실습 3 — 주문량 데이터 준비하기

import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams["font.family"] = "Malgun Gothic"
plt.rcParams["axes.unicode_minus"] = False

df = pd.read_csv("daily_orders.csv")
print(df.shape)
print(df.head(3))
# 주문량의 요약: 평균, 최솟값, 최댓값 등
print(df["주문량"].describe().round(1))

# 기온과 광고비에 따라 주문량이 어떻게 달라지는지 점으로 찍어 본다
fig, axes = plt.subplots(1, 2, figsize=(11, 4))
axes[0].scatter(df["기온"], df["주문량"], s=8, alpha=0.5)
axes[0].set_title("기온과 주문량")
axes[0].set_xlabel("기온")
axes[1].scatter(df["광고비만원"], df["주문량"], s=8, alpha=0.5)
axes[1].set_title("광고비와 주문량")
axes[1].set_xlabel("광고비(만원)")
plt.tight_layout()
plt.show()

from sklearn.model_selection import train_test_split

# 날짜는 그대로 못 쓰므로 첫날부터 며칠째인지(일차)로 바꾼다
df["일차"] = range(len(df))
features = ["일차", "주말", "공휴일", "기온", "강수mm", "광고비만원", "할인행사"]
X = df[features]
y = df["주문량"]

# 학습용 80%, 시험용 20%. 회귀라서 stratify 는 쓰지 않는다
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
print("학습용:", X_train.shape, "시험용:", X_test.shape)

import torch
from sklearn.preprocessing import StandardScaler

# StandardScaler: 열마다 평균 0, 표준편차 1 로 맞춘다
# 광고비(20~200)와 공휴일(0, 1)처럼 크기가 다른 열을 같은 눈금으로 만들어 학습을 쉽게 한다
# fit 은 학습용에만 한다(시험용을 미리 보지 않도록)
scaler = StandardScaler().fit(X_train)
X_train_s = scaler.transform(X_train)
X_test_s = scaler.transform(X_test)
print("맞춘 뒤 학습용 평균:", X_train_s.mean(axis=0).round(2))

# 텐서로 바꾼다. 주문량은 100 으로 나눠 '백 건' 단위로 줄인다(예: 520건 → 5.2)
# view(-1, 1) 은 (건수,) 모양을 (건수, 1) 로 바꿔 모델의 출력 모양과 맞춘다
X_train_t = torch.tensor(X_train_s, dtype=torch.float32)
y_train_t = torch.tensor(y_train.to_numpy() / 100, dtype=torch.float32).view(-1, 1)
X_test_t = torch.tensor(X_test_s, dtype=torch.float32)
print(X_train_t.shape, y_train_t.shape, X_test_t.shape)