DACON 2021. 11. 18. 16:28

ttareungi_rental_forecast

따릉이 대여량 예측¶

DACON : 따릉이 대여량 예측

무인 공공자전거 대여 서비스인 따릉이는 누구나 손쉽게 이용할 수 있는 자전거 대여 서비스이다. 어플만 있으면 저렴한 가격에 손쉽게 사용이 가능하기 때문에 모두에게나 사랑받고 있다. 따릉이에 대한 수요가 높아 질수록 이에 대한 관리가 필요해 보인다. 자전거의 배치공간은 한계가 있으며 서울에도 지역에 따라 수요가 다르므로 데이터 분석을 통해 따릉이의 대여량을 파악하는 것이 이번 대회의 핵심이다. 데이콘은 서울에 일별, 온도, 습도, 강수량 등 일기예보 데이터와 따릉이의 대여량 데이터를 제공하고, 이 데이터를 통해 따릉이의 대여량을 예측해 보려 한다. 데이콘에서 제공하는 데이터는 다음과 같다.

Data¶

기상 데이터는 하루에 총 8번 3시간 간격으로 발표되는 기상단기예보(SHRT) 데이터를 1일 평균으로 변환

date_time : 일별 날짜
wind_direction: 풍향 (degree)
sky_condition : 하늘 상태
- 2019년 6월 4일까지 : 맑음(1), 구름조금(2), 구름많음(3), 흐림(4)
- 2020년 : 맑음(1), 구름많음(3), 흐림(4)
precipitation_form : 강수 형태 (하단 설명 참조)
- precipitation_form (강수 형태) 코드 : 없음(0), 비(1), 진눈깨비(2), 눈(3), 소나기(4)
- 원본 데이터에는 없음(0), 비(1),소나기(4)가 포함되어있었으며 진눈깨비(2)와 눈(3) 성분은 존재하지 않음.
wind_speed : 풍속 (m/s)
humidity : 습도 (%)
low_temp : 최저 기온 ( `C)
high_temp : 최고 기온 ( `C)
Precipitation_Probability : 강수 확률 (%)
number_of_rentals : 따릉이 대여량

1. 라이브러리 및 데이터¶

우선 라이브러리를 불러와보자.

데이터 전처리를 위해 pandas,numpy를 불러왔고,
데이터 시각화를 위해 matplotlib,seaborn을 불러왔으며,
sklearn은 머신러닝 라이브러리 이다.

In [1]:

import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.preprocessing import LabelEncoder

In [2]:

# 그래프에서 마이너스 폰트 깨지는 문제에 대한 대처
mpl.rcParams['axes.unicode_minus'] = False

import warnings
warnings.filterwarnings('ignore')
# 한글폰트
import platform

from matplotlib import font_manager, rc
plt.rcParams['axes.unicode_minus'] = False

if platform.system() == 'Darwin':
    rc('font', family='AppleGothic')
    print('Mac version')
elif platform.system() == 'Windows':
    path = "c:/Windows/Fonts/malgun.ttf"
    font_name = font_manager.FontProperties(fname=path).get_name()
    rc('font', family=font_name)
    print('Windows version')
elif platform.system() == 'Linux':
    path = "/usr/share/fonts/NanumFont/NanumGothicBold.ttf"
    font_name = font_manager.FontProperties(fname=path).get_name()
    plt.rc('font', family=font_name)
    print('Linux version')
else:
    print('Unknown system... sorry~~~~')

Linux version

In [3]:

train = pd.read_csv('data/train.csv', parse_dates=["date_time"])

2. 탐색적 자료분석¶

In [4]:

train.head()

Out[4]:

	date_time	wind_direction	sky_condition	precipitation_form	wind_speed	humidity	low_temp	high_temp	Precipitation_Probability	number_of_rentals
0	2018-04-01	207.500	4.000	0.000	3.050	75.000	12.600	21.000	30.000	22994
1	2018-04-02	208.317	2.950	0.000	3.278	69.833	12.812	19.000	19.500	28139
2	2018-04-03	213.516	2.911	0.000	2.690	74.879	10.312	15.316	19.113	26817
3	2018-04-04	143.836	3.692	0.425	3.138	71.849	8.312	12.368	43.493	26034
4	2018-04-05	95.905	4.000	0.723	3.186	73.784	5.875	10.421	63.378	2833

2-1. 데이터크기¶

273개의 행과과 10개의 컬럼을 가지고 있다.

