판다스 연습 튜토리얼#

Hits

아 제발 광고 한번씩만 눌러주세요 ㅠㅠ 두번은 더 좋구요

Attention

목차 및 구성 출처 : 원본 깃헙주소
데이터 일부 수정 후 작업 진행했습니다.

주피터 노트북 단축키 참고영상

01 Getting & Knowing Data#

import pandas as pd

Attention

롤 랭킹 데이터 : https://www.kaggle.com/datasnaek/league-of-legends
DataUrl = ‘https://raw.githubusercontent.com/Datamanim/pandas/main/lol.csv’

Question 1

데이터를 로드하라. 데이터는 \t을 기준으로 구분되어있다.

1번 , 주피터 노트북에서 메소드 사용법 유튜브 풀이

type(df)

pandas.core.frame.DataFrame

Question 2

데이터의 상위 5개 행을 출력하라

2번 유튜브 풀이

Hide code cell source 
Ans = df.head(5)

Ans
gameId creationTime gameDuration seasonId winner firstBlood firstTower firstInhibitor firstBaron firstDragon ... t2_towerKills t2_inhibitorKills t2_baronKills t2_dragonKills t2_riftHeraldKills t2_ban1 t2_ban2 t2_ban3 t2_ban4 t2_ban5
0 3326086514 1504279457970 1949 9 1 2 1 1 1 1 ... 5 0 0 1 1 114 67 43 16 51
1 3229566029 1497848803862 1851 9 1 1 1 1 0 1 ... 2 0 0 0 0 11 67 238 51 420
2 3327363504 1504360103310 1493 9 1 2 1 1 1 2 ... 2 0 0 1 0 157 238 121 57 28
3 3326856598 1504348503996 1758 9 1 1 1 1 1 1 ... 0 0 0 0 0 164 18 141 40 51
4 3330080762 1504554410899 2094 9 1 2 1 1 1 1 ... 3 0 0 1 0 86 11 201 122 18

5 rows × 61 columns

Question 3

데이터의 행과 열의 갯수를 파악하라

3번 유튜브 풀이

Hide code cell source 
print(df.shape)
print('행:',df.shape[0])
print('열:',df.shape[1])

(51490, 61)
행: 51490
열: 61

Question 4

전체 컬럼을 출력하라

4번 유튜브 풀이

Hide code cell source 
Ans = df.columns

Ans

Index(['gameId', 'creationTime', 'gameDuration', 'seasonId', 'winner',
       'firstBlood', 'firstTower', 'firstInhibitor', 'firstBaron',
       'firstDragon', 'firstRiftHerald', 't1_champ1id', 't1_champ1_sum1',
       't1_champ1_sum2', 't1_champ2id', 't1_champ2_sum1', 't1_champ2_sum2',
       't1_champ3id', 't1_champ3_sum1', 't1_champ3_sum2', 't1_champ4id',
       't1_champ4_sum1', 't1_champ4_sum2', 't1_champ5id', 't1_champ5_sum1',
       't1_champ5_sum2', 't1_towerKills', 't1_inhibitorKills', 't1_baronKills',
       't1_dragonKills', 't1_riftHeraldKills', 't1_ban1', 't1_ban2', 't1_ban3',
       't1_ban4', 't1_ban5', 't2_champ1id', 't2_champ1_sum1', 't2_champ1_sum2',
       't2_champ2id', 't2_champ2_sum1', 't2_champ2_sum2', 't2_champ3id',
       't2_champ3_sum1', 't2_champ3_sum2', 't2_champ4id', 't2_champ4_sum1',
       't2_champ4_sum2', 't2_champ5id', 't2_champ5_sum1', 't2_champ5_sum2',
       't2_towerKills', 't2_inhibitorKills', 't2_baronKills', 't2_dragonKills',
       't2_riftHeraldKills', 't2_ban1', 't2_ban2', 't2_ban3', 't2_ban4',
       't2_ban5'],
      dtype='object')

Question 5

6번째 컬럼명을 출력하라

5번 유튜브 풀이

Hide code cell source 
Ans = df.columns[5]

Ans

'firstBlood'

Question 6

6번째 컬럼의 데이터 타입을 확인하라

6번 유튜브 풀이

Hide code cell source 
Ans = df.iloc[:,5].dtype

Ans

dtype('int64')

Question 7

데이터셋의 인덱스 구성은 어떤가

7번 유튜브 풀이

Hide code cell source 
Ans = df.index

Ans 

RangeIndex(start=0, stop=51490, step=1)

Question 8

6번째 컬럼의 3번째 값은 무엇인가?

8번 유튜브 풀이

Hide code cell source 
Ans = df.iloc[2,5]

Ans 

2

Attention

제주 날씨,인구에 따른 교통량데이터 : 출처 제주 데이터 허브 DataUrl = ‘https://raw.githubusercontent.com/Datamanim/pandas/main/Jeju.csv’

Question 9

데이터를 로드하라. 컬럼이 한글이기에 적절한 처리해줘야함

9번 유튜브 풀이

DataUrl = 'https://raw.githubusercontent.com/Datamanim/pandas/main/Jeju.csv'
df = pd.read_csv(DataUrl,encoding='euc-kr')

type(df)

pandas.core.frame.DataFrame

Question 10

데이터 마지막 3개행을 출력하라

10번 유튜브 풀이

Hide code cell source 
Ans = df.tail(3)

Ans
id 일자 시도명 읍면동명 거주인구 근무인구 방문인구 총 유동인구 평균 속도 평균 소요 시간 평균 기온 일강수량 평균 풍속
9618 32066 2020-04-30 제주시 도두동 28397.481 3144.895 84052.697 115595.073 41.053 29.421 20.3 0.0 3.0
9619 32067 2020-04-30 서귀포시 안덕면 348037.846 29106.286 251129.660 628273.792 46.595 49.189 17.6 0.0 3.5
9620 32068 2020-04-30 제주시 연동 1010643.372 65673.477 447622.068 1523938.917 40.863 27.765 14.1 0.0 4.8

Question 11

수치형 변수를 가진 컬럼을 출력하라

11번 유튜브 풀이

Hide code cell source 
Ans = df.select_dtypes(exclude=object).columns

Ans

Index(['id', '거주인구', '근무인구', '방문인구', '총 유동인구', '평균 속도', '평균 소요 시간', '평균 기온',
       '일강수량', '평균 풍속'],
      dtype='object')

Question 12

범주형 변수를 가진 컬럼을 출력하라

12번 유튜브 풀이

Hide code cell source 
Ans = df.select_dtypes(include=object).columns

Ans

Index(['일자', '시도명', '읍면동명'], dtype='object')

Question 13

각 컬럼의 결측치 숫자를 파악하라

13번 유튜브 풀이

Hide code cell source 
Ans = df.isnull().sum()

Ans

id          0
일자          0
시도명         0
읍면동명        0
거주인구        0
근무인구        0
방문인구        0
총 유동인구      0
평균 속도       0
평균 소요 시간    0
평균 기온       0
일강수량        0
평균 풍속       0
dtype: int64

Question 14

각 컬럼의 데이터수, 데이터타입을 한번에 확인하라

14번 유튜브 풀이

Hide code cell source 
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 9621 entries, 0 to 9620
Data columns (total 13 columns):
 #   Column    Non-Null Count  Dtype  
---  ------    --------------  -----  
 0   id        9621 non-null   int64  
 1   일자        9621 non-null   object 
 2   시도명       9621 non-null   object 
 3   읍면동명      9621 non-null   object 
 4   거주인구      9621 non-null   float64
 5   근무인구      9621 non-null   float64
 6   방문인구      9621 non-null   float64
 7   총 유동인구    9621 non-null   float64
 8   평균 속도     9621 non-null   float64
 9   평균 소요 시간  9621 non-null   float64
 10  평균 기온     9621 non-null   float64
 11  일강수량      9621 non-null   float64
 12  평균 풍속     9621 non-null   float64
dtypes: float64(9), int64(1), object(3)
memory usage: 977.3+ KB

Question 15

각 수치형 변수의 분포(사분위, 평균, 표준편차, 최대 , 최소)를 확인하라

15번 유튜브 풀이

Hide code cell source 
Ans = df.describe()

