2강. 데이터 프레임과 분석 기초
-
둘째마당 (04-05)
-
pp.074-130 (57쪽)
# 그래프 해상도 설정
import matplotlib.pyplot as plt
plt.rcParams.update({'figure.dpi' : '100'})
%config InlineBackend.figure_format = 'retina'
04. 데이터 프레임의 세계로
04-1. 데이터 프레임 이해하기(77-80쪽)
04-2. 데이터 프레임 만들기(81-84쪽)
[Do it! 실습] 데이터 입력해 데이터 프레임 만들기(81쪽)
# '딕셔너리' 형식('{}')의 데이터를 이용해서 만들기
## -> 딕셔너리에 관하여는 교재 '17-5. 딕셔너리'(418-421쪽) 참조
# DataFrame -> D, F가 대문자
df = pd.DataFrame({'name' : ['김지훈', '이유진', '박동현', '김민지'],
'english' : [90, 80, 60, 70],
'math' : [50, 60, 100, 20]})
df
|
name |
english |
math |
| 0 |
김지훈 |
90 |
50 |
| 1 |
이유진 |
80 |
60 |
| 2 |
박동현 |
60 |
100 |
| 3 |
김민지 |
70 |
20 |
[Do it! 실습] 데이터 프레임으로 분석하기(82쪽)
특정 변수의 값 추출하기
# df의 영어 점수를 출력하라: df 변수의 english 변수 <- 2차원 데이터
df['english']
0 90
1 80
2 60
3 70
Name: english, dtype: int64
변수의 값으로 합계 구하기
# 영어 점수 합계
sum(df['english'])
300
# 수학 점수 합계
sum(df['math'])
230
변수의 값으로 평균 구하기
# 영어 점수 평균
sum(df['english']) / 4
75.0
# 수학 점수 평균
sum(df['math']) / 4
57.5
[개인 실습] 혼자서 해보기(84쪽)
Q1
다음 표의 내용을 데이터 프레임으로 만들어 출력해 보세요
| 제품 |
가격 |
판매량 |
| 사과 |
1800 |
24 |
| 딸기 |
1500 |
38 |
| 수박 |
3000 |
13 |
# A1: 변수 fruit 사용
fruit = pd.DataFrame({'제품' : ['사과', '딸기', '수박'],
'가격' : [1800, 1500, 3000],
'판매량' : [24, 38, 13]})
fruit
|
제품 |
가격 |
판매량 |
| 0 |
사과 |
1800 |
24 |
| 1 |
딸기 |
1500 |
38 |
| 2 |
수박 |
3000 |
13 |
Q2
- 앞에서 만든 데이터 프레임을 이용해 과일의 가격 평균과 판매량 평균을 구하라
# A2: 가격 평균: 변수 fruit_average_price 사용
fruit_average_price = sum(fruit['가격']) / 3
fruit_average_price
2100.0
# 판매량 평균: 변수 fruit_average_quantity 사용
fruit_average_quantity = sum(fruit['판매량']) / 3
fruit_average_quantity
25.0
04-3. 외부 데이터 이용하기(85-92)
[Do it! 실습] 엑셀 파일 불러오기(85쪽)
# excel_exam.xlsx 파일 불러와서 변수 df_exam에 넣어라
df_exam = pd.read_excel('excel_exam.xlsx')
df_exam
|
id |
nclass |
math |
english |
science |
| 0 |
1 |
1 |
50 |
98 |