In [5]:

train.shape

Out[5]:

(273, 10)

2-2 컬럼별 자료형¶

date_time는 날짜형이고 number_of_rentals는 int64로 포현되있으며 나머지는 float64로 되어있음을 알 수 있다.

In [6]:

train.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 273 entries, 0 to 272
Data columns (total 10 columns):
 #   Column                     Non-Null Count  Dtype         
---  ------                     --------------  -----         
 0   date_time                  273 non-null    datetime64[ns]
 1   wind_direction             273 non-null    float64       
 2   sky_condition              273 non-null    float64       
 3   precipitation_form         273 non-null    float64       
 4   wind_speed                 273 non-null    float64       
 5   humidity                   273 non-null    float64       
 6   low_temp                   273 non-null    float64       
 7   high_temp                  273 non-null    float64       
 8   Precipitation_Probability  273 non-null    float64       
 9   number_of_rentals          273 non-null    int64         
dtypes: datetime64[ns](1), float64(8), int64(1)
memory usage: 21.5 KB

2-3 결측치 파악¶

결측치를 파악을 했으나 다행이 결측치는 없는걸로 판단 되었다.

In [7]:

train.isnull().sum()

Out[7]:

date_time                    0
wind_direction               0
sky_condition                0
precipitation_form           0
wind_speed                   0
humidity                     0
low_temp                     0
high_temp                    0
Precipitation_Probability    0
number_of_rentals            0
dtype: int64

2-4 데이터 전처리¶

날짜 및 변수 추가¶

date_time를 나누어 year(년),month(월),day(일),weekday(평일,주말)로 나누어 주자.
또한 변수 일교차,온도*습도 컬럼도 추가해 주었다.

In [8]:

train["year"] = train["date_time"].dt.year
train["month"] = train["date_time"].dt.month
train["day"] = train["date_time"].dt.day
train["weekday"] = train["date_time"].dt.weekday
# 1. "일교차가 너무 큰 날씨"를 알기 위한 정보
train['temp_diff_info'] = train['high_temp'] - train['low_temp']
# 2. "온도 * 습도의 날씨 알기 위한 정보"
train['sweat_info'] =  train['high_temp'] * train['humidity']
train['sweat_info2'] = train['low_temp'] * train['humidity']
train.shape

Out[8]:

(273, 17)

칼럼 10개에서 17개로 늘어난걸 확인 할 수 있다.

In [9]:

train.head()

Out[9]:

	date_time	wind_direction	sky_condition	precipitation_form	wind_speed	humidity	low_temp	high_temp	Precipitation_Probability	number_of_rentals	year	month	day	weekday	temp_diff_info	sweat_info	sweat_info2
0	2018-04-01	207.500	4.000	0.000	3.050	75.000	12.600	21.000	30.000	22994	2018	4	1	6	8.400	1575.000000	945.000000
1	2018-04-02	208.317	2.950	0.000	3.278	69.833	12.812	19.000	19.500	28139	2018	4	2	0	6.188	1326.827000	894.700396
2	2018-04-03	213.516	2.911	0.000	2.690	74.879	10.312	15.316	19.113	26817	2018	4	3	1	5.004	1146.846764	772.152248
3	2018-04-04	143.836	3.692	0.425	3.138	71.849	8.312	12.368	43.493	26034	2018	4	4	2	4.056	888.628432	597.208888
4	2018-04-05	95.905	4.000	0.723	3.186	73.784	5.875	10.421	63.378	2833	2018	4	5	3	4.546	768.903064	433.481000

