* 겪고 있는 문제 상황을 최대한 자세하게 작성해주세요.

* 문제 해결을 위해 어떤 시도를 해보았는지 구체적으로 함께 알려주세요.

해설 영상대로 작성했는데 완성그래프가 '개강일별 주차 간 전환율' 이 아닌 '처음 인원이 분모인 경우'의 점점 옅어지는 그래프로 나와서 확인해보니

영상이랑 강의자료에 나와있는 답지가 다릅니다.

제 답안에서 틀린점이 뭔지도 궁금합니다 ㅠ

ㄴ 답지 해설영상

ㄴ 강의 자료 해답

for j in range 범위가 다른데 이점은 0이던 1이던 상관이 없는건가요?

그리고 제 코드에서 틀린부분이 어디에 있는지 잘 모르겠습니다 ㅠㅠ 제 코드에서 range 범위를 바꿔도 바뀌는게 없더라구요..

작성한 코드 및 에러 메세지

오류 발생 시, 작성한 코드 전체와 에러 메시지를 첨부해 주세요.

Tip 1) </> 아이콘을 눌러 코드박스를 만들어 보세요.

Tip 2) Ctrl+A(맥의 경우 Command+A) 단축키로 코드를 한 번에 선택할 수 있어요!

#라이브러리 불러오기
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
plt.rc('font', family='NanumBarunGothic')


# 한글깨짐 방지
plt.rc('font', family='NanumBarunGothic')
sparta_data = pd.read_table('/content/cohort_data.csv',sep=',')
sparta_data.tail()


#날짜 데이터 타입 변경
format='%Y-%m-%dT%H:%M:%S.%f'
sparta_data['start_time'] = pd.to_datetime(sparta_data['created_at'], format=format,infer_datetime_format=True)
sparta_data.tail()


#시작 week 구하기
sparta_data['start_week']= sparta_data['start_time'].dt.isocalendar().week
sparta_data.tail()


#시작 주 범위 알기
category_range = set(sparta_data['start_week'])
category_range


# 범주화 하기
#번주화할 데이터 
progress_rate = list(sparta_data['progress_rate'])
progress_rate


#범주를 구분하는 기준 bins
bins = [0,4.11,26.03,41.10,61.64,80.82,100]


#구분한 범주의 라벨 labels
labes=[0,1,2,3,4,5]


#범주화에 사용하는 함수 pd.cut
cuts = pd.cut(progress_rate,bins, right=True,include_lowest=True, labels=labes)
cuts
cuts = pd.DataFrame(cuts)
cuts.tail()



# 표 합치기
sparta_data = pd.concat([sparta_data,cuts],axis=1, join='inner')
sparta_data.head()


#표 인덱스 변경하기
sparta_data.columns=['created_at','user_id','name','progress_rate','start_time','start_week',"week"]
sparta_data.head()


#시작주와, 수강 주차별 기준으로 표 grouping 하기
grouping = sparta_data.groupby(['start_week','week'])
grouping.head()


#시작주와, 수강 주차별에 해당하는 수강생 수 구하기
cohort_data = grouping['user_id'].apply(pd.Series.nunique)
cohort_data = pd.DataFrame(cohort_data)
cohort_data.head(10)


#각 주차별 수강한 수강생 총 합 구하기
k=31
for i in range(6):
  for j in range(5, 0, -1):
    cohort_data.at[(k,j-1), 'user_id'] = int(cohort_data.at[(k,j),'user_id']) +  int(cohort_data.at[(k,j-1),'user_id'])
  k=k+1
cohort_data = cohort_data.reset_index()
cohort_data.head()



cohort_counts = cohort_data.pivot(index="start_week",
                                  columns="week",
                                  values="user_id")
cohort_counts


# 앞서 만든 피벗 테이블을 retention 변수에 저장하기
retention = cohort_counts
#각 주(week) 별 최초 수강생 수만 가져오기
cohort_sizes = cohort_counts.iloc[:,0]
cohort_sizes.head()


# 최초 수강생 수를 각 데이터에 나눠주기
retention = cohort_counts.divide(cohort_sizes, axis=0)
retention


#각 수치 퍼센트로 변경하기
retention.round(3)*100


k=31
for i in range(6):
  for j in range(5, 1, -1):   # (5, 0, -1) 로 해도 그래프는 똑같음 (처음 인원이 분모인 경우 그래프)
    retention.at[(k,j)] = retention.at[(k,j)] +  int(retention.at[(k,j-1)])
  k=k+1


retention


plt.figure(figsize=(10,8))


sns.heatmap(data=retention,
           annot=True,
           fmt='.0%',
           vmin=0,
           vmax=1,
           cmap="BuGn")



plt.xlabel('주차', fontsize=14,labelpad=30)
plt.title('개강일별 주차 간 전환율', fontsize=20)
plt.ylabel('개강일', fontsize=14,rotation=360,labelpad=30)
plt.yticks(rotation=360)


plt.show()