hossam 0.3.16__py3-none-any.whl → 0.3.18__py3-none-any.whl

hossam-0.3.16.dist-info/METADATA

@@ -1,636 +0,0 @@
-Metadata-Version: 2.4
-Name: hossam
-Version: 0.3.16
-Summary: Hossam Data Helper
-Author-email: Lee Kwang-Ho <leekh4232@gmail.com>
-License-Expression: MIT
-Project-URL: Homepage, https://github.com/leekh4232/hossam-py
-Project-URL: Repository, https://github.com/leekh4232/hossam-py
-Keywords: data,analysis,helper,hossam,tensorflow
-Classifier: Development Status :: 3 - Alpha
-Classifier: Intended Audience :: Developers
-Classifier: Topic :: Software Development :: Libraries
-Classifier: Programming Language :: Python :: 3
-Classifier: Programming Language :: Python :: 3 :: Only
-Requires-Python: >=3.11
-Description-Content-Type: text/markdown
-License-File: LICENSE
-Requires-Dist: tqdm
-Requires-Dist: tabulate
-Requires-Dist: pandas
-Requires-Dist: matplotlib
-Requires-Dist: seaborn
-Requires-Dist: requests
-Requires-Dist: openpyxl
-Requires-Dist: xlrd
-Requires-Dist: statsmodels
-Requires-Dist: scipy
-Requires-Dist: scikit-learn
-Requires-Dist: pingouin
-Requires-Dist: statannotations
-Requires-Dist: joblib
-Requires-Dist: geopandas
-Requires-Dist: kmodes
-Requires-Dist: pmdarima
-Requires-Dist: prophet
-Requires-Dist: plotly
-Dynamic: license-file
-
-# 🎓 Hossam Data Helper
-
-[![Python Version](https://img.shields.io/badge/python-3.8%2B-blue.svg)](https://www.python.org/downloads/)
-[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
-[![Version](https://img.shields.io/badge/version-0.3.8-green.svg)](https://pypi.org/project/hossam/)
-
-**Hossam**은 데이터 분석, 시각화, 통계 처리를 위한 종합 헬퍼 라이브러리입니다.
-
-아이티윌(ITWILL)에서 진행 중인 머신러닝 및 데이터 분석 수업을 위해 개발되었으며, 이광호 강사의 강의에서 활용됩니다.
-
----
-
-## 📋 목차
-
-- [특징](#-특징)
-- [설치](#-설치)
-- [빠른 시작](#-빠른-시작)
-- [주요 기능](#-주요-기능)
-  - [데이터 로더](#1-데이터-로더)
-  - [시각화 모듈](#2-시각화-모듈-hossamplot)
-  - [분석 모듈](#3-분석-모듈-hossamanalysis)
-  - [전처리 모듈](#4-전처리-모듈-hossamprep)
-  - [유틸리티 모듈](#5-유틸리티-모듈-hossamutil)
-- [의존성](#-의존성)
-- [문서](#-문서)
-- [라이선스](#-라이선스)
-- [저자](#-저자)
-
----
-
-## ✨ 특징
-
-- 📊 **풍부한 시각화**: Seaborn/Matplotlib 기반의 25+ 시각화 함수
-- 🎯 **통계 분석**: 회귀, 분류, 시계열 분석을 위한 통계 도구
-- 📦 **샘플 데이터**: 학습용 데이터셋 즉시 로드 기능
-- 🔧 **데이터 전처리**: 결측치 처리, 이상치 탐지, 스케일링 등
-- 🚀 **간편한 사용**: 직관적인 API로 빠른 프로토타이핑 지원
-- 📈 **교육용 최적화**: 데이터 분석 교육에 특화된 설계
-
----
-
-## 📦 설치
-
-### PyPI를 통한 설치 (권장)
-
-```bash
-pip install hossam
-```
-
-### 요구사항
-
-- Python 3.8 이상
-- pandas, numpy, matplotlib, seaborn 등 (자동 설치됨)
-
----
-
-## 🚀 빠른 시작
-
-### 버전 확인
-
-```python
-import hossam
-print(hossam.__version__)  # 0.3.0
-```
-
-### 샘플 데이터 로드
-
-```python
-from hossam import load_data, load_info
-
-# 사용 가능한 데이터셋 목록 확인
-datasets = load_info()
-print(datasets)
-
-# 특정 키워드로 검색
-ad_datasets = load_info(search="AD")
-
-# 데이터셋 로드
-df = load_data('AD_SALES')
-print(df.head())
-```
-