3. 시각화¶

3-1.Barplot¶

년도별 그래프를 보면 매년마다 대여량이 많아지는걸 볼 수 있다.
4,5,6월 그래프를 보면 날씨가 따뜻해질수록 대여량이 많아지는걸 볼 수 있다.
일별 그래프는 특징을 찾기 어려운거 같다.
요일별 그래프는 대여량이 월~토는 비슷하며 일요일은 미미하게 적은걸 확인 할 수 있다.

In [10]:

figure, ((ax1,ax2), (ax3,ax4)) = plt.subplots(nrows=2, ncols=2)
figure.set_size_inches(18,10)

sns.barplot(data=train, x="year", y="number_of_rentals", ax=ax1)
sns.barplot(data=train, x="month", y="number_of_rentals", ax=ax2)
sns.barplot(data=train, x="day", y="number_of_rentals", ax=ax3)
sns.barplot(data=train, x="weekday", y="number_of_rentals", hue = "weekday", ax=ax4,)

ax1.set(ylabel='대여량',xlabel='년도', title="연도별 대여량",)
ax2.set(xlabel='월',ylabel='대여량',title="4,5,6월 대여량")
ax3.set(xlabel='일',ylabel='대여량',title="일별 대여량")
ax4.set(xlabel='요일',ylabel='대여량', title="요일별 대여량")

Out[10]:

[Text(0.5, 0, '요일'), Text(0, 0.5, '대여량'), Text(0.5, 1.0, '요일별 대여량')]

3-2 월별 증가량을 일별로 자세히 보자.¶

월,일을 대여량과 그룹해주고 평균을 내어 주었다.
3년 데이터를 월과,일 데이터 평균을 구해 주었다.

In [11]:

grouped_df = train.groupby(['month','day'])['number_of_rentals'].mean()

In [12]:

grouped_df

Out[12]:

month  day
4      1      43637.333333
       2      47432.333333
       3      48310.000000
       4      46040.000000
       5      37529.000000
                  ...     
6      26     61271.666667
       27     75787.666667
       28     67793.666667
       29     60054.666667
       30     46663.666667
Name: number_of_rentals, Length: 91, dtype: float64

In [13]:

grouped_df = grouped_df.reset_index()

In [14]:

grouped_df[grouped_df['month'] == 4].head() # 4월만 잘 묶였는지 확인

Out[14]:

	month	day	number_of_rentals
0	4	1	43637.333333
1	4	2	47432.333333
2	4	3	48310.000000
3	4	4	46040.000000
4	4	5	37529.000000

In [15]:

long_df_sub = grouped_df[grouped_df['month'] == 4]
plt.plot(long_df_sub.day, long_df_sub.number_of_rentals, 
         linewidth=1)

long_df_sub = grouped_df[grouped_df['month'] == 5]
plt.plot(long_df_sub.day, long_df_sub.number_of_rentals, 
         linewidth=1)

long_df_sub = grouped_df[grouped_df['month'] == 6]
plt.plot(long_df_sub.day, long_df_sub.number_of_rentals, 
         linewidth=1)
    
plt.legend(['4월', '5월', '6월'], fontsize=12, loc='best')
plt.title('월별 그래프', fontsize=20) 
plt.ylabel('대여량', fontsize=14)
plt.xlabel('day', fontsize=14)
plt.show()

그래프를 보면 4월 < 5월 < 6월 대여량에 차이가 있는걸 볼 수 있다.
일별 데이터는 특징을 찾기 어려운거 같다.

3-3 연도별로 나누어 자세히 보도록 하자¶

이번에는 연,월,일을 대여량과 그룹해주고 평균을 내주었다.