50 |
| 1 |
2 |
1 |
60 |
97 |
60 |
| 2 |
3 |
1 |
45 |
86 |
78 |
| 3 |
4 |
1 |
30 |
98 |
58 |
| 4 |
5 |
2 |
25 |
80 |
65 |
| 5 |
6 |
2 |
50 |
89 |
98 |
| 6 |
7 |
2 |
80 |
90 |
45 |
| 7 |
8 |
2 |
90 |
78 |
25 |
| 8 |
9 |
3 |
20 |
98 |
15 |
| 9 |
10 |
3 |
50 |
98 |
45 |
| 10 |
11 |
3 |
65 |
65 |
65 |
| 11 |
12 |
3 |
45 |
85 |
32 |
| 12 |
13 |
4 |
46 |
98 |
65 |
| 13 |
14 |
4 |
48 |
87 |
12 |
| 14 |
15 |
4 |
75 |
56 |
78 |
| 15 |
16 |
4 |
58 |
98 |
65 |
| 16 |
17 |
5 |
65 |
68 |
98 |
| 17 |
18 |
5 |
80 |
78 |
90 |
| 18 |
19 |
5 |
89 |
68 |
87 |
| 19 |
20 |
5 |
78 |
83 |
58 |
# 영어 점수 평균
sum(df_exam['english']) / 20
84.9
# 과학 점수 평균
sum(df_exam['science']) / 20
59.45
# len()의 기능 1: 리스트의 원소 개수
x = [1, 2, 3, 4, 5]
len(x)
5
# len()의 기능 2: 데이터 프레임의 행 개수
df = pd.DataFrame({'a' : [1,2,3],
'b' : [4,5,6]})
df
# len(df)
# df_exam 개수
len(df_exam)
20
# 영어 점수 평균 구하기 (len 사용)
sum(df_exam['english']) / len(df_exam)
84.9
# 과학 점수 평균 구하기 (len 사용)
sum(df_exam['science']) / len(df_exam)
59.45
엑셀 파일의 첫 번째 행이 변수명이 아니라면?
# excel_exam_novar.xlsx 불러오기. 변수 df_exam_novar 사용
df_exam_novar = pd.read_excel('excel_exam_novar.xlsx')
df_exam_novar
|
1 |
1.1 |
50 |
98 |
50.1 |
| 0 |
2 |
1 |
60 |
97 |
60 |
| 1 |
3 |
2 |
25 |
80 |
65 |
| 2 |
4 |
2 |
50 |
89 |
98 |
| 3 |
5 |
3 |
20 |
98 |
15 |
| 4 |
6 |
3 |
50 |
98 |
45 |
| 5 |
7 |
4 |
46 |
98 |
65 |
| 6 |
8 |
4 |
48 |
87 |
12 |
# 첫 번째 행이 변수명이 아닐 때 파일을 불러오는 코드: header=None -- 변수명은 df_exam_novar로
df_exam_novar = pd.read_excel('excel_exam_novar.xlsx', header = None)
df_exam_novar
|
0 |
1 |
2 |
3 |
4 |
| 0 |
1 |
1 |
50 |
98 |
50 |
| 1 |
2 |
1 |
60 |
97 |
60 |
| 2 |
3 |
2 |
25 |
80 |
65 |
| 3 |
4 |
2 |
50 |
89 |
98 |
| 4 |
5 |
3 |
20 |
98 |
15 |
| 5 |
6 |
3 |
50 |
98 |
45 |
| 6 |
7 |
4 |
46 |
98 |
65 |
| 7 |
8 |
4 |
48 |
87 |
12 |
엑셀 파일에 시트가 여러 개 있다면?
