[Feature] 아파트 기준 공원과 학교의 개수 피처 추가

[minari-c]

park, school 공통으로 사용한 변수

interval: float

• 코드 통일을 위한 경우와 특정 거리의 피처가 따로 필요한 경우를 위해 만들었다.
• 기본은 school: 1, park: 0.5

  interval_str: str

  f'{interval}km' if interval >= 1. else f'{interval * 1000}m'
  -> km 혹은 m 단위를 선택하여 str로 변환해준다.
  -> 추가할 컬럼명에 사용한다.
  ex) nearest_high_school_5km or 500m ... 

  생성자 매개변수 df와 school, park df

  
  train_df = pd.read_csv('train.csv')
  test_df = pd.read_csv('test.csv')

train_df["_type"] = "train" test_df["_type"] = "test"

concat_df = pd.concat([train_df, test_df],axis=0)

from src.pre_process.feature_add import FeatureAddition

df = FeatureAddition(concat_df).get_data()

park_df = pd.read_csv('parkInfo.csv') school_df = pd.read_csv('schoolinfo.csv')

경로와 무관하게

### 추가 되는 feature

## school feature
- nearest_{level}_school_distance: float
  - 가장 가까운 학교 거리
- nearest_{level}_school_within_{interval_str}: int
  - interval 내의 학교 개수 
- has_{level}_school_within_{interval_str}: int
  - interval 내의 학교 유무

level은 각각 high, middle, elementary가 들어가서 총 9개의 feature가 추가된다.

### 활용 코드
```python
from src.pre_process.school.school_info_feature_add import SchoolInfoFeatureAdd

school = SchoolInfoFeatureAdd(df, school_df)
school.get_data()

park feature

• nearest_park_distance: float
  • 가장 가까운 공원 거리
• nearest_park_distancewithin{interval_str}: int
  • interval 내의 공원 개수
• has_parkwithin{interval_str}: int
  • interval 내의 공원 유무

활용 코드

from src.pre_process.park.park_info_feature_add import ParkInfoFeatureAdd

park = ParkInfoFeatureAdd(df, park_df)
park.get_data()

사진 상의 park_idx는 추가되지 않는다.