In [16]:

grouped_df1 = train.groupby(['year','month', 'day'])['number_of_rentals'].mean()

In [17]:

grouped_df1 = grouped_df1.reset_index()

In [55]:

grouped_df1

Out[55]:

	year	month	day	number_of_rentals
0	2018	4	1	22994
1	2018	4	2	28139
2	2018	4	3	26817
3	2018	4	4	26034
4	2018	4	5	2833
...	...	...	...	...
268	2020	6	26	96150
269	2020	6	27	107001
270	2020	6	28	98568
271	2020	6	29	70053
272	2020	6	30	38086

273 rows × 4 columns

연도별로 구분을 지어주기위해 데이터셋을 만들어 주었다.

In [19]:

grouped_df_2018 = grouped_df1[grouped_df1['year'] == 2018]
grouped_df_2019 = grouped_df1[grouped_df1['year'] == 2019]
grouped_df_2020 = grouped_df1[grouped_df1['year'] == 2020]

In [20]:

grouped_df_2018.head() # 연도별로 잘 묶였는지 확인.

Out[20]:

	year	month	day	number_of_rentals
0	2018	4	1	22994
1	2018	4	2	28139
2	2018	4	3	26817
3	2018	4	4	26034
4	2018	4	5	2833

In [21]:

min_value = grouped_df1['number_of_rentals'].min() # 대여량 최소값을 설정
max_value =  grouped_df1['number_of_rentals'].max() # 대여량 최대값을 설정

fig = plt.figure() 
fig.set_size_inches(18,7) # 그래프 사이즈 설정
plt.suptitle('연도별 대여량 그래프', fontsize=20) # 메인 제목

ax1 = fig.add_subplot(1,3,1) # 1,3,1 = 그래프 행개수,열개수,그래프순서 
groups = [4, 5, 6]
linewidths = [1, 1, 1] # 선 크기.

for group_name, size in zip(groups, linewidths):
    # subsetting
    long_df_sub = grouped_df_2018[grouped_df_2018['month'] == group_name]
    # plotting
    plt.plot(long_df_sub.day, long_df_sub.number_of_rentals, linewidth=size)

# y축 범위
plt.ylim([min_value*0.8, max_value*1.1]) 

# 가로선
plt.axhline(y=20000, color='gray', linewidth=1,linestyle=':')
plt.axhline(y=40000, color='gray', linewidth=1,linestyle=':')
plt.axhline(y=60000, color='gray', linewidth=1, linestyle=':')
plt.axhline(y=80000, color='gray', linewidth=1, linestyle=':')
plt.axhline(y=100000, color='gray', linewidth=1, linestyle=':')

plt.legend(['4월', '5월', '6월'], fontsize=12, loc='best') # 범례, 폰트크기, 위치(best:그래프 안가리는 위치)
plt.title('2018년', fontsize=20) # 그래프 제목
plt.ylabel('대여량', fontsize=14) # y축 이름
plt.xlabel('day', fontsize=14) # x축 이름

ax2 = fig.add_subplot(1,3,2) # 1,3,2 = 그래프 행개수,열개수,그래프순서 

linewidths = [1, 1, 1] # 선 크기.

for group_name, size in zip(groups, linewidths):
    # subsetting
    long_df_sub = grouped_df_2019[grouped_df_2019['month'] == group_name]
    # plotting
    plt.plot(long_df_sub.day, long_df_sub.number_of_rentals, linewidth=size)

# y축 범위
plt.ylim([min_value*0.8, max_value*1.1]) 

# 가로선
plt.axhline(y=20000, color='gray', linewidth=1,linestyle=':')
plt.axhline(y=40000, color='gray', linewidth=1,linestyle=':')
plt.axhline(y=60000, color='gray', linewidth=1, linestyle=':')
plt.axhline(y=80000, color='gray', linewidth=1, linestyle=':')
plt.axhline(y=100000, color='gray', linewidth=1, linestyle=':')

plt.legend(['4월', '5월', '6월'], fontsize=12, loc='best') # 범례, 폰트크기, 위치(best:그래프 안가리는 위치)
plt.title('2019년', fontsize=20) # 그래프 제목
plt.xlabel('day', fontsize=14) # x축 이름

ax3 = fig.add_subplot(1,3,3)# 1,3,3 = 그래프 행개수,열개수,그래프순서 

linewidths = [1, 1, 1] # 선 크기.