Ans
id 거주인구 근무인구 방문인구 총 유동인구 평균 속도 평균 소요 시간 평균 기온 일강수량 평균 풍속
count 9621.000000 9.621000e+03 9621.000000 9621.000000 9.621000e+03 9621.000000 9621.000000 9621.000000 9621.000000 9621.000000
mean 27258.000000 3.174315e+05 35471.201510 195889.561802 5.487922e+05 41.109084 37.215873 13.550828 6.972426 2.753171
std 2777.487804 2.982079e+05 40381.214775 140706.090325 4.608802e+05 8.758631 12.993786 7.745515 27.617260 1.498538
min 22448.000000 9.305552e+03 1407.936000 11538.322000 2.225181e+04 24.333000 12.667000 -9.600000 0.000000 0.000000
25% 24853.000000 9.539939e+04 12074.498000 99632.153000 2.216910e+05 34.250000 27.889000 7.600000 0.000000 1.700000
50% 27258.000000 2.221105e+05 21960.928000 152805.335000 3.866935e+05 39.640000 34.500000 13.400000 0.000000 2.400000
75% 29663.000000 4.106671e+05 40192.032000 236325.109000 6.406918e+05 49.105000 46.176000 19.700000 1.500000 3.400000
max 32068.000000 1.364504e+06 263476.965000 723459.209000 2.066484e+06 103.000000 172.200000 30.400000 587.500000 13.333000

Question 16

거주인구 컬럼의 값들을 출력하라

16번 유튜브 풀이

Hide code cell source 
Ans = df['거주인구']

Ans

0         32249.987
1        213500.997
2       1212382.218
3         33991.653
4        155036.925
           ...     
9616     228260.005
9617     459959.064
9618      28397.481
9619     348037.846
9620    1010643.372
Name: 거주인구, Length: 9621, dtype: float64

Question 17

평균 속도 컬럼의 4분위 범위(IQR) 값을 구하여라

17번 유튜브 풀이

Hide code cell source 
Ans  = df['평균 속도'].quantile(0.75) -df['평균 속도'].quantile(0.25)

Ans

14.854999999999997

Question 18

읍면동명 컬럼의 유일값 갯수를 출력하라

18번 유튜브 풀이

Hide code cell source 
Ans = df.읍면동명.nunique()

Ans

41

Question 19

읍면동명 컬럼의 유일값을 모두 출력하라

19번 유튜브 풀이

Hide code cell source 
Ans = df.읍면동명.unique()

Ans

array(['도두동', '외도동', '이도2동', '일도1동', '대천동', '서홍동', '한경면', '송산동', '조천읍',
       '일도2동', '영천동', '예래동', '대륜동', '삼도1동', '이호동', '건입동', '중앙동', '삼양동',
       '삼도2동', '이도1동', '남원읍', '대정읍', '정방동', '효돈동', '아라동', '한림읍', '구좌읍',
       '용담1동', '오라동', '화북동', '연동', '표선면', '중문동', '성산읍', '안덕면', '천지동',
       '노형동', '동홍동', '용담2동', '봉개동', '애월읍'], dtype=object)

02 Filtering & Sorting#

Attention

식당데이터 : justmarkham/DAT8
DataUrl = ‘https://raw.githubusercontent.com/Datamanim/pandas/main/chipo.csv’

Question 20

데이터를 로드하라.

20번 유튜브 풀이

DataUrl = 'https://raw.githubusercontent.com/Datamanim/pandas/main/chipo.csv'
df = pd.read_csv(DataUrl)
Ans = type(df)

Ans

pandas.core.frame.DataFrame

Question 21

quantity컬럼 값이 3인 데이터를 추출하여 첫 5행을 출력하라

21번 유튜브 풀이

Hide code cell source 
Ans = df.loc[df['quantity']==3].head()

Ans
order_id quantity item_name choice_description item_price
409 178 3 Chicken Bowl [[Fresh Tomato Salsa (Mild), Tomatillo-Green C... $32.94
445 193 3 Bowl [Braised Carnitas, Pinto Beans, [Sour Cream, C... $22.20
689 284 3 Canned Soft Drink [Diet Coke] $3.75
818 338 3 Bottled Water NaN $3.27
850 350 3 Canned Soft Drink [Sprite] $3.75

Question 22

quantity컬럼 값이 3인 데이터를 추출하여 index를 0부터 정렬하고 첫 5행을 출력하라

22번 유튜브 풀이

Hide code cell source 
Ans = df.loc[df['quantity']==3].head().reset_index(drop=True)

Ans
order_id quantity item_name choice_description item_price
0 178 3 Chicken Bowl [[Fresh Tomato Salsa (Mild), Tomatillo-Green C... $32.94
1 193 3 Bowl [Braised Carnitas, Pinto Beans, [Sour Cream, C... $22.20
2 284 3 Canned Soft Drink [Diet Coke] $3.75
3 338 3 Bottled Water NaN $3.27
4 350 3 Canned Soft Drink [Sprite] $3.75

Question 23

quantity , item_price 두개의 컬럼으로 구성된 새로운 데이터 프레임을 정의하라

23번 유튜브 풀이

Hide code cell source 
Ans =df[['quantity','item_price']]

Ans
quantity item_price
0 1 $2.39
1 1 $3.39
2 1 $3.39
3 1 $2.39
4 2 $16.98
... ... ...
4617 1 $11.75
4618 1 $11.75
4619 1 $11.25
4620 1 $8.75
4621 1 $8.75

4622 rows × 2 columns

Question 24

item_price 컬럼의 달러표시 문자를 제거하고 float 타입으로 저장하여 new_price 컬럼에 저장하라

24번 유튜브 풀이

Hide code cell source 
df['new_price'] = df['item_price'].str[1:].astype('float')
Ans = df['new_price'].head()

Ans

0     2.39
1     3.39
2     3.39
3     2.39
4    16.98
Name: new_price, dtype: float64

Question 25

new_price 컬럼이 5이하의 값을 가지는 데이터프레임을 추출하고, 전체 갯수를 구하여라

25번 유튜브 풀이

Hide code cell source 
Ans = len(df.loc[df.new_price <=5])

Ans

1652

Question 26

item_name명이 Chicken Salad Bowl 인 데이터 프레임을 추출하라고 index 값을 초기화 하여라

26번 유튜브 풀이

Hide code cell source 
Ans = df.loc[df.item_name =='Chicken Salad Bowl'].reset_index(drop=True)

Ans.head(3)
order_id quantity item_name choice_description item_price new_price
0 20 1 Chicken Salad Bowl [Fresh Tomato Salsa, [Fajita Vegetables, Pinto... $8.75 8.75
1 60 2 Chicken Salad Bowl [Tomatillo Green Chili Salsa, [Sour Cream, Che... $22.50 22.50
2 94 2 Chicken Salad Bowl [Fresh Tomato Salsa, [Fajita Vegetables, Pinto... $22.50 22.50

Question 27

new_price값이 9 이하이고 item_name 값이 Chicken Salad Bowl 인 데이터 프레임을 추출하라

27번 유튜브 풀이

Hide code cell source 
Ans = df.loc[(df.item_name =='Chicken Salad Bowl') & (df.new_price <= 9)]

Ans.head(5)
order_id quantity item_name choice_description item_price new_price
44 20 1 Chicken Salad Bowl [Fresh Tomato Salsa, [Fajita Vegetables, Pinto... $8.75 8.75
256 111 1 Chicken Salad Bowl [Fresh Tomato Salsa, [Fajita Vegetables, Rice,... $8.75 8.75
526 220 1 Chicken Salad Bowl [Roasted Chili Corn Salsa, [Black Beans, Sour ... $8.75 8.75
528 221 1 Chicken Salad Bowl [Tomatillo Green Chili Salsa, [Fajita Vegetabl... $8.75 8.75
529 221 1 Chicken Salad Bowl [Tomatillo Green Chili Salsa, [Fajita Vegetabl... $8.75 8.75

Question 28

df의 new_price 컬럼 값에 따라 오름차순으로 정리하고 index를 초기화 하여라

28번 유튜브 풀이

Hide code cell source 
Ans = df.sort_values('new_price').reset_index(drop=True)

Ans.head(4)
order_id quantity item_name choice_description item_price new_price
0 471 1 Bottled Water NaN $1.09 1.09
1 338 1 Canned Soda [Coca Cola] $1.09 1.09
2 1575 1 Canned Soda [Dr. Pepper] $1.09 1.09
3 47 1 Canned Soda [Dr. Pepper] $1.09 1.09

Question 29

df의 item_name 컬럼 값중 Chips 포함하는 경우의 데이터를 출력하라

29번 유튜브 풀이

Hide code cell source 
Ans = df.loc[df.item_name.str.contains('Chips')]