-### 간단한 시각화
-
-```python
-from hossam import hs_plot
-import pandas as pd
-import numpy as np
-
-# 샘플 데이터 생성
-df = pd.DataFrame({
-    'x': np.random.randn(100),
-    'y': np.random.randn(100),
-    'category': np.random.choice(['A', 'B', 'C'], 100)
-})
-
-# 산점도 그리기
-hs_plot.scatterplot(df=df, xname='x', yname='y', hue='category', palette='Set1')
-
-# 박스플롯 그리기
-hs_plot.boxplot(df=df, xname='category', yname='x', palette='pastel')
-
-# KDE 플롯 그리기
-hs_plot.kdeplot(df=df, xname='x', hue='category', fill=True, fill_alpha=0.3)
-```
-
----
-
-## 🎯 주요 기능
-
-### 1. 데이터 로더
-
-학습용 샘플 데이터셋을 빠르게 로드할 수 있습니다.
-
-```python
-from hossam import load_data, load_info
-
-# 모든 데이터셋 목록 보기
-all_datasets = load_info()
-
-# 키워드로 검색
-search_results = load_info(search="regression")
-
-# 데이터 로드
-df = load_data('DATASET_NAME')
-```
-
-**주요 데이터셋** (예시):
-- `AD_SALES`: 광고비와 매출 데이터
-- 기타 다양한 회귀, 분류, 시계열 데이터셋
-
----
-
-### 2. 시각화 모듈 (`hossam.hs_plot`)
-
-#### 기본 플롯
-
-##### 선 그래프 (Line Plot)
-```python
-from hossam import hs_plot
-
-hs_plot.lineplot(
-    df=df,
-    xname='time',
-    yname='value',
-    hue='category',
-    marker='o',
-    palette='Set1'
-)
-```
-
-##### 산점도 (Scatter Plot)
-```python
-hs_plot.scatterplot(
-    df=df,
-    xname='x',
-    yname='y',
-    hue='group',
-    palette='husl'
-)
-```
-
-##### 히스토그램 (Histogram)
-```python
-hs_plot.histplot(
-    df=df,
-    xname='value',
-    hue='category',
-    bins=30,
-    kde=True,
-    palette='Set2'
-)
-```
-
-#### 분포 시각화
-
-##### 박스플롯 (Box Plot)
-```python
-hs_plot.boxplot(
-    df=df,
-    xname='category',
-    yname='value',
-    orient='v',
-    palette='pastel'
-)
-```
-
-##### 바이올린 플롯 (Violin Plot)
-```python
-hs_plot.violinplot(
-    df=df,
-    xname='category',
-    yname='value',
-    palette='muted'
-)
-```
-
-##### KDE 플롯 (Kernel Density Estimation)
-```python
-# 1차원 KDE
-hs_plot.kdeplot(
-    df=df,
-    xname='value',
-    hue='category',
-    fill=True,
-    fill_alpha=0.3,
-    palette='Set1'
-)
-
-# 2차원 KDE
-hs_plot.kdeplot(
-    df=df,
-    xname='x',
-    yname='y',
-    palette='coolwarm'
-)
-```
-
-#### 통계적 플롯
-
-##### 회귀선이 포함된 산점도 (Regression Plot)
-```python
-hs_plot.regplot(
-    df=df,
-    xname='x',
-    yname='y',
-    palette='red'
-)
-```
-
-##### 선형 모델 플롯 (LM Plot)
-```python
-hs_plot.lmplot(
-    df=df,
-    xname='x',
-    yname='y',
-    hue='category'
-)
-```
-
-##### 잔차 플롯 (Residual Plot)
-```python
-from sklearn.linear_model import LinearRegression
-
-# 모델 학습
-model = LinearRegression()
-model.fit(X_train, y_train)
-y_pred = model.predict(X_test)
-
-# 잔차 플롯
-hs_plot.residplot(
-    y=y_test,
-    y_pred=y_pred,
-    lowess=True,  # LOWESS 평활화
-    mse=True      # MSE 범위 표시
-)
-```
-
-##### Q-Q 플롯 (Quantile-Quantile Plot)
-```python
-residuals = y_test - y_pred
-hs_plot.qqplot(y_pred=residuals)