- 특정 시트 ‘Sheet2’의 데이터만 불러오려 할 때
# excel_exam.xlsx 파일 불러와서 변수 df_exam에 넣되,
# 시트 이름 입력하는 방법: sheet_name 파라미터 이용
df_exam = pd.read_excel('excel_exam.xlsx', sheet_name = 'Sheet2')
df_exam
|
id |
history |
| 0 |
1 |
95 |
| 1 |
2 |
100 |
| 2 |
3 |
99 |
[Do it! 실습] CSV 파일 불러오기(90쪽)
# CSV 파일 'exam.csv' 불러오기. 변수명은 df_csv_exam로
df_csv_exam = pd.read_csv('exam.csv')
df_csv_exam
|
id |
nclass |
math |
english |
science |
| 0 |
1 |
1 |
50 |
98 |
50 |
| 1 |
2 |
1 |
60 |
97 |
60 |
| 2 |
3 |
1 |
45 |
86 |
78 |
| 3 |
4 |
1 |
30 |
98 |
58 |
| 4 |
5 |
2 |
25 |
80 |
65 |
| 5 |
6 |
2 |
50 |
89 |
98 |
| 6 |
7 |
2 |
80 |
90 |
45 |
| 7 |
8 |
2 |
90 |
78 |
25 |
| 8 |
9 |
3 |
20 |
98 |
15 |
| 9 |
10 |
3 |
50 |
98 |
45 |
| 10 |
11 |
3 |
65 |
65 |
65 |
| 11 |
12 |
3 |
45 |
85 |
32 |
| 12 |
13 |
4 |
46 |
98 |
65 |
| 13 |
14 |
4 |
48 |
87 |
12 |
| 14 |
15 |
4 |
75 |
56 |
78 |
| 15 |
16 |
4 |
58 |
98 |
65 |
| 16 |
17 |
5 |
65 |
68 |
98 |
| 17 |
18 |
5 |
80 |
78 |
90 |
| 18 |
19 |
5 |
89 |
68 |
87 |
| 19 |
20 |
5 |
78 |
83 |
58 |
[Do it! 실습] 데이터 프레임을 CSV 파일로 저장하기(91쪽)
# 저장하기 위한 데이터 프레임 만들기
df_midterm = pd.DataFrame({'english': [90, 80, 60, 70],
'math' : [50, 60, 100, 20],
'nclass' : [1, 1, 2, 2]})
df_midterm
|
english |
math |
nclass |
| 0 |
90 |
50 |
1 |
| 1 |
80 |
60 |
1 |
| 2 |
60 |
100 |
2 |
| 3 |
70 |
20 |
2 |
# df_midterm을 output_newdata.csv라는 파일명으로 저장하기 (인덱스 번호 포함/제외하기): index=True/False
df_midterm.to_csv('output_newdata.csv', index=False)
# 다시 불러오기: output_newdata.csv를 불러와서 변수 reload에 담기
reload = pd.read_csv('output_newdata.csv')
reload
|
english |
math |
nclass |
| 0 |
90 |
50 |
1 |
| 1 |
80 |
60 |
1 |
| 2 |
60 |
100 |
2 |
| 3 |
70 |
20 |
2 |
05. 데이터 분석 기초
05-1. 데이터 파악하기(99-106쪽)
- head(), tail(), shape, info(), describe()
# exam.csv 불러와서 변수 exam에 담기
import pandas as pd
exam = pd.read_csv('exam.csv')
exam
|
id |
nclass |
math |
english |
science |
| 0 |
1 |
1 |
50 |
98 |
50 |
| 1 |
2 |
1 |
60 |
97 |
60 |
| 2 |
3 |
1 |
45 |
86 |
78 |
| 3 |
4 |
1 |
30 |
98 |
58 |
| 4 |
5 |
2 |
25 |
80 |
65 |
| 5 |
6 |
2 |
50 |
89 |
98 |
| 6 |
7 |
2 |
80 |
90 |
45 |
| 7 |
8 |
2 |
90 |
78 |
25 |
| 8 |
9 |
3 |
20 |
98 |
15 |
| 9 |
10 |
3 |
50 |
98 |
45 |
| 10 |
11 |
3 |
65 |
65 |
65 |
| 11 |
12 |
3 |
45 |
85 |
32 |
| 12 |
13 |
4 |
46 |
98 |
65 |
| 13 |
14 |
4 |
48 |
87 |
12 |
| 14 |
15 |
4 |
75 |
56 |
78 |
| 15 |
16 |
4 |
58 |
98 |
65 |
| 16 |
17 |
5 |
65 |
68 |
98 |
| 17 |