Ans.head(5)
order_id quantity item_name choice_description item_price new_price
0 1 1 Chips and Fresh Tomato Salsa NaN $2.39 2.39
3 1 1 Chips and Tomatillo-Green Chili Salsa NaN $2.39 2.39
6 3 1 Side of Chips NaN $1.69 1.69
10 5 1 Chips and Guacamole NaN $4.45 4.45
14 7 1 Chips and Guacamole NaN $4.45 4.45

Question 30

df의 짝수번째 컬럼만을 포함하는 데이터프레임을 출력하라

30번 유튜브 풀이

Hide code cell source 
Ans = df.iloc[:,::2]

Ans.head(5)
order_id item_name item_price
0 1 Chips and Fresh Tomato Salsa $2.39
1 1 Izze $3.39
2 1 Nantucket Nectar $3.39
3 1 Chips and Tomatillo-Green Chili Salsa $2.39
4 2 Chicken Bowl $16.98

Question 31

df의 new_price 컬럼 값에 따라 내림차순으로 정리하고 index를 초기화 하여라

31번 유튜브 풀이

Hide code cell source 
Ans = df.sort_values('new_price',ascending=False).reset_index(drop=True)

Ans.head(4)
order_id quantity item_name choice_description item_price new_price
0 1443 15 Chips and Fresh Tomato Salsa NaN $44.25 44.25
1 1398 3 Carnitas Bowl [Roasted Chili Corn Salsa, [Fajita Vegetables,... $35.25 35.25
2 511 4 Chicken Burrito [Fresh Tomato Salsa, [Fajita Vegetables, Rice,... $35.00 35.00
3 1443 4 Chicken Burrito [Fresh Tomato Salsa, [Rice, Black Beans, Chees... $35.00 35.00

Question 32

df의 item_name 컬럼 값이 Steak Salad 또는 Bowl 인 데이터를 인덱싱하라

32번 유튜브 풀이

Hide code cell source 
Ans = df.loc[(df.item_name =='Steak Salad') | (df.item_name =='Bowl')]

Ans
order_id quantity item_name choice_description item_price new_price
445 193 3 Bowl [Braised Carnitas, Pinto Beans, [Sour Cream, C... $22.20 22.20
664 276 1 Steak Salad [Tomatillo-Red Chili Salsa (Hot), [Black Beans... $8.99 8.99
673 279 1 Bowl [Adobo-Marinated and Grilled Steak, [Sour Crea... $7.40 7.40
752 311 1 Steak Salad [Tomatillo-Red Chili Salsa (Hot), [Black Beans... $8.99 8.99
893 369 1 Steak Salad [Fresh Tomato Salsa (Mild), [Rice, Cheese, Sou... $8.99 8.99
3502 1406 1 Steak Salad [[Lettuce, Fajita Veggies]] $8.69 8.69

Question 33

df의 item_name 컬럼 값이 Steak Salad 또는 Bowl 인 데이터를 데이터 프레임화 한 후, item_name를 기준으로 중복행이 있으면 제거하되 첫번째 케이스만 남겨라

33번 유튜브 풀이

Hide code cell source 
Ans = df.loc[(df.item_name =='Steak Salad') | (df.item_name =='Bowl')]
Ans = Ans.drop_duplicates('item_name')

Ans
order_id quantity item_name choice_description item_price new_price
445 193 3 Bowl [Braised Carnitas, Pinto Beans, [Sour Cream, C... $22.20 22.20
664 276 1 Steak Salad [Tomatillo-Red Chili Salsa (Hot), [Black Beans... $8.99 8.99

Question 34

df의 item_name 컬럼 값이 Steak Salad 또는 Bowl 인 데이터를 데이터 프레임화 한 후, item_name를 기준으로 중복행이 있으면 제거하되 마지막 케이스만 남겨라

34번 유튜브 풀이

Hide code cell source 
Ans = df.loc[(df.item_name =='Steak Salad') | (df.item_name =='Bowl')]
Ans = Ans.drop_duplicates('item_name',keep='last')

Ans
order_id quantity item_name choice_description item_price new_price
673 279 1 Bowl [Adobo-Marinated and Grilled Steak, [Sour Crea... $7.40 7.40
3502 1406 1 Steak Salad [[Lettuce, Fajita Veggies]] $8.69 8.69

Question 35

df의 데이터 중 new_price값이 new_price값의 평균값 이상을 가지는 데이터들을 인덱싱하라

35번 유튜브 풀이

Hide code cell source 
Ans = df.loc[df.new_price >= df.new_price.mean()]

Ans.head(5)
order_id quantity item_name choice_description item_price new_price
4 2 2 Chicken Bowl [Tomatillo-Red Chili Salsa (Hot), [Black Beans... $16.98 16.98
5 3 1 Chicken Bowl [Fresh Tomato Salsa (Mild), [Rice, Cheese, Sou... $10.98 10.98
7 4 1 Steak Burrito [Tomatillo Red Chili Salsa, [Fajita Vegetables... $11.75 11.75
8 4 1 Steak Soft Tacos [Tomatillo Green Chili Salsa, [Pinto Beans, Ch... $9.25 9.25
9 5 1 Steak Burrito [Fresh Tomato Salsa, [Rice, Black Beans, Pinto... $9.25 9.25

Question 36

df의 데이터 중 item_name의 값이 Izze 데이터를 Fizzy Lizzy로 수정하라

36번 유튜브 풀이

Hide code cell source 
df.loc[df.item_name =='Izze','item_name'] = 'Fizzy Lizzy'
Ans = df

Ans.head(3)
order_id quantity item_name choice_description item_price new_price
0 1 1 Chips and Fresh Tomato Salsa NaN $2.39 2.39
1 1 1 Fizzy Lizzy [Clementine] $3.39 3.39
2 1 1 Nantucket Nectar [Apple] $3.39 3.39

Question 37

df의 데이터 중 choice_description 값이 NaN 인 데이터의 갯수를 구하여라

37번 유튜브 풀이

Hide code cell source 
Ans = df.choice_description.isnull().sum()

Ans

1246

Question 38

df의 데이터 중 choice_description 값이 NaN 인 데이터를 NoData 값으로 대체하라(loc 이용)

38번 유튜브 풀이

Hide code cell source 
df.loc[df.choice_description.isnull(),'choice_description'] ='NoData'
Ans = df

Ans.head()
order_id quantity item_name choice_description item_price new_price
0 1 1 Chips and Fresh Tomato Salsa NoData $2.39 2.39
1 1 1 Fizzy Lizzy [Clementine] $3.39 3.39
2 1 1 Nantucket Nectar [Apple] $3.39 3.39
3 1 1 Chips and Tomatillo-Green Chili Salsa NoData $2.39 2.39
4 2 2 Chicken Bowl [Tomatillo-Red Chili Salsa (Hot), [Black Beans... $16.98 16.98

Question 39

df의 데이터 중 choice_description 값에 Black이 들어가는 경우를 인덱싱하라

39번 유튜브 풀이

Hide code cell source 
Ans = df[df.choice_description.str.contains('Black')]

Ans.head(5)
order_id quantity item_name choice_description item_price new_price
4 2 2 Chicken Bowl [Tomatillo-Red Chili Salsa (Hot), [Black Beans... $16.98 16.98
7 4 1 Steak Burrito [Tomatillo Red Chili Salsa, [Fajita Vegetables... $11.75 11.75
9 5 1 Steak Burrito [Fresh Tomato Salsa, [Rice, Black Beans, Pinto... $9.25 9.25
11 6 1 Chicken Crispy Tacos [Roasted Chili Corn Salsa, [Fajita Vegetables,... $8.75 8.75
12 6 1 Chicken Soft Tacos [Roasted Chili Corn Salsa, [Rice, Black Beans,... $8.75 8.75

Question 40

df의 데이터 중 choice_description 값에 Vegetables 들어가지 않는 경우의 갯수를 출력하라

40번 유튜브 풀이

Hide code cell source 
Ans = len(df.loc[~df.choice_description.str.contains('Vegetables')])

Ans

3900

Question 41

df의 데이터 중 item_name 값이 N으로 시작하는 데이터를 모두 추출하라

41번 유튜브 풀이

Hide code cell source 
Ans = df[df.item_name.str.startswith('N')]

Ans.head(3)
order_id quantity item_name choice_description item_price new_price
2 1 1 Nantucket Nectar [Apple] $3.39 3.39
22 11 1 Nantucket Nectar [Pomegranate Cherry] $3.39 3.39
105 46 1 Nantucket Nectar [Pineapple Orange Banana] $3.39 3.39