for group_name, size in zip(groups, linewidths):
    # subsetting
    long_df_sub = grouped_df_2020[grouped_df_2020['month'] == group_name]
    # plotting
    plt.plot(long_df_sub.day, long_df_sub.number_of_rentals, linewidth=size)

# y축 범위
plt.ylim([min_value*0.8, max_value*1.1]) 

# 가로선
plt.axhline(y=20000, color='gray', linewidth=1,linestyle=':')
plt.axhline(y=40000, color='gray', linewidth=1,linestyle=':')
plt.axhline(y=60000, color='gray', linewidth=1, linestyle=':')
plt.axhline(y=80000, color='gray', linewidth=1, linestyle=':')
plt.axhline(y=100000, color='gray', linewidth=1, linestyle=':')

plt.legend(['4월', '5월', '6월'], fontsize=12, loc='best') # 범례, 폰트크기, 위치(best:그래프 안가리는 위치)
plt.title('2020년', fontsize=20) # 그래프 제목
plt.xlabel('day', fontsize=14) # x축 이름
plt.show()

3-4 Heatmap¶

따릉이 대여량의 상관분석을 살펴 보면 풍속,강수,풍속,습도,강수확률은 음의 상관 관계,풍향,온도는 양의 상관관계를 보이고 있다.
좀더 자세하게 그래프로 확인해 보자.

In [23]:

corrMatt = train[["wind_direction",'sky_condition','precipitation_form','wind_speed','humidity','Precipitation_Probability',
                  'low_temp','high_temp','temp_diff_info','sweat_info','sweat_info2','number_of_rentals']]
corrMatt = corrMatt.corr()

In [24]:

fig, ax = plt.subplots()
fig.set_size_inches(15,15)
sns.heatmap(corrMatt,annot=True, square=True, cmap ='Reds')

Out[24]:

<AxesSubplot:>

3-5 Regplot¶

3-5-1 날씨, 강수량, 강수확률에 대한 대여량¶

날씨별 대여량을 확인하면 맑음(1)때 대여량이 많고, 날씨가 흐림(4)으로 갈때 대여량이 낮아지는 것을 볼 수 있다.
강수량별 대여량을 확인하면 0 ~ 1(없음~비) 비가 안올때 대여량이 많은걸 확인 할 수 있다.
강수확률별 대여량 확인하면 강수확률이 낮을때 대여량이 많은것을 확인 할 수 있다.

In [25]:

figure, ((ax1,ax2,ax3)) = plt.subplots(nrows=1, ncols=3)
figure.set_size_inches(18,5)
sns.regplot(data=train, x='sky_condition', y='number_of_rentals', scatter_kws={'color': 'g'}, ax=ax1)
sns.regplot(data=train, x='precipitation_form', y='number_of_rentals', scatter_kws={'color':'m'}, ax=ax2)
sns.regplot(data=train, x='Precipitation_Probability', y='number_of_rentals',scatter_kws={'color':'y'},ax=ax3)

ax1.set(xlabel='날씨',ylabel='대여량', title='날씨별 대여량')
ax2.set(xlabel='강수량',ylabel='대여량', title='강수량별 대여량')
ax3.set(xlabel='강수확률',ylabel='대여량', title='강수확률별 대여량')

Out[25]:

[Text(0.5, 0, '강수확률'), Text(0, 0.5, '대여량'), Text(0.5, 1.0, '강수확률별 대여량')]

3-5-2 온도에 대한 대여량¶

최저,최고온도별 대여량을 보면 온도가 높아야 대여량이 증가하는것을 볼 수 있다.

