),
'publisher': row[4]
}
books.append(book)
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
from elice_utils import EliceUtils
elice_utils = EliceUtils()
# 날짜 별 온도 데이터를 세팅합니다.
dates = ["1월 {}일".format(day) for day in range(1, 32)]
temperatures = list(range(1, 32))
# 막대 그래프의 막대 위치를 결정하는 pos를 선언합니다.
pos = range(len(dates))
# 한국어를 보기 좋게 표시할 수 있도록 폰트를 설정합니다.
font = fm.FontProperties(fname='./NanumBarunGothic.ttf')
# 막대의 높이가 빈도의 값이 되도록 설정합니다.
plt.bar(pos, temperatures, align='center')
# 각 막대에 해당되는 단어를 입력합니다.
plt.xticks(pos, dates, rotation='vertical', fontproperties=font)
# 그래프의 제목을 설정합니다.
plt.title('1월 중 기온 변화', fontproperties=font)
# Y축에 설명을 추가합니다.
plt.ylabel('온도', fontproperties=font)
# 단어가 잘리지 않도록 여백을 조정합니다.
plt.tight_layout()