Question 42

df의 데이터 중 item_name 값의 단어갯수가 15개 이상인 데이터를 인덱싱하라

42번 유튜브 풀이

Hide code cell source 
Ans= df[df.item_name.str.len() >=15]

Ans.head(3)
order_id quantity item_name choice_description item_price new_price
0 1 1 Chips and Fresh Tomato Salsa NoData $2.39 2.39
2 1 1 Nantucket Nectar [Apple] $3.39 3.39
3 1 1 Chips and Tomatillo-Green Chili Salsa NoData $2.39 2.39

Question 43

df의 데이터 중 new_price값이 lst에 해당하는 경우의 데이터 프레임을 구하고 그 갯수를 출력하라 lst =[1.69, 2.39, 3.39, 4.45, 9.25, 10.98, 11.75, 16.98]

43번 유튜브 풀이

lst =[1.69, 2.39, 3.39, 4.45, 9.25, 10.98, 11.75, 16.98]

Ans = df.loc[df.new_price.isin(lst)]

display(Ans.head(3))
print(len(Ans))
order_id quantity item_name choice_description item_price new_price
0 1 1 Chips and Fresh Tomato Salsa NoData $2.39 2.39
1 1 1 Fizzy Lizzy [Clementine] $3.39 3.39
2 1 1 Nantucket Nectar [Apple] $3.39 3.39 
1393

03_Grouping#

Attention

뉴욕 airBnB : https://www.kaggle.com/ptoscano230382/air-bnb-ny-2019 DataUrl = ‘https://raw.githubusercontent.com/Datamanim/pandas/main/AB_NYC_2019.csv’

Question 44

데이터를 로드하고 상위 5개 컬럼을 출력하라

44번 유튜브 풀이

df= pd.read_csv('https://raw.githubusercontent.com/Datamanim/pandas/main/AB_NYC_2019.csv')

Ans =df.head(5)

Ans
id name host_id host_name neighbourhood_group neighbourhood latitude longitude room_type price minimum_nights number_of_reviews last_review reviews_per_month calculated_host_listings_count availability_365
0 2539 Clean & quiet apt home by the park 2787 John Brooklyn Kensington 40.64749 -73.97237 Private room 149 1 9 2018-10-19 0.21 6 365
1 2595 Skylit Midtown Castle 2845 Jennifer Manhattan Midtown 40.75362 -73.98377 Entire home/apt 225 1 45 2019-05-21 0.38 2 355
2 3647 THE VILLAGE OF HARLEM....NEW YORK ! 4632 Elisabeth Manhattan Harlem 40.80902 -73.94190 Private room 150 3 0 NaN NaN 1 365
3 3831 Cozy Entire Floor of Brownstone 4869 LisaRoxanne Brooklyn Clinton Hill 40.68514 -73.95976 Entire home/apt 89 1 270 2019-07-05 4.64 1 194
4 5022 Entire Apt: Spacious Studio/Loft by central park 7192 Laura Manhattan East Harlem 40.79851 -73.94399 Entire home/apt 80 10 9 2018-11-19 0.10 1 0

Question 45

데이터의 각 host_name의 빈도수를 구하고 host_name으로 정렬하여 상위 5개를 출력하라

45번 유튜브 풀이

Hide code cell source 
Ans = df.groupby('host_name').size()

# or

Ans = df.host_name.value_counts().sort_index()

Ans.head(5)

'Cil                        1
(Ari) HENRY LEE             1
(Email hidden by Airbnb)    6
(Mary) Haiy                 1
-TheQueensCornerLot         1
Name: host_name, dtype: int64

Question 46

데이터의 각 host_name의 빈도수를 구하고 빈도수 기준 내림차순 정렬한 데이터 프레임을 만들어라. 빈도수 컬럼은 counts로 명명하라

46번 유튜브 풀이

Hide code cell source 
Ans = df.groupby('host_name').size().\
                to_frame().rename(columns={0:'counts'}).\
                sort_values('counts',ascending=False)

Ans.head(5)
counts
host_name
Michael 417
David 403
Sonder (NYC) 327
John 294
Alex 279

Question 47

neighbourhood_group의 값에 따른 neighbourhood컬럼 값의 갯수를 구하여라

47번 유튜브 풀이

Hide code cell source 
Ans = df.groupby(['neighbourhood_group','neighbourhood'], as_index=False).size()

Ans.head(4)
neighbourhood_group neighbourhood size
0 Bronx Allerton 42
1 Bronx Baychester 7
2 Bronx Belmont 24
3 Bronx Bronxdale 19

Question 48

neighbourhood_group의 값에 따른 neighbourhood컬럼 값 중 neighbourhood_group그룹의 최댓값들을 출력하라

48번 유튜브 풀이

Hide code cell source 
Ans= df.groupby(['neighbourhood_group','neighbourhood'], as_index=False).size()\
                  .groupby(['neighbourhood_group'], as_index=False).max()

Ans
neighbourhood_group neighbourhood size
0 Bronx Woodlawn 70
1 Brooklyn Windsor Terrace 3920
2 Manhattan West Village 2658
3 Queens Woodside 900
4 Staten Island Woodrow 48

Question 49

neighbourhood_group 값에 따른 price값의 평균, 분산, 최대, 최소 값을 구하여라

49번 유튜브 풀이

Hide code cell source 
Ans = df[['neighbourhood_group','price']].groupby('neighbourhood_group').agg(['mean','var','max','min'])

Ans
price
mean var max min
neighbourhood_group
Bronx 87.496792 11386.885081 2500 0
Brooklyn 124.383207 34921.719135 10000 0
Manhattan 196.875814 84904.159185 10000 0
Queens 99.517649 27923.130227 10000 10
Staten Island 114.812332 77073.088342 5000 13

Question 50

neighbourhood_group 값에 따른 reviews_per_month 평균, 분산, 최대, 최소 값을 구하여라

50번 유튜브 풀이

Hide code cell source 
Ans = df[['neighbourhood_group','reviews_per_month']].groupby('neighbourhood_group').agg(['mean','var','max','min'])

Ans
reviews_per_month
mean var max min
neighbourhood_group
Bronx 1.837831 2.799878 10.34 0.02
Brooklyn 1.283212 2.299040 14.00 0.01
Manhattan 1.272131 2.651206 58.50 0.01
Queens 1.941200 4.897848 20.94 0.01
Staten Island 1.872580 2.840895 10.12 0.02

Question 51

neighbourhood 값과 neighbourhood_group 값에 따른 price 의 평균을 구하라

51번 유튜브 풀이

Hide code cell source 
Ans = df.groupby(['neighbourhood','neighbourhood_group']).price.mean()

Ans

neighbourhood    neighbourhood_group
Allerton         Bronx                   87.595238
Arden Heights    Staten Island           67.250000
Arrochar         Staten Island          115.000000
Arverne          Queens                 171.779221
Astoria          Queens                 117.187778
                                           ...    
Windsor Terrace  Brooklyn               138.993631
Woodhaven        Queens                  67.170455
Woodlawn         Bronx                   60.090909
Woodrow          Staten Island          700.000000
Woodside         Queens                  85.097872
Name: price, Length: 221, dtype: float64

Question 52

neighbourhood 값과 neighbourhood_group 값에 따른 price 의 평균을 계층적 indexing 없이 구하라

52번 유튜브 풀이

Hide code cell source 
Ans = df.groupby(['neighbourhood','neighbourhood_group']).price.mean().unstack()

Ans
neighbourhood_group Bronx Brooklyn Manhattan Queens Staten Island
neighbourhood
Allerton 87.595238 NaN NaN NaN NaN
Arden Heights NaN NaN NaN NaN 67.25
Arrochar NaN NaN NaN NaN 115.00
Arverne NaN NaN NaN 171.779221 NaN
Astoria NaN NaN NaN 117.187778 NaN
... ... ... ... ... ...
Windsor Terrace NaN 138.993631 NaN NaN NaN
Woodhaven NaN NaN NaN 67.170455 NaN
Woodlawn 60.090909 NaN NaN NaN NaN
Woodrow NaN NaN NaN NaN 700.00
Woodside NaN NaN NaN 85.097872 NaN

221 rows × 5 columns

Question 53

neighbourhood 값과 neighbourhood_group 값에 따른 price 의 평균을 계층적 indexing 없이 구하고 nan 값은 -999값으로 채워라

53번 유튜브 풀이

Hide code cell source 
Ans = df.groupby(['neighbourhood','neighbourhood_group']).price.mean().unstack().fillna(-999)