-```
-
-##### 혼동 행렬 (Confusion Matrix)
-```python
-hs_plot.confusion_matrix(
-    y=y_test,
-    y_pred=y_pred,
-    cmap='Blues'
-)
-```
-
-#### 다변량 분석
-
-##### 쌍 관계 플롯 (Pair Plot)
-```python
-hs_plot.pairplot(
-    df=df,
-    diag_kind='kde',
-    hue='category',
-    palette='Set1'
-)
-```
-
-##### 공동 분포 플롯 (Joint Plot)
-```python
-hs_plot.jointplot(
-    df=df,
-    xname='x',
-    yname='y',
-    palette='viridis'
-)
-```
-
-##### 히트맵 (Heatmap)
-```python
-# 상관계수 행렬
-corr_matrix = df.corr()
-hs_plot.heatmap(
-    data=corr_matrix,
-    palette='coolwarm'
-)
-```
-
-#### 고급 시각화
-
-##### 볼록 껍질 산점도 (Convex Hull)
-```python
-hs_plot.convex_hull(
-    data=df,
-    xname='x',
-    yname='y',
-    hue='cluster',
-    palette='Set1'
-)
-```
-
-##### 100% 누적 막대 그래프 (Stacked Bar)
-```python
-hs_plot.stackplot(
-    df=df,
-    xname='category',
-    hue='subcategory',
-    palette='Pastel1'
-)
-```
-
-##### P-Value 주석 박스플롯
-```python
-hs_plot.pvalue1_anotation(
-    data=df,
-    target='value',
-    hue='group',
-    pairs=[('A', 'B'), ('B', 'C')],
-    test='t-test_ind',
-    text_format='star'
-)
-```
-
-##### 클래스별 분포 (Distribution by Class)
-```python
-hs_plot.distribution_by_class(
-    data=df,
-    xnames=['feature1', 'feature2'],
-    hue='target',
-    type='kde',
-    fill=True,
-    palette='Set1'
-)
-```
-
-##### 클래스별 산점도 (Scatter by Class)
-```python
-hs_plot.scatter_by_class(
-    data=df,
-    group=[['x', 'y'], ['x', 'z']],
-    hue='target',
-    outline=True,  # 볼록 껍질 표시
-    palette='husl'
-)
-```
-
-#### 공통 매개변수
-
-모든 시각화 함수는 다음 공통 매개변수를 지원합니다:
-
-- **width**: 캔버스 가로 픽셀 (기본값: 1280)
-- **height**: 캔버스 세로 픽셀 (기본값: 720)
-- **dpi**: 해상도 (기본값: 200)
-- **palette**: 색상 팔레트 ('Set1', 'Set2', 'pastel', 'husl', 'coolwarm' 등)
-- **ax**: 외부 Axes 객체 전달 가능
-- **callback**: Axes 후처리 콜백 함수
-
-#### 캔버스 크기 조정 예제
-
-```python
-# 고해상도 큰 차트
-hs_plot.scatterplot(
-    df=df,
-    xname='x',
-    yname='y',
-    width=1920,
-    height=1080,
-    dpi=300
-)
-```
-
-#### 외부 Axes 사용 예제
-
-```python
-import matplotlib.pyplot as plt
-
-fig, axes = plt.subplots(2, 2, figsize=(12, 10))
-
-hs_plot.boxplot(df=df, xname='cat', yname='val', ax=axes[0, 0])
-hs_plot.violinplot(df=df, xname='cat', yname='val', ax=axes[0, 1])
-hs_plot.histplot(df=df, xname='val', ax=axes[1, 0])
-hs_plot.kdeplot(df=df, xname='val', ax=axes[1, 1])
-
-plt.tight_layout()
-plt.show()
-```
-
-#### 콜백 함수 사용 예제
-
-```python
-def custom_style(ax):
-    ax.set_title('사용자 정의 제목', fontsize=16, fontweight='bold')
-    ax.set_xlabel('X축 레이블', fontsize=12)
-    ax.set_ylabel('Y축 레이블', fontsize=12)
-    ax.grid(True, alpha=0.3, linestyle='--')
-
-hs_plot.scatterplot(
-    df=df,
-    xname='x',
-    yname='y',
-    callback=custom_style
-)
-```
-
----
-
-### 3. 분석 모듈 (`hossam.hs_stats`)
-
-데이터 분석을 위한 통계 기능들을 제공합니다.
