gggg gggg

plotly.graph_objects.Figure.update_layout()는 그래프 유형과 관계없이 공통적으로 사용 가능한 시각화 레이아웃 설정 기능이 많지만, 그래프 유형에 따라 더 자주 사용하는 주요 옵션들이 다릅니다. 아래는 그래프 종류별로 update_layout()의 주요 기능들을 정리한 것입니다.📊 1. Bar / Line / Scatter 등 기본적인 2D 그래프(예: go.Bar, go.Scatter, go.Line)title: 전체 그래프 제목 설정xaxis, yaxis: 축 제목, 눈금, 범위, 격자 설정legend: 범례 위치, 방향, 표시 여부hovermode: 마우스 올렸을 때 어떤 방식으로 툴팁을 보여줄지 (closest, x unified 등)margin: 그래프 영역 주..

plt.plot()은 선 그래프를 그립니다.plt.bar()는 막대 그래프를 그립니다.plt.scatter()는 산점도를 그립니다.plt.hist()는 히스토그램을 그립니다.plt.title(), plt.xlabel(), plt.ylabel()은 제목과 축 레이블을 설정합니다.plt.legend()는 그래프에 범례를 추가합니다.plt.subplot()은 여러 그래프를 한 화면에 표시합니다.import matplotlib.pyplot as pltimport numpy as np# 데이터 준비x = np.linspace(0, 10, 100)y1 = np.sin(x)y2 = np.cos(x)# 1. 선 그래프plt.subplot(2, 2, 1) # 2행 2열의 첫 번째plt.plot(x, y1, label=..

plt의 한글폰트 지원하게 하기import matplotlib.pyplot as pltfrom matplotlib import rc# 한글 폰트 설정 (나눔고딕)plt.rc('font', family='NanumGothic') # 또는 'Malgun Gothic' (Windows)# 음수 기호 깨짐 방지plt.rcParams['axes.unicode_minus'] = False# 데이터labels = ['삼성전자', 'SK하이닉스', 'LG전자', '네이버', '카카오']ratio = [50, 20, 10, 10, 10]# 파이 차트plt.pie(ratio, labels=labels, shadow=True, startangle=90)plt.title('기업별 비율')plt.show() 원 그래프 그리는..

import matplotlib.pyplot as pltplt.figure()plt.plot(x , y)plt.show()# plot은 선이라는 뜻을 가지기도 합니다# .show()그래프를 보여주라는 뜻 plt.figure(  ) : 이 변수의 그래프를 집어넣겠다는 의미 # 그래프의 종류를 의미plt.scatter(  ) : 산점도plt.plot(  ) : 선 그래프 # 그래프의 시각적인 부과plt.grid(  )plt.xlabel(  ) & plt.ylabel(  ) : x & y의 이름을 부과하여 정보를 부과plt.title(  ) : 그 그래프의 제목을 붙이는 것이 가능plt.xlim( 여기서 부터 , 여기까지 ) & plt.ylim( 여기서 부터 , 여기까지 ) : 각각의 범위를 지정  plt.s..

Pandas는 데이터 분석에서 가장 널리 사용되는 Python 라이브러리 중 하나로, **데이터프레임(DataFrame)**을 이용해 2차원 데이터를 손쉽게 다룰 수 있습니다. 그러나 단순히 데이터를 화면에 출력하거나 조작하는 데 그치지 않고, 데이터를 다양한 파일 형식으로 저장하여 공유하거나 재사용하는 데에도 활용할 수 있다는 사실, 알고 계셨나요?  그중에서도 가장 대중적이고 흔히 쓰이는 파일 형식이 바로 **CSV(Comma-Separated Values)**입니다. 이번 포스팅에서는 Pandas의 to_csv 메서드를 활용하여 데이터를 CSV 파일로 저장하는 방법과 몇 가지 팁을 소개하겠습니다. import pandas as pd# 샘플 데이터 생성data = { 'Name': ['Alice..

pd.concat(  ) : 데이터프레임들을 새로운 로우( 행( index ) )로 합치기, axis = 0pd.concat(  ) : 데이터프렘임들을 새로운 컬럼으로 합치기, axis = 1append(  ) : 데이터프레임들을 새로운 로우( 행( index ) )merge(  ) : 열을 기반으로 데이터프레임을 JOIN( INNER JOIN or OUTTER JOIN )할 때 사용 merge(  )== how = 'inner' ( 두 개의 포함된 범위만 가져온다 )== how = 'left' ( 왼쪽을 중심으로 오른쪽에 오는 값들을 맞춘다 )실제로 left를 하면 오른쪽에 없는 value들은 NaN으로 표기하고 inner는 NaN은 배제해서 나옵니다

과거 데이터 기반 전략 도출아이디어의 시작투자자라면 누구나 한 번쯤은 과거 데이터를 활용해 미래의 시장 움직임을 예측하고자 하는 아이디어를 떠올립니다. 특히, 과거 종목 및 시장 데이터를 분석하여 이를 기반으로 전략을 도출하고자 하는 경우, 아래와 같은 질문이 생길 수 있습니다:과거 데이터가 미래 가격 움직임 예측에 얼마나 유용할까?종가, 보조지표, 요일 등의 데이터와 미래 가격 사이에 어떤 관계가 있을까?이러한 질문에 대한 답을 찾기 위해, 우리는 인공지능(AI) 및 기계학습(ML)과 같은 도구를 활용해 데이터 기반 예측 모델을 구축할 수 있습니다.AI와 기계학습으로 매매 전략 구축AI란 무엇인가?**인공지능(Artificial Intelligence, AI)**은 사람의 인지 기능을 모방한 기술입니다..

과거 데이터를 통해 시장의 움직임 및 주식 등의 가격 변화를 정량적으로 표현하는 것 종류1. Trend-Following : 가격 움직임의 추세 및 방향 e.g simplge Moving Average( SMA )2. Momentum: 가격 움직임의 강도 e.g.Relative Strength index( RSI )3. Volatilty: 가격 움직임 및 시장의 변동성 e.g. Bollinger Bands ( BB )4. etc: ...1. 매수에서 주로 활용하는 지표들매수 지표는 저평가된 구간을 식별하거나 상승 추세의 시작을 포착하는 데 사용됩니다.1) 모멘텀 지표RSI (Relative Strength Index):과매도 상태 (RSI 상승 반등 가능성이 있는 시점을 파악.Stochastic Osci..