Ans.head(4)
neighbourhood_group Bronx Brooklyn Manhattan Queens Staten Island
neighbourhood
Allerton 87.595238 -999.0 -999.0 -999.000000 -999.00
Arden Heights -999.000000 -999.0 -999.0 -999.000000 67.25
Arrochar -999.000000 -999.0 -999.0 -999.000000 115.00
Arverne -999.000000 -999.0 -999.0 171.779221 -999.00

Question 54

데이터중 neighbourhood_group 값이 Queens값을 가지는 데이터들 중 neighbourhood 그룹별로 price값의 평균, 분산, 최대, 최소값을 구하라

54번 유튜브 풀이

Hide code cell source 
Ans = df[df.neighbourhood_group=='Queens'].groupby(['neighbourhood']).price.agg(['mean','var','max','min'])

Ans.head(4)
mean var max min
neighbourhood
Arverne 171.779221 37383.411141 1500 35
Astoria 117.187778 122428.811196 10000 25
Bay Terrace 142.000000 6816.400000 258 32
Bayside 157.948718 166106.470985 2600 30

Question 55

데이터중 neighbourhood_group 값에 따른 room_type 컬럼의 숫자를 구하고 neighbourhood_group 값을 기준으로 각 값의 비율을 구하여라

55번 유튜브 풀이

Hide code cell source 
Ans = df[['neighbourhood_group','room_type']].groupby(['neighbourhood_group','room_type']).size().unstack()
Ans.loc[:,:] = (Ans.values /Ans.sum(axis=1).values.reshape(-1,1))

Ans
room_type Entire home/apt Private room Shared room
neighbourhood_group
Bronx 0.347388 0.597617 0.054995
Brooklyn 0.475478 0.503979 0.020543
Manhattan 0.609344 0.368496 0.022160
Queens 0.369926 0.595129 0.034945
Staten Island 0.471850 0.504021 0.024129

04_Apply , Map#

Attention

카드이용데이터 : https://www.kaggle.com/sakshigoyal7/credit-card-customers DataUrl = ‘https://raw.githubusercontent.com/Datamanim/pandas/main/BankChurnersUp.csv’

Question 56

데이터를 로드하고 데이터 행과 열의 갯수를 출력하라

56번 유튜브 풀이

Hide code cell source 
df =pd.read_csv('https://raw.githubusercontent.com/Datamanim/pandas/main/BankChurnersUp.csv',index_col=0)
Ans =df.shape

Ans

(10127, 18)

Question 57

Income_Category의 카테고리를 map 함수를 이용하여 다음과 같이 변경하여 newIncome 컬럼에 매핑하라 Unknown : N
Less than $40K : a
$40K - $60K : b
$60K - $80K : c
$80K - $120K : d
$120K +’ : e

57번 유튜브 풀이

Hide code cell source 
dic = {
    'Unknown'        : 'N',
    'Less than $40K' : 'a',
    '$40K - $60K'    : 'b',
    '$60K - $80K'    : 'c',
    '$80K - $120K'   : 'd',
    '$120K +'        : 'e'   
}

df['newIncome']  =df.Income_Category.map(lambda x: dic[x])

Ans = df['newIncome']

Ans.head(4)

0    c
1    a
2    d
3    a
Name: newIncome, dtype: object

Question 58

Income_Category의 카테고리를 apply 함수를 이용하여 다음과 같이 변경하여 newIncome 컬럼에 매핑하라 Unknown : N
Less than $40K : a
$40K - $60K : b
$60K - $80K : c
$80K - $120K : d
$120K +’ : e

58번 유튜브 풀이

def changeCategory(x):
    if x =='Unknown':
        return 'N'
    elif x =='Less than $40K':
        return 'a'
    elif x =='$40K - $60K':   
        return 'b'
    elif x =='$60K - $80K':    
        return 'c'
    elif x =='$80K - $120K':   
        return 'd'
    elif x =='$120K +' :     
        return 'e'

df['newIncome']  =df.Income_Category.apply(changeCategory)

Ans = df['newIncome']

Ans.head(4)

0    c
1    a
2    d
3    a
Name: newIncome, dtype: object

Question 59

Customer_Age의 값을 이용하여 나이 구간을 AgeState 컬럼으로 정의하라. (0~9 : 0 , 10~19 :10 , 20~29 :20 … 각 구간의 빈도수를 출력하라

59번 유튜브 풀이

Hide code cell source 
df['AgeState']  = df.Customer_Age.map(lambda x: x//10 *10)

Ans = df['AgeState'].value_counts().sort_index()

Ans

20     195
30    1841
40    4561
50    2998
60     530
70       2
Name: AgeState, dtype: int64

Question 60

Education_Level의 값중 Graduate단어가 포함되는 값은 1 그렇지 않은 경우에는 0으로 변경하여 newEduLevel 컬럼을 정의하고 빈도수를 출력하라

60번 유튜브 풀이

Hide code cell source 
df['newEduLevel'] = df.Education_Level.map(lambda x : 1 if 'Graduate' in x else 0)
Ans = df['newEduLevel'].value_counts()

Ans

0    6483
1    3644
Name: newEduLevel, dtype: int64

Question 61

Credit_Limit 컬럼값이 4500 이상인 경우 1 그외의 경우에는 모두 0으로 하는 newLimit 정의하라. newLimit 각 값들의 빈도수를 출력하라

61번 유튜브 풀이

Hide code cell source 
df['newLimit'] = df.Credit_Limit.map(lambda x : 1 if x>=4500 else 0)
Ans = df['newLimit'].value_counts()

Ans

1    5096
0    5031
Name: newLimit, dtype: int64

Question 62

Marital_Status 컬럼값이 Married 이고 Card_Category 컬럼의 값이 Platinum인 경우 1 그외의 경우에는 모두 0으로 하는 newState컬럼을 정의하라. newState의 각 값들의 빈도수를 출력하라

62번 유튜브 풀이

Hide code cell source 
def check(x):
    if x.Marital_Status =='Married' and x.Card_Category =='Platinum':
        return 1
    else:
        return 0


df['newState'] = df.apply(check,axis=1)

Ans  = df['newState'].value_counts()

Ans

0    10120
1        7
Name: newState, dtype: int64

Question 63

Gender 컬럼값 M인 경우 male F인 경우 female로 값을 변경하여 Gender 컬럼에 새롭게 정의하라. 각 value의 빈도를 출력하라

63번 유튜브 풀이

Hide code cell source 
def changeGender(x):
    if x =='M':
        return 'male'
    else:
        return 'female'
df['Gender'] = df.Gender.apply(changeGender)
Ans = df['Gender'].value_counts()

Ans

female    5358
male      4769
Name: Gender, dtype: int64

05_Time_Series#

Attention

주가 데이터 : https://raw.githubusercontent.com/guipsamora/pandas_exercises/master/06_Stats/Wind_Stats/wind.data DataUrl = ‘https://raw.githubusercontent.com/Datamanim/pandas/main/timeTest.csv’

Question 64

데이터를 로드하고 각 열의 데이터 타입을 파악하라

64번 유튜브 풀이

Hide code cell source 
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/pandas/main/timeTest.csv')

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6574 entries, 0 to 6573
Data columns (total 13 columns):
 #   Column    Non-Null Count  Dtype  
---  ------    --------------  -----  
 0   Yr_Mo_Dy  6574 non-null   object 
 1   RPT       6568 non-null   float64
 2   VAL       6571 non-null   float64
 3   ROS       6572 non-null   float64
 4   KIL       6569 non-null   float64
 5   SHA       6572 non-null   float64
 6   BIR       6574 non-null   float64
 7   DUB       6571 non-null   float64
 8   CLA       6572 non-null   float64
 9   MUL       6571 non-null   float64
 10  CLO       6573 non-null   float64
 11  BEL       6574 non-null   float64
 12  MAL       6570 non-null   float64
dtypes: float64(12), object(1)
memory usage: 667.8+ KB

Question 65

Yr_Mo_Dy을 판다스에서 인식할 수 있는 datetime64타입으로 변경하라

65번 유튜브 풀이

Hide code cell source 
df.Yr_Mo_Dy = pd.to_datetime(df.Yr_Mo_Dy)
Ans = df.Yr_Mo_Dy

Ans.head(4)

0   2061-01-01
1   2061-01-02
2   2061-01-03
3   2061-01-04
Name: Yr_Mo_Dy, dtype: datetime64[ns]

Question 66

Yr_Mo_Dy에 존재하는 년도의 유일값을 모두 출력하라

66번 유튜브 풀이

Hide code cell source 
Ans = df.Yr_Mo_Dy.dt.year.unique()

