pandas 기초

# 문제 1. 딕셔너리로 표 만들기
# data 딕셔너리로 DataFrame을 만들고 shape를 출력하라.

import pandas as pd

data = {
    "name": ["민지", "준호", "서연"],
    "score": [90, 80, 95],
}

# 문제 2. 열 이름 확인하기
# data 딕셔너리로 DataFrame을 만들고 columns를 리스트로 출력하라.

import pandas as pd

data = {
    "name": ["민지", "준호", "서연"],
    "score": [90, 80, 95],
}

# 문제 3. 한 열 값 꺼내기
# data 딕셔너리로 DataFrame을 만들고 name 열을 리스트로 출력하라.

import pandas as pd

data = {
    "name": ["민지", "준호", "서연"],
    "score": [90, 80, 95],
}

# 문제 4. 딕셔너리 리스트로 표 만들기
# rows 리스트로 DataFrame을 만들고 city 열을 리스트로 출력하라.

import pandas as pd

rows = [
    {"city": "서울", "temp": 18},
    {"city": "부산", "temp": 20},
]

# 문제 5. Series 만들기
# values 리스트로 Series를 만들고 값을 리스트로 출력하라.

import pandas as pd

values = [10, 20, 30]

# 문제 6. 파일 읽고 앞부분 확인하기
# /data/worldcup.csv를 읽어 df에 저장하고 Player 열의 앞 2개 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"

# 문제 7. nrows 사용하기
# /data/worldcup.csv를 앞에서 3줄만 읽고 Player 열 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"

# 문제 8. usecols 사용하기
# /data/worldcup.csv에서 Player와 Goals 열만 읽고 Goals 열의 앞 3개 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"

# 문제 9. index_col 사용하기
# /data/worldcup.csv에서 Player 열을 인덱스로 읽고 첫 번째 인덱스 값을 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"

# 문제 10. 여러 파라미터 함께 사용하기
# /data/weather.csv에서 time과 수영동기온 열만, 앞의 2줄만 읽고 time 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/weather.csv"

# 문제 11. head로 앞의 선수 보기
# /data/worldcup.csv를 읽고 Player 열의 앞 3개 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 12. tail로 뒤의 선수 보기
# /data/worldcup.csv를 읽고 Player 열의 마지막 2개 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 13. 표 크기 확인하기
# /data/worldcup.csv를 읽고 shape를 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 14. 열 이름 확인하기
# /data/worldcup.csv를 읽고 columns를 리스트로 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 15. 여러 열 고르기
# /data/worldcup.csv를 읽고 Player와 Goals 열만 골라 shape를 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 16. 평균 체중 구하기
# 체중 : kg 열의 평균을 소수 둘째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 17. 최소 나이 구하기
# 측정나이 열의 최솟값을 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 18. 최대 키 구하기
# 신장 : cm 열의 최댓값을 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 19. 체중 합계 구하기
# 체중 : kg 열의 합계를 소수 첫째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 20. include='all'로 문자형 열 요약하기
# describe(include='all') 결과에서 측정회원성별 열의 unique 값을 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 21. loc로 첫 행의 선수 이름 찾기
# loc를 사용해 0번 행의 Player 값을 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 22. loc 슬라이싱으로 선수 3명 보기
# loc를 사용해 0번부터 2번까지의 Player 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 23. iloc로 첫 행의 두 번째 값 찾기
# iloc를 사용해 첫 번째 행, 두 번째 열의 값을 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 24. iloc로 앞부분 표 자르기
# iloc를 사용해 앞의 2행과 2열만 고른 뒤 shape를 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 25. iloc로 시간열 앞부분 자르기
# /data/weather.csv에서 iloc를 사용해 첫 번째 열의 앞 3개 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 26. 전설 포켓몬 수 세기
# Legendary가 True인 행 개수를 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 27. Fire 타입 이름 보기
# Type 1이 Fire인 포켓몬의 Name 앞 3개 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 28. 1세대 전설 포켓몬 수 세기
# Generation이 1이고 Legendary가 True인 행 개수를 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 29. Fire 또는 Water 타입 수 세기
# Type 1이 Fire 또는 Water인 행 개수를 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 30. 여성이고 30세 이상인 사람 수 세기
# /data/body.csv에서 측정회원성별이 F이고 측정나이가 30 이상인 행 개수를 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 31. 득점 순으로 정렬하기
# Goals를 내림차순으로 정렬한 뒤 Player의 앞 3개 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 32. 오름차순과 보조 정렬 함께 쓰기
# Goals는 오름차순, Player는 오름차순으로 정렬한 뒤 첫 번째 Player를 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 33. Total 내림차순 정렬하기
# /data/pokemon.csv에서 Total은 내림차순, Name은 오름차순으로 정렬한 뒤 앞 3개 Name을 리스트로 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 34. 정렬 후 인덱스 다시 맞추기
# /data/happy.csv에서 점수를 내림차순 정렬한 뒤 reset_index(drop=True)까지 하고 첫 번째 나라명을 출력하라.