-
-```python
-from hossam import analysis as hs_analysis
-
-# 기술 통계 분석
-# 회귀 분석 헬퍼
-# 분류 성능 평가
-# 시계열 분석
-# 등등 (상세 문서 참조)
-```
-
----
-
-### 4. 전처리 모듈 (`hossam.hs_prep`)
-
-데이터 전처리 및 정제를 위한 유틸리티입니다.
-
-```python
-from hossam import prep as hs_prep
-
-# 결측치 처리
-# 이상치 탐지 및 제거
-# 스케일링 및 인코딩
-# 등등 (상세 문서 참조)
-```
-
----
-
-### 5. 유틸리티 모듈 (`hossam.hs_util`)
-
-기타 편의 기능들을 제공합니다.
-
-```python
-from hossam import util as hs_util
-
-# 다양한 헬퍼 함수들
-# 데이터 변환
-# 파일 I/O 지원
-# 등등 (상세 문서 참조)
-```
-
----
-
-## 📚 의존성
-
-Hossam은 다음 라이브러리들을 사용합니다:
-
-### 핵심 의존성
-- **pandas**: 데이터 처리 및 분석
-- **numpy**: 수치 계산
-- **matplotlib**: 기본 시각화
-- **seaborn**: 통계 시각화
-
-### 통계 및 머신러닝
-- **scipy**: 과학 계산 및 통계
-- **scikit-learn**: 머신러닝 알고리즘
-- **statsmodels**: 통계 모델링
-- **pingouin**: 통계 분석
-
-### 기타
-- **tqdm**: 진행률 표시
-- **tabulate**: 표 형식 출력
-- **requests**: HTTP 요청
-- **openpyxl**, **xlrd**: Excel 파일 지원
-- **statannotations**: 통계 주석
-- **joblib**: 직렬화 및 병렬 처리
-
-모든 의존성은 `pip install hossam` 시 자동으로 설치됩니다.
-
----
-
-## 📖 문서
-
-- **라이브 사이트**: https://py.hossam.kr/
-- **API 레퍼런스(패키지)**: https://py.hossam.kr/api/hossam/
-- **워크플로우 가이드**: https://py.hossam.kr/guides/workflow/
-- **아키텍처 다이어그램**: https://py.hossam.kr/overview/architecture/
-
----
-
-## 🎓 사용 사례
-
-### 교육용
-
-```python
-# 수업에서 빠르게 시각화 시연
-from hossam import load_data, plot as hs_plot
-
-df = load_data('SAMPLE_DATA')
-hs_plot.pairplot(df=df, hue='target', palette='Set1')
-```
-
-### 데이터 탐색
-
-```python
-# 빠른 EDA (탐색적 데이터 분석)
-from hossam import hs_plot
-
-# 분포 확인
-hs_plot.distribution_by_class(
-    data=df,
-    hue='target',
-    type='histkde'
-)
-
-# 상관관계 확인
-hs_plot.heatmap(data=df.corr(), palette='coolwarm')
-
-# 특징 관계 확인
-hs_plot.scatter_by_class(
-    data=df,
-    hue='target',
-    outline=True
-)
-```
-
-### 모델 평가
-
-```python
-from sklearn.linear_model import LinearRegression
-from hossam import hs_plot
-
-# 모델 학습
-model = LinearRegression()
-model.fit(X_train, y_train)
-y_pred = model.predict(X_test)
-
-# 잔차 분석
-hs_plot.residplot(y=y_test, y_pred=y_pred, lowess=True, mse=True)
-
-# 정규성 검증
-hs_plot.qqplot(y_pred=y_test - y_pred)
-```
-
----
-
-## 📝 라이선스
-
-이 프로젝트는 MIT 라이선스 하에 배포됩니다.