Ans

array([2061, 2062, 2063, 2064, 2065, 2066, 2067, 2068, 2069, 2070, 1971,
       1972, 1973, 1974, 1975, 1976, 1977, 1978])

Question 67

Yr_Mo_Dy에 년도가 2061년 이상의 경우에는 모두 잘못된 데이터이다. 해당경우의 값은 100을 빼서 새롭게 날짜를 Yr_Mo_Dy 컬럼에 정의하라

67번 유튜브 풀이

Hide code cell source 
def fix_century(x):
    import datetime
    
    year = x.year - 100 if x.year >= 2061 else x.year
    return pd.to_datetime(datetime.date(year, x.month, x.day))


df['Yr_Mo_Dy'] = df['Yr_Mo_Dy'].apply(fix_century)

Ans = df.head(4)

Ans
Yr_Mo_Dy RPT VAL ROS KIL SHA BIR DUB CLA MUL CLO BEL MAL
0 1961-01-01 15.04 14.96 13.17 9.29 NaN 9.87 13.67 10.25 10.83 12.58 18.50 15.04
1 1961-01-02 14.71 NaN 10.83 6.50 12.62 7.67 11.50 10.04 9.79 9.67 17.54 13.83
2 1961-01-03 18.50 16.88 12.33 10.13 11.17 6.17 11.25 NaN 8.50 7.67 12.75 12.71
3 1961-01-04 10.58 6.63 11.75 4.58 4.54 2.88 8.63 1.79 5.83 5.88 5.46 10.88

Question 68

년도별 각컬럼의 평균값을 구하여라

68번 유튜브 풀이

Hide code cell source 
Ans = df.groupby(df.Yr_Mo_Dy.dt.year).mean()

Ans.head(4)
RPT VAL ROS KIL SHA BIR DUB CLA MUL CLO BEL MAL
Yr_Mo_Dy
1961 12.299583 10.351796 11.362369 6.958227 10.881763 7.729726 9.733923 8.858788 8.647652 9.835577 13.502795 13.680773
1962 12.246923 10.110438 11.732712 6.960440 10.657918 7.393068 11.020712 8.793753 8.316822 9.676247 12.930685 14.323956
1963 12.813452 10.836986 12.541151 7.330055 11.724110 8.434712 11.075699 10.336548 8.903589 10.224438 13.638877 14.999014
1964 12.363661 10.920164 12.104372 6.787787 11.454481 7.570874 10.259153 9.467350 7.789016 10.207951 13.740546 14.910301

Question 69

weekday컬럼을 만들고 요일별로 매핑하라 ( 월요일: 0 ~ 일요일 :6)

69번 유튜브 풀이

Hide code cell source 
df['weekday'] = df.Yr_Mo_Dy.dt.weekday

Ans = df['weekday'].head(3).to_frame()

Ans
weekday
0 6
1 0
2 1

Question 70

weekday컬럼을 기준으로 주말이면 1 평일이면 0의 값을 가지는 WeekCheck 컬럼을 만들어라

70번 유튜브 풀이

Hide code cell source 
df['WeekCheck']  = df['weekday'].map(lambda x : 1 if x in [5,6] else 0)

Ans = df['WeekCheck'].head(3).to_frame()

Ans
WeekCheck
0 1
1 0
2 0

Question 71

년도, 일자 상관없이 모든 컬럼의 각 달의 평균을 구하여라

71번 유튜브 풀이

Hide code cell source 
Ans = df.groupby(df.Yr_Mo_Dy.dt.month).mean()

Ans.head(4)
RPT VAL ROS KIL SHA BIR DUB CLA MUL CLO BEL MAL weekday WeekCheck
Yr_Mo_Dy
1 14.847325 12.914560 13.299624 7.199498 11.667734 8.054839 11.819355 9.512047 9.543208 10.053566 14.550520 18.028763 2.989247 0.284946
2 13.710906 12.111122 12.879132 6.942411 11.551772 7.633858 11.206024 9.341437 9.313169 9.518051 13.728898 17.156142 3.005906 0.287402
3 13.158687 11.505842 12.648118 7.265907 11.554516 7.959409 11.310179 9.635896 9.700324 10.096953 13.810609 16.909317 3.000000 0.283154
4 12.555648 10.429759 12.204815 6.898037 10.677667 7.441389 10.221315 8.909056 8.930870 9.158019 12.664759 14.937611 3.011111 0.288889

Question 72

모든 결측치는 컬럼기준 직전의 값으로 대체하고 첫번째 행에 결측치가 있을경우 뒤에있는 값으로 대채하라

72번 유튜브 풀이

Hide code cell source 
df = df.fillna(method='ffill').fillna(method='bfill')

df.isnull().sum()

Yr_Mo_Dy     0
RPT          0
VAL          0
ROS          0
KIL          0
SHA          0
BIR          0
DUB          0
CLA          0
MUL          0
CLO          0
BEL          0
MAL          0
weekday      0
WeekCheck    0
dtype: int64

Question 73

년도 - 월을 기준으로 모든 컬럼의 평균값을 구하여라

73번 유튜브 풀이

Hide code cell source 
Ans = df.groupby(df.Yr_Mo_Dy.dt.to_period('M')).mean()

Ans.head(3)
RPT VAL ROS KIL SHA BIR DUB CLA MUL CLO BEL MAL weekday WeekCheck
Yr_Mo_Dy
1961-01 14.932581 12.084194 13.431613 7.736774 11.215806 8.588065 11.184839 9.270968 9.085806 10.107419 13.880968 14.703226 2.935484 0.290323
1961-02 16.269286 14.975357 14.324643 9.116786 13.852143 10.937500 11.890714 11.846071 11.821429 12.714286 18.583214 15.411786 3.000000 0.285714
1961-03 11.015806 11.296452 10.752903 7.137742 10.509355 8.866774 9.644194 9.829677 10.646129 11.251935 16.410968 15.637742 3.000000 0.258065

Question 74

RPT 컬럼의 값을 일자별 기준으로 1차차분하라

74번 유튜브 풀이

Hide code cell source 
Ans = df['RPT'].diff()

Ans.head(3)

0     NaN
1   -0.33
2    3.79
Name: RPT, dtype: float64

Question 75

RPT와 VAL의 컬럼을 일주일 간격으로 각각 이동평균한값을 구하여라

75번 유튜브 풀이

Hide code cell source 
Ans= df[['RPT','VAL']].rolling(7).mean()

Ans.head(9)
RPT VAL
0 NaN NaN
1 NaN NaN
2 NaN NaN
3 NaN NaN
4 NaN NaN
5 NaN NaN
6 14.124286 12.727143
7 13.541429 11.982857
8 13.237143 11.392857

Attention

서울시 미세먼지 데이터 : https://www.airkorea.or.kr/web/realSearch?pMENU_NO=97 DataUrl = ‘https://raw.githubusercontent.com/Datamanim/pandas/main/seoul_pm.csv’

df =pd.read_csv('https://raw.githubusercontent.com/Datamanim/pandas/main/seoul_pm.csv')

Question 76

년-월-일:시 컬럼을 pandas에서 인식할 수 있는 datetime 형태로 변경하라. 서울시의 제공데이터의 경우 0시가 24시로 표현된다

76번 유튜브 풀이

Hide code cell source 
def change_date(x):
    import datetime
    hour = x.split(':')[1]
    date = x.split(":")[0]
    
    if hour =='24':
        hour ='00:00:00'
        
        FinalDate = pd.to_datetime(date +" "+hour) +datetime.timedelta(days=1)
        
    else:
        hour = hour +':00:00'
        FinalDate = pd.to_datetime(date +" "+hour)
    
    return FinalDate

df['(년-월-일:시)'] = df['(년-월-일:시)'].apply(change_date)

Ans = df

Ans.head(3)
(년-월-일:시) PM10등급 PM10 PM2.5등급 PM2.5 오존등급 오존 이산화질소등급 이산화질소 일산화탄소등급 일산화탄소 아황산가스등급 아황산가스
0 2021-05-15 15:00:00 보통 47.0 보통 19.0 좋음 0.017 좋음 0.023 좋음 0.4 좋음 0.003
1 2021-05-15 14:00:00 보통 43.0 보통 20.0 좋음 0.024 좋음 0.019 좋음 0.3 좋음 0.003
2 2021-05-15 13:00:00 보통 34.0 보통 24.0 보통 0.035 좋음 0.017 좋음 0.4 좋음 0.004