import pandas as pd

data_path = "/data/happy.csv"
df = pd.read_csv(data_path)

# 문제 35. 여러 열 정렬 후 앞부분 보기
# 년도는 오름차순, 행복랭킹은 오름차순으로 정렬하고 reset_index(drop=True)까지 한 뒤 앞 2개 나라명을 리스트로 출력하라.

import pandas as pd

data_path = "/data/happy.csv"
df = pd.read_csv(data_path)

# 문제 36. Type 1 종류 수 세기
# Type 1 열의 서로 다른 값 개수를 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 37. 연도 개수 세기
# /data/happy.csv에서 년도 열의 서로 다른 값 개수를 출력하라.

import pandas as pd

data_path = "/data/happy.csv"
df = pd.read_csv(data_path)

# 문제 38. Water 타입 개수 세기
# Type 1의 value_counts() 결과에서 Water의 개수를 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 39. A 등급 개수 세기
# /data/body.csv에서 등급 열의 value_counts() 결과에서 A의 개수를 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 40. 성별 종류 보기
# /data/body.csv에서 측정회원성별 열의 unique 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 41. Type 2 결측치 수 세기
# /data/pokemon.csv에서 Type 2 열의 결측치 개수를 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 42. 문자로 결측치 채우기
# Type 2의 결측치를 "없음"으로 채운 뒤 4번 위치의 값을 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 43. 채운 뒤 '없음' 개수 세기
# Type 2의 결측치를 "없음"으로 채운 뒤 value_counts() 결과에서 "없음"의 개수를 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 44. 결측치를 평균으로 채울 값 구하기
# /data/happy.csv에서 부패에 대한인식 열의 평균을 소수 셋째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/happy.csv"
df = pd.read_csv(data_path)

# 문제 45. 평균으로 채운 뒤 특정 값 확인하기
# 부패에 대한인식 결측치를 평균으로 채운 뒤, 나라명이 United Arab Emirates이고 년도가 2018인 값 하나를 소수 셋째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/happy.csv"
df = pd.read_csv(data_path)
mask = (df["나라명"] == "United Arab Emirates") & (df["년도"] == 2018)

# 문제 46. 성별별 평균 체중 구하기
# /data/body.csv에서 성별별 평균 체중을 구한 뒤 F의 값을 소수 둘째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 47. 연도별 평균 행복 점수 구하기
# /data/happy.csv에서 년도별 점수 평균을 구한 뒤 2019의 값을 소수 셋째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/happy.csv"
df = pd.read_csv(data_path)

# 문제 48. 세대별 포켓몬 수 세기
# /data/pokemon.csv에서 Generation별 Name 개수를 구한 뒤 1세대 값을 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 49. 등급별 평균 체지방율 구하기
# /data/body.csv에서 등급별 체지방율 평균을 구한 뒤 D의 값을 소수 첫째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 50. 전설 여부별 평균 Total 구하기
# /data/pokemon.csv에서 Legendary별 Total 평균을 구한 뒤 True의 값을 소수 둘째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 51. fillna와 필터링 함께 쓰기
# /data/pokemon.csv에서 Type 2 결측치를 "없음"으로 채운 뒤, Type 2가 "없음"인 포켓몬 Name 앞 3개 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 52. groupby와 정렬 함께 쓰기
# /data/happy.csv에서 년도별 점수 평균을 구하고, 평균 점수가 높은 순으로 정렬한 뒤 첫 번째 년도를 출력하라.

import pandas as pd

data_path = "/data/happy.csv"
df = pd.read_csv(data_path)