18 |
5 |
80 |
78 |
90 |
| 18 |
19 |
5 |
89 |
68 |
87 |
| 19 |
20 |
5 |
78 |
83 |
58 |
# 앞부분 5개 행 출력
exam.head()
|
id |
nclass |
math |
english |
science |
| 0 |
1 |
1 |
50 |
98 |
50 |
| 1 |
2 |
1 |
60 |
97 |
60 |
| 2 |
3 |
1 |
45 |
86 |
78 |
| 3 |
4 |
1 |
30 |
98 |
58 |
| 4 |
5 |
2 |
25 |
80 |
65 |
# 앞부분 10개 행 출력
exam.head(10)
|
id |
nclass |
math |
english |
science |
| 0 |
1 |
1 |
50 |
98 |
50 |
| 1 |
2 |
1 |
60 |
97 |
60 |
| 2 |
3 |
1 |
45 |
86 |
78 |
| 3 |
4 |
1 |
30 |
98 |
58 |
| 4 |
5 |
2 |
25 |
80 |
65 |
| 5 |
6 |
2 |
50 |
89 |
98 |
| 6 |
7 |
2 |
80 |
90 |
45 |
| 7 |
8 |
2 |
90 |
78 |
25 |
| 8 |
9 |
3 |
20 |
98 |
15 |
| 9 |
10 |
3 |
50 |
98 |
45 |
# 뒷부분 5개 행 출력
exam.tail()
|
id |
nclass |
math |
english |
science |
| 15 |
16 |
4 |
58 |
98 |
65 |
| 16 |
17 |
5 |
65 |
68 |
98 |
| 17 |
18 |
5 |
80 |
78 |
90 |
| 18 |
19 |
5 |
89 |
68 |
87 |
| 19 |
20 |
5 |
78 |
83 |
58 |
# 뒷부분 10개 행 출력
exam.tail(10)
|
id |
nclass |
math |
english |
science |
| 10 |
11 |
3 |
65 |
65 |
65 |
| 11 |
12 |
3 |
45 |
85 |
32 |
| 12 |
13 |
4 |
46 |
98 |
65 |
| 13 |
14 |
4 |
48 |
87 |
12 |
| 14 |
15 |
4 |
75 |
56 |
78 |
| 15 |
16 |
4 |
58 |
98 |
65 |
| 16 |
17 |
5 |
65 |
68 |
98 |
| 17 |
18 |
5 |
80 |
78 |
90 |
| 18 |
19 |
5 |
89 |
68 |
87 |
| 19 |
20 |
5 |
78 |
83 |
58 |
(20, 5)
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 20 entries, 0 to 19
Data columns (total 5 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 id 20 non-null int64
1 nclass 20 non-null int64
2 math 20 non-null int64
3 english 20 non-null int64
4 science 20 non-null int64
dtypes: int64(5)
memory usage: 932.0 bytes
# 요약 통계량 출력
exam.describe()
|
id |
nclass |
math |
english |
science |
| count |
20.00000 |
20.000000 |
20.000000 |
20.000000 |
20.000000 |
| mean |
10.50000 |
3.000000 |
57.450000 |
84.900000 |
59.450000 |
| std |
5.91608 |
1.450953 |
20.299015 |
12.875517 |
25.292968 |
| min |
1.00000 |
1.000000 |
20.000000 |
56.000000 |
12.000000 |
| 25% |
5.75000 |
2.000000 |
45.750000 |
78.000000 |
45.000000 |
| 50% |
10.50000 |
3.000000 |
54.000000 |
86.500000 |
62.500000 |
| 75% |
15.25000 |
4.000000 |
75.750000 |
98.000000 |
78.000000 |
| max |
20.00000 |
5.000000 |
90.000000 |
98.000000 |
98.000000 |
# mpg.csv 데이터 불러와서 변수 mpg에 담기
'''
cf) mpg : mpg(Mile Per Gallon) 데이터는 미국 환경 보호국(US Environmental Protection Agency)에서 공개한 자료로, 1999~2008년 사이 미국에서 출시된 자동차 234종의 연비 관련 정보를 담고 있다.