Question 77

일자별 영어요일 이름을 dayName 컬럼에 저장하라

77번 유튜브 풀이

Hide code cell source 
df['dayName']  =df['(년-월-일:시)'].dt.day_name()
Ans =df['dayName'] 

Ans.head(5)

0    Saturday
1    Saturday
2    Saturday
3    Saturday
4    Saturday
Name: dayName, dtype: object

Question 78

일자별 각 PM10등급의 빈도수를 파악하라

78번 유튜브 풀이

Hide code cell source 
Ans1 = df.groupby(['dayName','PM10등급'],as_index=False).size()
Ans2 = Ans1.pivot(index='dayName',columns='PM10등급',values='size').fillna(0)

Ans1.head()
dayName PM10등급 size
0 Friday 나쁨 31
1 Friday 매우나쁨 17
2 Friday 보통 120
3 Friday 좋음 21
4 Monday 나쁨 1 
Ans2
PM10등급 나쁨 매우나쁨 보통 좋음
dayName
Friday 31.0 17.0 120.0 21.0
Monday 1.0 21.0 83.0 63.0
Saturday 31.0 27.0 71.0 54.0
Sunday 2.0 1.0 67.0 98.0
Thursday 41.0 0.0 144.0 5.0
Tuesday 13.0 10.0 71.0 74.0
Wednesday 26.0 0.0 95.0 46.0

Question 79

시간이 연속적으로 존재하며 결측치가 없는지 확인하라

79번 유튜브 풀이

Hide code cell source 
# 시간을 차분했을 경우 첫 값은 nan, 이후 모든 차분값이 동일하면 연속이라 판단한다.
check = len(df['(년-월-일:시)'].diff().unique())
if check ==2:
    Ans =True
else:
    Ans = False

Ans

True

Question 80

오전 10시와 오후 10시(22시)의 PM10의 평균값을 각각 구하여라

80번 유튜브 풀이

Hide code cell source 
Ans = df.groupby(df['(년-월-일:시)'].dt.hour).mean().iloc[[10,22],[0]]

Ans
PM10
(년-월-일:시)
10 70.384615
22 69.941176

Question 81

날짜 컬럼을 index로 만들어라

81번 유튜브 풀이

Hide code cell source 
df.set_index('(년-월-일:시)',inplace=True,drop=True)

Ans =df

Ans.head(3)
PM10등급 PM10 PM2.5등급 PM2.5 오존등급 오존 이산화질소등급 이산화질소 일산화탄소등급 일산화탄소 아황산가스등급 아황산가스 dayName
(년-월-일:시)
2021-05-15 15:00:00 보통 47.0 보통 19.0 좋음 0.017 좋음 0.023 좋음 0.4 좋음 0.003 Saturday
2021-05-15 14:00:00 보통 43.0 보통 20.0 좋음 0.024 좋음 0.019 좋음 0.3 좋음 0.003 Saturday
2021-05-15 13:00:00 보통 34.0 보통 24.0 보통 0.035 좋음 0.017 좋음 0.4 좋음 0.004 Saturday

Question 82

데이터를 주단위로 뽑아서 최소,최대 평균, 표준표차를 구하여라

82번 유튜브 풀이

Hide code cell source 
Ans = df.resample('W').agg(['min','max','mean','std'])

Ans.head(5)
PM10 PM2.5 오존 ... 이산화질소 일산화탄소 아황산가스
min max mean std min max mean std min max ... mean std min max mean std min max mean std
(년-월-일:시)
2021-03-28 6.0 160.0 72.747368 43.345462 4.0 113.0 44.705263 29.551928 0.002 0.085 ... 0.044579 0.023722 0.3 1.4 0.611579 0.232408 0.002 0.006 0.003274 0.000961
2021-04-04 3.0 598.0 97.148810 129.911976 1.0 120.0 23.168675 22.399578 0.003 0.055 ... 0.027929 0.014978 0.3 0.9 0.445833 0.135741 0.002 0.004 0.002732 0.000541
2021-04-11 17.0 102.0 41.059524 16.325911 7.0 70.0 21.761905 11.479343 0.009 0.070 ... 0.022583 0.009562 0.3 0.7 0.389286 0.087573 0.002 0.004 0.002744 0.000569
2021-04-18 3.0 367.0 48.180723 43.254468 2.0 38.0 17.066265 7.867952 0.002 0.070 ... 0.023753 0.013553 0.3 0.6 0.386747 0.084954 0.002 0.004 0.002464 0.000579
2021-04-25 17.0 126.0 55.119048 26.659936 7.0 61.0 26.392857 13.094788 0.006 0.090 ... 0.028571 0.014640 0.3 0.8 0.457143 0.122142 0.001 0.011 0.003631 0.001763

5 rows × 24 columns

06_Pivot#

Attention

국가별 5세이하 사망비율 통계 : https://www.kaggle.com/utkarshxy/who-worldhealth-statistics-2020-complete Dataurl = ‘https://raw.githubusercontent.com/Datamanim/pandas/main/under5MortalityRate.csv’

df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/pandas/main/under5MortalityRate.csv')

Question 83

Indicator을 삭제하고 First Tooltip 컬럼에서 신뢰구간에 해당하는 표현을 지워라

83번 유튜브 풀이

Hide code cell source 
df.drop('Indicator',axis=1,inplace=True)

df['First Tooltip'] = df['First Tooltip'].map(lambda x: float(x.split("[")[0]))

Ans = df

Ans.head(4)
Location Period Dim1 First Tooltip
0 Afghanistan 2019 Both sexes 60.27
1 Afghanistan 2019 Male 63.83
2 Afghanistan 2019 Female 56.57
3 Afghanistan 2018 Both sexes 62.54

Question 84

년도가 2015년 이상, Dim1이 Both sexes인 케이스만 추출하라

84번 유튜브 풀이

Hide code cell source 
target = df[(df.Period >=2015) & (df.Dim1 =='Both sexes')]
Ans = target

Ans.head(3)
Location Period Dim1 First Tooltip
0 Afghanistan 2019 Both sexes 60.27
3 Afghanistan 2018 Both sexes 62.54
6 Afghanistan 2017 Both sexes 64.94

Question 85

84번 문제에서 추출한 데이터로 아래와 같이 나라에 따른 년도별 사망률을 데이터 프레임화 하라

85번 유튜브 풀이

Hide code cell source 
Ans = target.pivot(index='Location',columns='Period',values='First Tooltip')

Ans.head(3)
Period 2015 2016 2017 2018 2019
Location
Afghanistan 70.44 67.57 64.94 62.54 60.27
Albania 9.57 9.42 9.42 9.53 9.68
Algeria 25.18 24.79 24.32 23.81 23.26

Question 86

Dim1에 따른 년도별 사망비율의 평균을 구하라

86번 유튜브 풀이

Hide code cell source 
Ans = df.pivot_table(index='Dim1',columns='Period',values='First Tooltip',aggfunc='mean')

Ans.iloc[:,:4]
Period 1950 1951 1952 1953
Dim1
Both sexes 147.700816 155.537544 157.811094 156.147206
Female 140.909796 149.210175 151.516094 150.250882
Male 154.151224 161.538246 163.760781 161.742059

Attention

올림픽 메달리스트 정보 데이터: https://www.kaggle.com/the-guardian/olympic-games dataUrl =’https://raw.githubusercontent.com/Datamanim/pandas/main/winter.csv’

df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/pandas/main/winter.csv')

Question 87

데이터에서 한국 KOR 데이터만 추출하라

87번 유튜브 풀이

Hide code cell source 
kr = df[df.Country=='KOR']
Ans = kr

Ans.head(4)
Year City Sport Discipline Athlete Country Gender Event Medal
2652 1992 Albertville Skating Short Track Speed Skating LEE, Jun-Ho KOR Men 1000M Bronze
2653 1992 Albertville Skating Short Track Speed Skating KIM, Ki-Hoon KOR Men 1000M Gold
2671 1992 Albertville Skating Short Track Speed Skating KIM, Ki-Hoon KOR Men 5000M Relay Gold
2672 1992 Albertville Skating Short Track Speed Skating LEE, Jun-Ho KOR Men 5000M Relay Gold

Question 88

한국 올림픽 메달리스트 데이터에서 년도에 따른 medal 갯수를 데이터프레임화 하라

88번 유튜브 풀이

Hide code cell source 
Ans = kr.pivot_table(index='Year',columns='Medal',aggfunc='size').fillna(0)

Ans
Medal Bronze Gold Silver
Year
1992 1.0 5.0 1.0
1994 1.0 8.0 1.0
1998 2.0 6.0 4.0
2002 0.0 5.0 2.0
2006 2.0 14.0 3.0
2010 2.0 6.0 10.0
2014 2.0 7.0 5.0