In [59]:

figure, ((ax1,ax2)) = plt.subplots(nrows=1, ncols=2)
figure.set_size_inches(15,5)

sns.regplot(data=train, x='high_temp', y='number_of_rentals', scatter_kws={'color':'r'}, ax=ax1)
sns.regplot(data=train, x='low_temp', y='number_of_rentals', scatter_kws={'color':'c'}, ax=ax2)

ax1.set(xlabel='최고온도',ylabel='대여량', title='최고온도별 대여량')
ax2.set(xlabel='최저온도',ylabel='대여량', title='최저온도별 대여량')

Out[59]:

[Text(0.5, 0, '최저온도'), Text(0, 0.5, '대여량'), Text(0.5, 1.0, '최저온도별 대여량')]

3-5-3 최고, 최저온도 * 습도에 대한 대여량¶

In [58]:

figure, ((ax1,ax2)) = plt.subplots(nrows=1, ncols=2)
figure.set_size_inches(15,5)

sns.regplot(data=train, x='sweat_info', y='number_of_rentals', scatter_kws={'color':'r'}, ax=ax1)
sns.regplot(data=train, x='sweat_info2', y='number_of_rentals', scatter_kws={'color':'c'}, ax=ax2)

ax1.set(xlabel='최고온도*습도',ylabel='대여량', title='')
ax2.set(xlabel='최저온도*습도',ylabel='대여량', title='')

Out[58]:

[Text(0.5, 0, '최저온도*습도'), Text(0, 0.5, '대여량'), Text(0.5, 1.0, '')]

위 결과를 보면 습도와 온도가 높으면 대여량이 많이 없는것을 확인 할 수 있다.
적당한 온도와 습도일때 대여량이 많아 보인다.

3-3-4 일교차에 대한 대여량¶

In [29]:

sns.regplot(data=train, x='temp_diff_info',y='number_of_rentals', scatter_kws={'color':'c'})
plt.xlabel("일교차")
plt.ylabel("대여량")
plt.title("일교차에 따른 대여량")

Out[29]:

Text(0.5, 1.0, '일교차에 따른 대여량')

일교차 그래프는 특정하기 어려운거 같다. 일교차가 크다고 대여량이 없을것이다 생각했는데 이시기는 여름이다. 자전거타기 아주 좋은 시기라 특징을 찾기는 어려워 보인다.

4. 변수 및 모델 정의¶

우리의 목적은 주어진 날씨 데이터를 이용해 따릉이 대여량을 예측하는 것이다.
날씨 데이터가 X, 따릉이 대여 수가 y가 되야 한다.

In [30]:

X = train.drop(['date_time', 'number_of_rentals'], axis=1)
y = train.number_of_rentals

In [31]:

Out[31]:

	wind_direction	sky_condition	precipitation_form	wind_speed	humidity	low_temp	high_temp	Precipitation_Probability	year	month	day	weekday	temp_diff_info	sweat_info	sweat_info2
0	207.500	4.000	0.000	3.050	75.000	12.600	21.000	30.000	2018	4	1	6	8.400	1575.000000	945.000000
1	208.317	2.950	0.000	3.278	69.833	12.812	19.000	19.500	2018	4	2	0	6.188	1326.827000	894.700396
2	213.516	2.911	0.000	2.690	74.879	10.312	15.316	19.113	2018	4	3	1	5.004	1146.846764	772.152248
3	143.836	3.692	0.425	3.138	71.849	8.312	12.368	43.493	2018	4	4	2	4.056	888.628432	597.208888
4	95.905	4.000	0.723	3.186	73.784	5.875	10.421	63.378	2018	4	5	3	4.546	768.903064	433.481000
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
268	228.662	3.980	0.223	2.271	78.378	20.500	27.526	36.486	2020	6	26	4	7.026	2157.432828	1606.749000
269	207.770	2.865	0.081	1.794	78.412	20.812	28.842	21.081	2020	6	27	5	8.030	2261.558904	1631.910544
270	282.568	1.730	0.000	1.820	72.736	21.000	29.053	7.297	2020	6	28	6	8.053	2113.199008	1527.456000
271	137.027	2.257	0.088	2.043	70.473	19.625	26.000	15.541	2020	6	29	0	6.375	1832.298000	1383.032625
272	120.797	3.622	0.432	5.574	77.061	19.125	26.053	41.284	2020	6	30	1	6.928	2007.670233	1473.791625