https://m.blog.naver.com/eunha4685/221496862666
'''
mpg = pd.read_csv('mpg.csv')
mpg
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
| 0 |
audi |
a4 |
1.8 |
1999 |
4 |
auto(l5) |
f |
18 |
29 |
p |
compact |
| 1 |
audi |
a4 |
1.8 |
1999 |
4 |
manual(m5) |
f |
21 |
29 |
p |
compact |
| 2 |
audi |
a4 |
2.0 |
2008 |
4 |
manual(m6) |
f |
20 |
31 |
p |
compact |
| 3 |
audi |
a4 |
2.0 |
2008 |
4 |
auto(av) |
f |
21 |
30 |
p |
compact |
| 4 |
audi |
a4 |
2.8 |
1999 |
6 |
auto(l5) |
f |
16 |
26 |
p |
compact |
| ... |
... |
... |
... |
... |
... |
... |
... |
... |
... |
... |
... |
| 229 |
volkswagen |
passat |
2.0 |
2008 |
4 |
auto(s6) |
f |
19 |
28 |
p |
midsize |
| 230 |
volkswagen |
passat |
2.0 |
2008 |
4 |
manual(m6) |
f |
21 |
29 |
p |
midsize |
| 231 |
volkswagen |
passat |
2.8 |
1999 |
6 |
auto(l5) |
f |
16 |
26 |
p |
midsize |
| 232 |
volkswagen |
passat |
2.8 |
1999 |
6 |
manual(m5) |
f |
18 |
26 |
p |
midsize |
| 233 |
volkswagen |
passat |
3.6 |
2008 |
6 |
auto(s6) |
f |
17 |
26 |
p |
midsize |
234 rows × 11 columns
# mpg 앞부분 5개 행 출력
mpg.head()
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
| 0 |
audi |
a4 |
1.8 |
1999 |
4 |
auto(l5) |
f |
18 |
29 |
p |
compact |
| 1 |
audi |
a4 |
1.8 |
1999 |
4 |
manual(m5) |
f |
21 |
29 |
p |
compact |
| 2 |
audi |
a4 |
2.0 |
2008 |
4 |
manual(m6) |
f |
20 |
31 |
p |
compact |
| 3 |
audi |
a4 |
2.0 |
2008 |
4 |
auto(av) |
f |
21 |
30 |
p |
compact |
| 4 |
audi |
a4 |
2.8 |
1999 |
6 |
auto(l5) |
f |
16 |
26 |
p |
compact |
# mpg 뒷부분 5개 행 출력
mpg.tail()
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
| 229 |
volkswagen |
passat |
2.0 |
2008 |
4 |
auto(s6) |
f |
19 |
28 |
p |
midsize |
| 230 |
volkswagen |
passat |
2.0 |
2008 |
4 |
manual(m6) |
f |
21 |
29 |
p |
midsize |
| 231 |
volkswagen |
passat |
2.8 |
1999 |
6 |
auto(l5) |
f |
16 |
26 |
p |
midsize |
| 232 |
volkswagen |
passat |
2.8 |
1999 |
6 |
manual(m5) |
f |
18 |
26 |
p |
midsize |
| 233 |
volkswagen |
passat |
3.6 |
2008 |
6 |
auto(s6) |
f |
17 |
26 |
p |
midsize |
# mpg 행과 열 개수 출력
mpg.shape
(234, 11)
# mpg 변수 속성 출력
mpg.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 234 entries, 0 to 233
Data columns (total 11 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 manufacturer 234 non-null object
1 model 234 non-null object
2 displ 234 non-null float64
3 year 234 non-null int64
4 cyl 234 non-null int64
5 trans 234 non-null object
6 drv 234 non-null object
7 cty 234 non-null int64
8 hwy 234 non-null int64
9 fl 234 non-null object
10 category 234 non-null object
dtypes: float64(1), int64(4), object(6)
memory usage: 20.2+ KB
# mpg 요약 통계량 출력 (숫자로 된 변수만)
mpg.describe()
|