# 문제 53. 필터링 후 정렬하기
# /data/worldcup.csv에서 Country가 Brazil인 선수만 고른 뒤, Goals는 내림차순, Player는 오름차순으로 정렬해서 앞 3개 Player를 리스트로 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 54. 조건과 정렬을 함께 쓰기
# /data/body.csv에서 측정회원성별이 F이고 측정나이가 30 이상인 행만 고른 뒤, 체중 : kg를 내림차순 정렬해서 앞 3개 값을 리스트로 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 55. 정렬 후 첫 행 값 꺼내기
# /data/weather.csv에서 이화동기온을 내림차순 정렬하고 reset_index(drop=True)까지 한 뒤 첫 번째 time 값을 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 56. datetime 타입으로 바꾸기
# /data/weather.csv의 time 열을 to_datetime으로 바꾼 뒤 dtype을 문자열로 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 57. 첫 행의 연도 확인하기
# time 열을 datetime으로 바꾼 뒤 첫 번째 행의 year 값을 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 58. 첫 행의 날짜만 보기
# time 열을 datetime으로 바꾼 뒤 첫 번째 행의 날짜 부분만 문자열로 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 59. 첫 행의 시각 확인하기
# time 열을 datetime으로 바꾼 뒤 첫 번째 행의 hour 값을 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 60. 월 종류 수 세기
# time 열을 datetime으로 바꾼 뒤 month의 서로 다른 값 개수를 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 61. 6월 데이터 개수 세기
# time 열을 datetime으로 바꾼 뒤 month가 6인 행 개수를 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 62. 첫 행의 요일 이름 보기
# time 열을 datetime으로 바꾼 뒤 첫 번째 행의 day_name 값을 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 63. 오전 6시 데이터 개수 세기
# time 열을 datetime으로 바꾼 뒤 hour가 6인 행 개수를 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 64. pivot_table로 평균 나이 구하기
# /data/body.csv에서 측정회원성별을 index로, 측정나이를 values로 두고 평균을 구한 뒤 F 값을 소수 둘째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 65. pivot_table로 연도별 평균 랭킹 구하기
# /data/happy.csv에서 년도를 index로, 행복랭킹을 values로 두고 평균을 구한 뒤 2019 값을 출력하라.

import pandas as pd

data_path = "/data/happy.csv"
df = pd.read_csv(data_path)

# 문제 66. fill_value를 넣은 개수표 만들기
# /data/body.csv에서 측정회원성별을 index, 등급을 columns, 측정나이를 values로 두고 count를 구한 뒤 M 행의 A 값을 출력하라.

import pandas as pd

data_path = "/data/body.csv"
df = pd.read_csv(data_path)

# 문제 67. 두 기준으로 평균표 만들기
# /data/pokemon.csv에서 Generation을 index, Legendary를 columns, Total을 values로 두고 평균을 구한 뒤 1세대의 True 값을 소수 둘째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 68. 개수 기준 pivot_table 만들기
# /data/pokemon.csv에서 Type 1을 index, Legendary를 columns, Name을 values로 두고 count를 구한 뒤 Water 행의 False 값을 출력하라.

import pandas as pd

data_path = "/data/pokemon.csv"
df = pd.read_csv(data_path)

# 문제 69. 날짜에서 만든 월로 평균표 만들기
# /data/weather.csv에서 time을 datetime으로 바꾸고 month 열을 만든 뒤, month를 index로 이화동기온 평균을 구해서 1월 값을 소수 둘째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 70. 시간대별 평균표 만들기
# /data/weather.csv에서 time을 datetime으로 바꾸고 hour 열을 만든 뒤, hour를 index로 이화동기온 평균을 구해서 0시 값을 소수 둘째 자리까지 반올림해 출력하라.

import pandas as pd

data_path = "/data/weather.csv"
df = pd.read_csv(data_path)

# 문제 71. inner merge 결과 크기 보기
# left와 right를 id 기준으로 merge한 뒤 shape를 출력하라.

import pandas as pd

left = pd.DataFrame(
    {
        "id": [1, 2, 3],
        "name": ["민지", "준호", "서연"],
    }
)

right = pd.DataFrame(
    {
        "id": [1, 3, 4],
        "score": [90, 85, 70],
    }
)

# 문제 72. left merge에서 결측치 개수 세기
# left와 right를 id 기준으로 left merge한 뒤 score 열의 결측치 개수를 출력하라.

import pandas as pd

left = pd.DataFrame(
    {
        "id": [1, 2, 3],
        "name": ["민지", "준호", "서연"],
    }
)

right = pd.DataFrame(
    {
        "id": [1, 3, 4],
        "score": [90, 85, 70],
    }
)

# 문제 73. outer merge 결과 크기 보기
# left와 right를 id 기준으로 outer merge한 뒤 shape를 출력하라.

import pandas as pd

left = pd.DataFrame(
    {
        "id": [1, 2, 3],
        "name": ["민지", "준호", "서연"],
    }
)

right = pd.DataFrame(
    {
        "id": [1, 3, 4],
        "score": [90, 85, 70],
    }
)