Question 89

전체 데이터에서 sport종류에 따른 성별수를 구하여라

89번 유튜브 풀이

Hide code cell source 
Ans = df.pivot_table(index='Sport',columns='Gender',aggfunc='size')

Ans
Gender Men Women
Sport
Biathlon 270 150
Bobsleigh 416 36
Curling 97 75
Ice Hockey 1231 305
Luge 135 45
Skating 665 564
Skiing 1130 651

Question 90

전체 데이터에서 Discipline종류에 따른 따른 Medal수를 구하여라

90번 유튜브 풀이

Hide code cell source 
Ans = df.pivot_table(index='Discipline',columns='Medal',aggfunc='size')

Ans
Medal Bronze Gold Silver
Discipline
Alpine Skiing 141 143 144
Biathlon 139 140 141
Bobsleigh 147 134 141
Cross Country Skiing 263 264 262
Curling 56 58 58
Figure skating 118 122 119
Freestyle Skiing 34 34 34
Ice Hockey 512 510 514
Luge 60 62 58
Nordic Combined 55 55 55
Short Track Speed Skating 96 97 97
Skeleton 10 10 10
Ski Jumping 68 69 70
Snowboard 30 30 30
Speed skating 190 193 197

07_Merge , Concat#

Attention

국가별 5세이하 사망비율 통계 : https://www.kaggle.com/utkarshxy/who-worldhealth-statistics-2020-complete
데이터 변형
Dataurl = ‘https://raw.githubusercontent.com/Datamanim/pandas/main/mergeTEst.csv’

merge, concat 급종료 변명.. 유튜브 풀이

df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/pandas/main/mergeTEst.csv',index_col= 0)

df1 = df.iloc[:4,:]
df2 = df.iloc[4:,:]

display(df1)
display(df2)
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Location
Afghanistan 64.023 61.640 59.367 57.170 55.08 53.107 51.267 49.560 47.983 46.453
Albania 11.803 10.807 9.943 9.267 8.79 8.493 8.363 8.363 8.453 8.597
Algeria 23.540 22.907 22.450 22.117 21.85 21.587 21.257 20.850 20.407 19.930
Andorra 4.240 4.033 3.843 3.667 3.49 3.330 3.187 3.060 2.933 2.827
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Location
Angola 75.713 71.280 67.233 63.570 60.430 57.757 55.510 53.460 51.757 50.093
Antigua and Barbuda 8.667 8.223 7.807 7.420 7.070 6.757 6.483 6.230 6.000 5.783
Argentina 12.887 12.380 11.840 11.283 10.733 10.203 9.683 9.177 8.680 8.227
Armenia 16.497 15.677 14.897 14.170 13.477 12.817 12.183 11.583 11.007 10.497
Australia 3.993 3.803 3.623 3.467 3.343 3.253 3.183 3.137 3.090 3.047
Austria 3.573 3.463 3.333 3.210 3.113 3.043 2.987 2.943 2.897 2.843

Question 91

df1과 df2 데이터를 하나의 데이터 프레임으로 합쳐라

Hide code cell source 
total = pd.concat([df1,df2])
Ans = total

Ans
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Location
Afghanistan 64.023 61.640 59.367 57.170 55.080 53.107 51.267 49.560 47.983 46.453
Albania 11.803 10.807 9.943 9.267 8.790 8.493 8.363 8.363 8.453 8.597
Algeria 23.540 22.907 22.450 22.117 21.850 21.587 21.257 20.850 20.407 19.930
Andorra 4.240 4.033 3.843 3.667 3.490 3.330 3.187 3.060 2.933 2.827
Angola 75.713 71.280 67.233 63.570 60.430 57.757 55.510 53.460 51.757 50.093
Antigua and Barbuda 8.667 8.223 7.807 7.420 7.070 6.757 6.483 6.230 6.000 5.783
Argentina 12.887 12.380 11.840 11.283 10.733 10.203 9.683 9.177 8.680 8.227
Armenia 16.497 15.677 14.897 14.170 13.477 12.817 12.183 11.583 11.007 10.497
Australia 3.993 3.803 3.623 3.467 3.343 3.253 3.183 3.137 3.090 3.047
Austria 3.573 3.463 3.333 3.210 3.113 3.043 2.987 2.943 2.897 2.843 
df3 = df.iloc[:2,:4]
df4 = df.iloc[5:,3:]

display(df3)
display(df4)
2010 2011 2012 2013
Location
Afghanistan 64.023 61.640 59.367 57.170
Albania 11.803 10.807 9.943 9.267
2013 2014 2015 2016 2017 2018 2019
Location
Antigua and Barbuda 7.420 7.070 6.757 6.483 6.230 6.000 5.783
Argentina 11.283 10.733 10.203 9.683 9.177 8.680 8.227
Armenia 14.170 13.477 12.817 12.183 11.583 11.007 10.497
Australia 3.467 3.343 3.253 3.183 3.137 3.090 3.047
Austria 3.210 3.113 3.043 2.987 2.943 2.897 2.843

Question 92

df3과 df4 데이터를 하나의 데이터 프레임으로 합쳐라. 둘다 포함하고 있는 년도에 대해서만 고려한다

Hide code cell source 
Ans = pd.concat([df3,df4],join='inner')

Ans
2013
Location
Afghanistan 57.170
Albania 9.267
Antigua and Barbuda 7.420
Argentina 11.283
Armenia 14.170
Australia 3.467
Austria 3.210

Question 93

df3과 df4 데이터를 하나의 데이터 프레임으로 합쳐라. 모든 컬럼을 포함하고, 결측치는 0으로 대체한다

Hide code cell source 
Ans = pd.concat([df3,df4],join='outer').fillna(0)

Ans
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Location
Afghanistan 64.023 61.640 59.367 57.170 0.000 0.000 0.000 0.000 0.000 0.000
Albania 11.803 10.807 9.943 9.267 0.000 0.000 0.000 0.000 0.000 0.000
Antigua and Barbuda 0.000 0.000 0.000 7.420 7.070 6.757 6.483 6.230 6.000 5.783
Argentina 0.000 0.000 0.000 11.283 10.733 10.203 9.683 9.177 8.680 8.227
Armenia 0.000 0.000 0.000 14.170 13.477 12.817 12.183 11.583 11.007 10.497
Australia 0.000 0.000 0.000 3.467 3.343 3.253 3.183 3.137 3.090 3.047
Austria 0.000 0.000 0.000 3.210 3.113 3.043 2.987 2.943 2.897 2.843 
df5 = df.T.iloc[:7,:3]
df6 = df.T.iloc[6:,2:5]

display(df5)
display(df6)
Location Afghanistan Albania Algeria
2010 64.023 11.803 23.540
2011 61.640 10.807 22.907
2012 59.367 9.943 22.450
2013 57.170 9.267 22.117
2014 55.080 8.790 21.850
2015 53.107 8.493 21.587
2016 51.267 8.363 21.257
Location Algeria Andorra Angola
2016 21.257 3.187 55.510
2017 20.850 3.060 53.460
2018 20.407 2.933 51.757
2019 19.930 2.827 50.093

Question 94

df5과 df6 데이터를 하나의 데이터 프레임으로 merge함수를 이용하여 합쳐라. Algeria컬럼을 key로 하고 두 데이터 모두 포함하는 데이터만 출력하라

Hide code cell source 
Ans = pd.merge(df5,df6,on='Algeria',how='inner')

Ans
Location Afghanistan Albania Algeria Andorra Angola
0 51.267 8.363 21.257 3.187 55.51

Question 95

df5과 df6 데이터를 하나의 데이터 프레임으로 merge함수를 이용하여 합쳐라. Algeria컬럼을 key로 하고 합집합으로 합쳐라

Hide code cell source 
Ans =pd.merge(df5,df6,on='Algeria',how='outer')

Ans
Location Afghanistan Albania Algeria Andorra Angola
0 64.023 11.803 23.540 NaN NaN
1 61.640 10.807 22.907 NaN NaN
2 59.367 9.943 22.450 NaN NaN
3 57.170 9.267 22.117 NaN NaN
4 55.080 8.790 21.850 NaN NaN
5 53.107 8.493 21.587 NaN NaN
6 51.267 8.363 21.257 3.187 55.510
7 NaN NaN 20.850 3.060 53.460
8 NaN NaN 20.407 2.933 51.757
9 NaN NaN 19.930 2.827 50.093