displ |
year |
cyl |
cty |
hwy |
| count |
234.000000 |
234.000000 |
234.000000 |
234.000000 |
234.000000 |
| mean |
3.471795 |
2003.500000 |
5.888889 |
16.858974 |
23.440171 |
| std |
1.291959 |
4.509646 |
1.611534 |
4.255946 |
5.954643 |
| min |
1.600000 |
1999.000000 |
4.000000 |
9.000000 |
12.000000 |
| 25% |
2.400000 |
1999.000000 |
4.000000 |
14.000000 |
18.000000 |
| 50% |
3.300000 |
2003.500000 |
6.000000 |
17.000000 |
24.000000 |
| 75% |
4.600000 |
2008.000000 |
8.000000 |
19.000000 |
27.000000 |
| max |
7.000000 |
2008.000000 |
8.000000 |
35.000000 |
44.000000 |
# mpg 요약 통계량 출력 (문자로 된 변수만. include = )
mpg.describe(include = 'object')
|
manufacturer |
model |
trans |
drv |
fl |
category |
| count |
234 |
234 |
234 |
234 |
234 |
234 |
| unique |
15 |
38 |
10 |
3 |
5 |
7 |
| top |
dodge |
caravan 2wd |
auto(l4) |
f |
r |
suv |
| freq |
37 |
11 |
83 |
106 |
168 |
62 |
# mpg 요약 통계량 출력 (문자, 숫자 변수 모두. include = )
mpg.describe(include = 'all')
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
| count |
234 |
234 |
234.000000 |
234.000000 |
234.000000 |
234 |
234 |
234.000000 |
234.000000 |
234 |
234 |
| unique |
15 |
38 |
NaN |
NaN |
NaN |
10 |
3 |
NaN |
NaN |
5 |
7 |
| top |
dodge |
caravan 2wd |
NaN |
NaN |
NaN |
auto(l4) |
f |
NaN |
NaN |
r |
suv |
| freq |
37 |
11 |
NaN |
NaN |
NaN |
83 |
106 |
NaN |
NaN |
168 |
62 |
| mean |
NaN |
NaN |
3.471795 |
2003.500000 |
5.888889 |
NaN |
NaN |
16.858974 |
23.440171 |
NaN |
NaN |
| std |
NaN |
NaN |
1.291959 |
4.509646 |
1.611534 |
NaN |
NaN |
4.255946 |
5.954643 |
NaN |
NaN |
| min |
NaN |
NaN |
1.600000 |
1999.000000 |
4.000000 |
NaN |
NaN |
9.000000 |
12.000000 |
NaN |
NaN |
| 25% |
NaN |
NaN |
2.400000 |
1999.000000 |
4.000000 |
NaN |
NaN |
14.000000 |
18.000000 |
NaN |
NaN |
| 50% |
NaN |
NaN |
3.300000 |
2003.500000 |
6.000000 |
NaN |
NaN |
17.000000 |
24.000000 |
NaN |
NaN |
| 75% |
NaN |
NaN |
4.600000 |
2008.000000 |
8.000000 |
NaN |
NaN |
19.000000 |
27.000000 |
NaN |
NaN |
| max |
NaN |
NaN |
7.000000 |
2008.000000 |
8.000000 |
NaN |
NaN |
35.000000 |
44.000000 |
NaN |
NaN |
05-2. 변수명 바꾸기(113-115쪽)
# 데이터 프레임 생성
df_raw = pd.DataFrame({'var1':[1, 2, 1],
'var2':[2, 3, 2],})
df_raw
|
var1 |
var2 |
| 0 |
1 |
2 |
| 1 |
2 |
3 |
| 2 |
1 |
2 |
# 데이터 변형 위해 복사본 만들기
df_new = df_raw.copy()
df_new
|
var1 |
var2 |
| 0 |
1 |
2 |
| 1 |
2 |
3 |
| 2 |
1 |
2 |
# 변수 var2를 v2로 수정해서 df_new에 담음: 함수 - rename(), 파라미터 - columns
df_new = df_new.rename(columns = {'var2' : 'v2'})
df_new
|
var1 |
v2 |
| 0 |
1 |
2 |
| 1 |
2 |
3 |
| 2 |
1 |
2 |
[개인 실습] 혼자서 해보기(115쪽)
- mpg 데이터의 변수명은 긴 단어를 짧게 줄인 축약어로 되어 있다. cty는 도시 연비, hwy는 고속도로 연비를 의미한다. 변수명을 이해하기 쉬운 단어로 바꾸려 한다.
