연료 효율 데이터

• year : 차량 측정 연도
• Make : 회사
• Model : 어떤 모델 인지
• class : 옵션 정보
• engine size : 엔진의 크기
• Cylinders : 실린더의 개수
• Transmission : 변속기
• Fuel Type : 연료 타입
• Fuel Comsumption : 연료 효율 (종속 변수)
• Comb (L/100 km)
• Comb (mpg)
• CO2 Emissions (g/km) : 이산화 탄소 배출량
• CO2 Rating : 이산화 탄소 발생 비율
• Smog Rating : 스모그 발생 비율

데이터 로드

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns


df = pd.read_csv('/content/drive/MyDrive/연료 효율 예측/Fuel Consumption Ratings 2023.csv',encoding='latin-1')
df.shape

• 저번이랑 마찬가지로 드라이브 안에있는 차량 데이터 를 가지고 연료 효율을 예측하는 모델을 만드는 것이다.

필요없는 데이터 삭제

df.drop('Year' , axis = 1 , inplace = True)

• 연도 데이터는 전부다 2023 년 데이터기 떄문에 딱히 필요 없다고 생각해서 지웠다.

결측치 확인 및 제거

df.isnull().sum()

df.dropna(axis = 0 , inplace=True)

EDA

# case1 = 범주형 변수
case1 = df.select_dtypes(include=('object')).columns.to_list()
# case2 = 연속형 변수
case2 = df.select_dtypes(exclude=('object')).columns.to_list()

• 데이터 분석을 위해 column 이 object 인것과 아닌것을 나누어 분석

def fuel_box_plot(targets,df,n,x,y):
    plt.figure(figsize=(x,y))
    plt.subplots_adjust(wspace=1, hspace=1)
    for i in range(n):
        plt.subplot(n,1,i+1)
        sns.boxplot(x = targets[i] , data = df)
        plt.title(f'boxplot of {targets[i]}')
    plt.show()

def fuel_hist_plot(targets,df,n,x,y):
    plt.figure(figsize = (x,y))
    plt.subplots_adjust(wspace=1, hspace=1)
    for i in range(n):
        plt.subplot(n,1,i+1)
        sns.histplot(x = df[targets[i]])
        plt.title(f'histplot of {targets[i]}')
    plt.show()

• 연속형 데이터는 boxplot 과 histplot 을 사용한다.

def fuel_count_plot(targets , df ,n, x,y):
    plt.figure(figsize= (x,y))
    plt.subplots_adjust(wspace=5, hspace=5)
    for i in range(n):
        plt.subplot(n,1,i+1)
        sns.countplot(x = targets[i] , data = df)
        plt.xticks(rotation = 90)
        plt.title(f'countplot of {targets[i]}')
    plt.show()
    
def fuel_bar_plot(targets , df , n,x,y):
    plt.figure(figsize = (x,y))
    plt.subplots_adjust(wspace=5, hspace=5)
    for i in range(n):
        plt.subplot(n,1,i+1)
        sns.barplot(x = targets[i] ,y = 'Fuel Consumption (L/100Km)', data = df)
        plt.xticks(rotation= 90)
        plt.title(f'barplot of {targets[i]}')
    plt.show()

• 확인해보면 model 개수가 650종류 넘게 나오는것을 확인할수 있다.
• 따라서 해당 칼럼은 삭제를 했다.

상관성 분석

df_temp[case2].corr()

• 보시면 연속형 변수끼리 상관성이 큰것을 확인할수 있다.

train test split

target = 'Fuel Consumption (L/100Km)'
y = df_temp[target]
x = df_temp.drop(target , axis = 1 ,inplace = False)

from sklearn.model_selection import train_test_split

train_x , test_x  ,train_y , test_y = train_test_split(x,y , test_size=0.2 , random_state = 42)

모델링

https://colab.research.google.com/drive/1sltQsDvKb4Xo7U8m2mGzyP1tj7tHWyzY?usp=sharing