# 문제 74. right merge 기준 확인하기
# left와 right를 id 기준으로 right merge한 뒤 id 열 전체를 리스트로 출력하라.

import pandas as pd

left = pd.DataFrame(
    {
        "id": [1, 2, 3],
        "name": ["민지", "준호", "서연"],
    }
)

right = pd.DataFrame(
    {
        "id": [1, 3, 4],
        "score": [90, 85, 70],
    }
)

# 문제 75. 다른 이름의 키로 merge하기
# left는 user_id, right는 member_id를 기준으로 merge한 뒤 city 열을 리스트로 출력하라.

import pandas as pd

left = pd.DataFrame(
    {
        "user_id": [1, 2],
        "name": ["민지", "준호"],
    }
)

right = pd.DataFrame(
    {
        "member_id": [1, 2],
        "city": ["서울", "부산"],
    }
)

# 문제 76. 행 방향 concat 결과 크기 보기
# first와 second를 concat한 뒤 shape를 출력하라.

import pandas as pd

first = pd.DataFrame(
    {
        "name": ["민지", "준호"],
        "score": [80, 90],
    }
)

second = pd.DataFrame(
    {
        "name": ["서연"],
        "score": [95],
    }
)

# 문제 77. 기본 concat의 인덱스 보기
# first와 second를 concat한 뒤 index를 리스트로 출력하라.

import pandas as pd

first = pd.DataFrame(
    {
        "name": ["민지", "준호"],
        "score": [80, 90],
    }
)

second = pd.DataFrame(
    {
        "name": ["서연"],
        "score": [95],
    }
)

# 문제 78. ignore_index로 인덱스 다시 만들기
# first와 second를 concat할 때 ignore_index=True를 넣은 뒤 index를 리스트로 출력하라.

import pandas as pd

first = pd.DataFrame(
    {
        "name": ["민지", "준호"],
        "score": [80, 90],
    }
)

second = pd.DataFrame(
    {
        "name": ["서연"],
        "score": [95],
    }
)

# 문제 79. 열 방향 concat 결과 크기 보기
# first와 city를 axis=1로 concat한 뒤 shape를 출력하라.

import pandas as pd

first = pd.DataFrame(
    {
        "name": ["민지", "준호"],
        "score": [80, 90],
    }
)

city = pd.DataFrame(
    {
        "city": ["서울", "부산"],
    }
)

# 문제 80. 열 방향 concat의 열 이름 보기
# first와 city를 axis=1로 concat한 뒤 columns를 리스트로 출력하라.

import pandas as pd

first = pd.DataFrame(
    {
        "name": ["민지", "준호"],
        "score": [80, 90],
    }
)

city = pd.DataFrame(
    {
        "city": ["서울", "부산"],
    }
)

# 문제 81. 열 구조가 다를 때 생기는 결측치 세기
# first와 third를 ignore_index=True로 concat한 뒤 전체 결측치 개수를 출력하라.

import pandas as pd

first = pd.DataFrame(
    {
        "name": ["민지", "준호"],
        "score": [80, 90],
    }
)

third = pd.DataFrame(
    {
        "name": ["서연"],
        "age": [15],
    }
)

# 문제 82. 열 하나 drop하기
# /data/worldcup.csv에서 Country 열을 drop한 뒤 columns를 리스트로 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 83. 열 두 개 drop한 뒤 크기 보기
# /data/worldcup.csv에서 Years와 Country를 drop한 뒤 shape를 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 84. 첫 행 drop한 뒤 다음 선수 보기
# /data/worldcup.csv에서 0번 행을 drop한 뒤 첫 번째 Player 값을 출력하라.

import pandas as pd

data_path = "/data/worldcup.csv"
df = pd.read_csv(data_path)

# 문제 85. 나라명 기준 중복 제거 후 행 개수 세기
# /data/happy.csv에서 나라명 기준으로 drop_duplicates를 한 뒤 남은 행 개수를 출력하라.

import pandas as pd

data_path = "/data/happy.csv"
df = pd.read_csv(data_path)

# 문제 86. 중복값을 모두 제거한 뒤 남은 행 개수 세기
# /data/happy.csv에서 나라명 기준으로 drop_duplicates를 할 때 keep=False를 넣고 남은 행 개수를 출력하라.

import pandas as pd

data_path = "/data/happy.csv"
df = pd.read_csv(data_path)