273 rows × 15 columns

4-1 성능 확인¶

In [61]:

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X, y)

Out[61]:

LinearRegression()

In [62]:

y_hat = model.predict(X)

In [73]:

nmae = np.mean(abs(y_hat - y) / y) # nmae 계산

print(f'모델 NMAE: {nmae}')

모델 NMAE: 0.300390550014234

평가지수 NAMA로 계산하여 오차율이 30%정도로 나왔다.

4-2. 예측값 시각화¶

In [84]:

plt.style.use('ggplot')
plt.figure(figsize=(20, 10))
plt.plot(y_hat, label = 'prediction')
plt.plot(y, label = 'real')
plt.legend(fontsize = 20)
plt.title("예측값 비교", fontsize = 20)
plt.show()

그래프를 보면 예측값이 어느정도 따라가고 있는거 같다.

4.Submission 제출¶

4-1 데이터 로드¶

In [68]:

test = pd.read_csv('data/test.csv', parse_dates=["date_time"])
submission = pd.read_csv('data/sample_submission.csv')

In [69]:

test.head()

Out[69]:

	date_time	wind_direction	sky_condition	precipitation_form	wind_speed	humidity	low_temp	high_temp	Precipitation_Probability
0	2021-04-01	108.833	3.000	0.000	2.900	28.333	11.800	20.667	18.333
1	2021-04-02	116.717	3.850	0.000	2.662	46.417	12.000	19.000	28.500
2	2021-04-03	82.669	4.000	0.565	2.165	77.258	8.875	16.368	52.847
3	2021-04-04	44.123	3.466	0.466	3.747	63.288	6.250	17.368	37.671
4	2021-04-05	147.791	1.500	0.000	1.560	48.176	7.188	18.684	4.459

4-2 데이터 결측치 파악¶

In [49]:

test.isnull().sum()

Out[49]:

date_time                    0
wind_direction               0
sky_condition                0
precipitation_form           0
wind_speed                   0
humidity                     0
low_temp                     0
high_temp                    0
Precipitation_Probability    0
dtype: int64

4-3 데이터 전처리¶

In [70]:

test["year"] = test["date_time"].dt.year
test["month"] = test["date_time"].dt.month
test["day"] = test["date_time"].dt.day
test["weekday"] = test["date_time"].dt.weekday
# 1. "일교차가 너무 큰 날씨"를 알기 위한 정보
test['temp_diff_info'] = test['high_temp'] - test['low_temp']
# 2. "온도 * 습도의 날씨 알기 위한 정보"
test['sweat_info'] =  test['high_temp'] * test['humidity']
test['sweat_info2'] = test['low_temp'] * test['humidity']
test.shape

# date_time은 제거
test_X = test.drop('date_time', axis = 1)

In [71]:

test_X.head()

Out[71]:

	wind_direction	sky_condition	precipitation_form	wind_speed	humidity	low_temp	high_temp	Precipitation_Probability	year	month	day	weekday	temp_diff_info	sweat_info	sweat_info2
0	108.833	3.000	0.000	2.900	28.333	11.800	20.667	18.333	2021	4	1	3	8.867	585.558111	334.329400
1	116.717	3.850	0.000	2.662	46.417	12.000	19.000	28.500	2021	4	2	4	7.000	881.923000	557.004000
2	82.669	4.000	0.565	2.165	77.258	8.875	16.368	52.847	2021	4	3	5	7.493	1264.558944	685.664750
3	44.123	3.466	0.466	3.747	63.288	6.250	17.368	37.671	2021	4	4	6	11.118	1099.185984	395.550000
4	147.791	1.500	0.000	1.560	48.176	7.188	18.684	4.459	2021	4	5	0	11.496	900.120384	346.289088

