심플&스무스코딩

a) Open the Command Pallete (Ctrl/Cmd + Shift + P) and type “Python: Select Interpreter”, select the command and it should present you a list of available interpreters (the ones Python extension has detected) Using Python Environments in Visual Studio Code Configuring Python Environments in Visual Studio Code code.visualstudio.com 클릭해서 설정도 가능

회사 서버의 파이썬 버전이 3.7이다 그런데 내 컴퓨터의 파이썬 버전은 3.8.8 이다. 따라서, 회사 서버의 파이썬 버전과 똑같은 버전으로 내 컴에 파이썬을 설치해야지, 개발하고 테스트가 동일하게 가능하다! 현재 내 버전 : Python 3.9.7 1. 콘다로 가상환경 만드는 것! 파이썬만 설치하는 경우 가상환경 만들기 명령어 conda create -n ec2_37 python=3.7 ---- 2. 설치된 파이썬과 설치된 라이브러리를 파일로 옮기는 것! conda list --explicit > spec-file.txt 3. 파일을 가지고, 새로운 가상환경 만들기! conda create -n 가상환경이름 --file spec-file.txt ---- 4. 가상환경에 들어가고 나오는 방법 conda ..

코랩에서 인공지능코딩한 결과를 파일로 streamli으로 가져온다. import joblib joblib.dump(scaler_X, 'scaler_X.pkl') ['scaler_X.pkl'] joblib.dump(scaler_y, 'scaler_y.pkl') ['scaler_y.pkl'] joblib.dump(regressor, 'regressor.pkl') ['regressor.pkl'] ml_app.py import streamlit as st import pandas as pd import numpy as np import joblib def run_ml_app() : st.subheader('머신러닝 예측') df = pd.read_csv('data/Car_Purchasing_Data.csv', ..

app.py 파일 import streamlit as st import pandas as pd import numpy as np import os import pickle from eda_app import run_eda_app def main(): st.title('자동차 가격 예측') # 사이드바 메뉴 menu = ['Home', 'EDA'] choice = st.sidebar.selectbox('메뉴', menu) if choice == 'Home' : st.write('얼마정도의 차량을 구매할 수 있는 예측해 줍니다.') st.write('왼쪽의 사이드바에서 선택하세요') elif choice == 'EDA': run_eda_app() if __name__ == '__main__' : main()..

from altair.vegalite.v4.schema.channels import Color import streamlit as st import numpy as np import pandas as pd # https://altair-viz.github.io/ import altair as alt # https://plotly.com/python import plotly.express as px def main() : df1 = pd.read_csv('data/lang_data.csv') st.dataframe(df1) print(df1.columns[1:]) lang_list = df1.columns[1:] choice_list = st.multiselect('언어를 선택하세요', lang_list)..

import streamlit as st import numpy as np import pandas as pd import matplotlib.pylab as plt import seaborn as sns def main() : st.title('plotting with st.pyplot()') df = pd.read_csv('data/iris.csv') st.dataframe(df.head()) # 차트 그리기 sepal_length와 sepal_width의 관계를 차트로 그립니다. fig = plt.figure() plt.scatter(data=df, x='sepal_length', y='sepal_width') plt.title('sepal length vs width') plt.xlabel('se..

eda_app.py => def run_eda_app() : st.subheader('EDA 화면입니다.') df = pd.read_csv('data/iris.csv') st.dataframe(df) st.dataframe(df.corr()) ml_app.py => import streamlit as st def run_ml_app() : st.subheader('러닝머신 관련 파일입니다.') app.10.py => import streamlit as st # 다른 파일에 있는 함수를 사용하기 위해서 import 한다. from eda_app import run_eda_app from ml_app import run_ml_app import streamlit as st import pandas as pd..

## 여러 파일을 업로드 하는 앱 import streamlit as st from PIL import Image import pandas as pd import os from datetime import datetime # 파일 업로드 하는 함수! # 디렉토리 정보와 파일을 알려주면, 해당 디렉토리에 파일을 저장하는 함수를 만든다. def save_uploaded_file(directory, file) : # 1. 디렉토리가 있는지 확인하여, 있으면 디렉토리부터 만든다. if not os.path.exists(directory) : os.makedirs(directory) # 2. 디렉토리가 있으니, 파일을 저장. with open(os.path.join(directory, file.name),'wb'..

### 파일 업로드하는 방법 ### import streamlit as st from PIL import Image import pandas as pd import os from datetime import datetime # 디렉토리 정보와 파일을 알려주면, 해당 디렉토리에 파일을 저장하는 함수를 만든다. def save_uploaded_file(directory, file) : # 1. 디렉토리가 있는지 확인하여, 있으면 디렉토리부터 만든다. if not os.path.exists(directory) : os.makedirs(directory) # 2. 디렉토리가 있으니, 파일을 저장. with open(os.path.join(directory, file.name),'wb') as f : f.writ..

import streamlit as st import pandas as pd # 유저한테 입력받는 방법 def main() : name = st.text_input('이름을 입력하세요!') st.title(name) name2 = st.text_input('이름을 입력하세요!', max_chars=5) st.title(name2) message = st.text_area('메세지를 입력하세요.', height=3) st.text(message) # 숫자 입력 number = st.number_input('숫자입력', 1, 100) st.text(number) number2 = st.number_input('숫자입력', 0.0, 20.0) st.text(number2) # 날짜 입력 my_date = st..