-
-자세한 내용은 [LICENSE](LICENSE) 파일을 참조하세요.
-
----
-
-## 👨‍🏫 저자
-
-**이광호 (Lee Kwang-Ho)**
-- 아이티윌(ITWILL) 강사
-- 머신러닝 및 데이터 분석 교육 전문
-- Email: leekh4232@gmail.com
-- Blog: [https://blog.hossam.kr/](https://blog.hossam.kr/)
-- GitHub: [https://github.com/leekh4232](https://github.com/leekh4232)
-- Youtube: [https://www.youtube.com/@hossam-codingclub](https://www.youtube.com/@hossam-codingclub)
-
----
-
-## 🙏 감사의 말
-
-이 라이브러리는 아이티윌에서 진행되는 데이터 분석 교육을 위해 개발되었습니다.
-
-수강생 여러분의 학습에 도움이 되기를 바랍니다.
-
----
-
-## 📞 지원 및 문의
-
-- 이슈 리포트: [GitHub Issues](https://github.com/leekh4232/hossam-data/issues)
-- 이메일: leekh4232@gmail.com
-
----
-
-**Happy Data Analysis! 📊✨**

hossam-0.3.16.dist-info/RECORD

@@ -1,16 +0,0 @@
-hossam/NotoSansKR-Regular.ttf,sha256=0SCufUQwcVWrWTu75j4Lt_V2bgBJIBXl1p8iAJJYkVY,6185516
-hossam/__init__.py,sha256=hJTS1Yl85JqG0iBaVkQcYtguP5f-zO0_wT-ZAouQyzI,2613
-hossam/data_loader.py,sha256=UpC_gn-xUWij0s-MO51qrzJNz3b5-RCz1N6esQMZUJM,6320
-hossam/hs_classroom.py,sha256=b2vzxHapxibnJwcRwWvOfLfczjF-G3ZdT9hIUt4z4oU,27407
-hossam/hs_gis.py,sha256=9ER8gXG2Or0DZ1fpbJR84WsNVPcxu788FsNtR6LsEgo,11379
-hossam/hs_plot.py,sha256=7cngzrEeVeBvANyReI9kd3yHZGMOFZjvgBbBGA7rT2E,78467
-hossam/hs_prep.py,sha256=hTHNJvHMVBkV7xthV6igSz0QIKy-bTyVXHzQKblVfQw,36220
-hossam/hs_stats.py,sha256=nhfdZjo4NeyQ3_Pk-xTAN8OLNBDHH8nH9UDtvBNs5AU,112373
-hossam/hs_timeserise.py,sha256=loRofR-m2NMxHaDEWDhZjo6DwayEf4c7qkSoCErfBWY,42165
-hossam/hs_util.py,sha256=E4LnzPlRdWeqICv7TtTL9DT5PogqBhOuTgYiaav565U,7461
-hossam/leekh.png,sha256=1PB5NQ24SDoHA5KMiBBsWpSa3iniFcwFTuGwuOsTHfI,6395
-hossam-0.3.16.dist-info/licenses/LICENSE,sha256=nIqzhlcFY_2D6QtFsYjwU7BWkafo-rUJOQpDZ-DsauI,941
-hossam-0.3.16.dist-info/METADATA,sha256=5Yhqjz7S5BTs_OTGaC_l4YzbhQXL8mssrS73hjjCy5s,13116
-hossam-0.3.16.dist-info/WHEEL,sha256=_zCd3N1l69ArxyTb8rzEoP9TpbYXkqRFSNOD5OuxnTs,91
-hossam-0.3.16.dist-info/top_level.txt,sha256=_-7bwjhthHplWhywEaHIJX2yL11CQCaLjCNSBlk6wiQ,7
-hossam-0.3.16.dist-info/RECORD,,