In [72]:

# train data로 학습시킨 모델에 test_X데이터를 넣고 예측합니다.
test_yhat = model.predict(test_X)

#submission dataFrame 완성
submission['number_of_rentals'] = test_yhat

# 제출 파일 생성
submission.to_csv('submission.csv', index=False)

참고¶

Dacon Baseline: 1. 데이터 분석 입문자를 위한 데이터 분석 & 예측

'DACON' 카테고리의 다른 글

[DACON] 따릉이 대여량 예측 (1)	2021.11.14
[DACON] 영화 관객수 예측 모델 (0)	2021.11.01

내 블로그 - 관리자 홈 전환	`Q` `Q`
새 글 쓰기	`W` `W`

글 수정 (권한 있는 경우)	`E` `E`
댓글 영역으로 이동	`C` `C`

이 페이지의 URL 복사	`S` `S`
맨 위로 이동	`T` `T`
티스토리 홈 이동	`H` `H`
단축키 안내	`Shift` + `/` `⇧` + `/`

인기포스트

ABOUT ME

데이터분석 데이터분석

따릉이 대여량 예측¶

Data¶

1. 라이브러리 및 데이터¶

2. 탐색적 자료분석¶

2-1. 데이터크기¶

2-2 컬럼별 자료형¶

2-3 결측치 파악¶

2-4 데이터 전처리¶

날짜 및 변수 추가¶

3. 시각화¶

3-1.Barplot¶

3-2 월별 증가량을 일별로 자세히 보자.¶

3-3 연도별로 나누어 자세히 보도록 하자¶

3-4 Heatmap¶

3-5 Regplot¶

3-5-1 날씨, 강수량, 강수확률에 대한 대여량¶

3-5-2 온도에 대한 대여량¶

3-5-3 최고, 최저온도 * 습도에 대한 대여량¶

3-3-4 일교차에 대한 대여량¶

4. 변수 및 모델 정의¶

4-1 성능 확인¶

4-2. 예측값 시각화¶

4.Submission 제출¶

4-1 데이터 로드¶

4-2 데이터 결측치 파악¶

4-3 데이터 전처리¶

참고¶

'DACON' 카테고리의 다른 글

티스토리툴바

단축키

내 블로그

블로그 게시글

모든 영역

인기포스트

ABOUT ME

따릉이 대여량 예측¶

Data¶

1. 라이브러리 및 데이터¶

2. 탐색적 자료분석¶

2-1. 데이터크기¶

2-2 컬럼별 자료형¶

2-3 결측치 파악¶

2-4 데이터 전처리¶

날짜 및 변수 추가¶

3. 시각화¶

3-1.Barplot¶

3-2 월별 증가량을 일별로 자세히 보자.¶

3-3 연도별로 나누어 자세히 보도록 하자¶

3-4 Heatmap¶

3-5 Regplot¶

3-5-1 날씨, 강수량, 강수확률에 대한 대여량¶

3-5-2 온도에 대한 대여량¶

3-5-3 최고, 최저온도 * 습도에 대한 대여량¶

3-3-4 일교차에 대한 대여량¶

4. 변수 및 모델 정의¶

4-1 성능 확인¶

4-2. 예측값 시각화¶

4.Submission 제출¶

4-1 데이터 로드¶

4-2 데이터 결측치 파악¶

4-3 데이터 전처리¶

참고¶

'DACON' 카테고리의 다른 글

관련글 관련글 더보기

티스토리툴바

단축키

내 블로그

블로그 게시글

모든 영역