Q1 : mpg 데이터를 불러와 복사본을 만드세요.
# 변수 mpg_new에 저장
mpg_new = mpg.copy()
mpg_new.head(3)
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
| 0 |
audi |
a4 |
1.8 |
1999 |
4 |
auto(l5) |
f |
18 |
29 |
p |
compact |
| 1 |
audi |
a4 |
1.8 |
1999 |
4 |
manual(m5) |
f |
21 |
29 |
p |
compact |
| 2 |
audi |
a4 |
2.0 |
2008 |
4 |
manual(m6) |
f |
20 |
31 |
p |
compact |
Q2 : 복사본 데이터를 이용해 cty는 city로, hwy는 highway로 수정하세요
# 결과를 다시 변수 mpg_new에 저장
mpg_new = mpg_new.rename(columns = {'cty' : 'city',
'hwy' : 'highway'})
mpg_new.head(3)
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
city |
highway |
fl |
category |
| 0 |
audi |
a4 |
1.8 |
1999 |
4 |
auto(l5) |
f |
18 |
29 |
p |
compact |
| 1 |
audi |
a4 |
1.8 |
1999 |
4 |
manual(m5) |
f |
21 |
29 |
p |
compact |
| 2 |
audi |
a4 |
2.0 |
2008 |
4 |
manual(m6) |
f |
20 |
31 |
p |
compact |
05-3. 파생변수 만들기(116-128쪽)
# 데이터 프레임 생성
import pandas as pd
df = pd.DataFrame({'var1' : [4, 3, 8],
'var2' : [2, 6, 1]})
df
|
var1 |
var2 |
| 0 |
4 |
2 |
| 1 |
3 |
6 |
| 2 |
8 |
1 |
# 변수 var1과 var2의 값을 더하여 var_sum 변수에 저장
df['var_sum'] = df['var1'] + df['var2']
df
|
var1 |
var2 |
var_sum |
| 0 |
4 |
2 |
6 |
| 1 |
3 |
6 |
9 |
| 2 |
8 |
1 |
9 |
# 변수 var1과 var2의 평균을 구하여 var_mean 변수에 저장
df['var_mean'] = (df['var1'] + df['var2']) / 2
df
|
var1 |
var2 |
var_sum |
var_mean |
| 0 |
4 |
2 |
6 |
3.0 |
| 1 |
3 |
6 |
9 |
4.5 |
| 2 |
8 |
1 |
9 |
4.5 |
[Do it! 실습] mpg 통합 연비 변수 만들기 (117쪽)
# mpg.csv 데이터 불러와서 변수 mpg에 담기
mpg = pd.read_csv('mpg.csv')
mpg.head(3)
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
| 0 |
audi |
a4 |
1.8 |
1999 |
4 |
auto(l5) |
f |
18 |
29 |
p |
compact |
| 1 |
audi |
a4 |
1.8 |
1999 |
4 |
manual(m5) |
f |
21 |
29 |
p |
compact |
| 2 |
audi |
a4 |
2.0 |
2008 |
4 |
manual(m6) |
f |
20 |
31 |
p |
compact |
# cty, hwy 두 변수를 더해 2로 나눠 도로 유형을 통합한 연비 변수를 만들어 total 변수에 저장
mpg['total'] = (mpg['cty'] + mpg['hwy']) / 2
# mpg 앞부분 5행 출력
mpg.head()
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
total |
| 0 |
audi |
a4 |
1.8 |
1999 |
4 |
auto(l5) |
f |
18 |
29 |
p |
compact |
23.5 |
| 1 |
audi |
a4 |
1.8 |
1999 |
4 |
manual(m5) |
f |
21 |
29 |
p |
compact |
25.0 |
| 2 |
audi |
a4 |
2.0 |
2008 |
4 |
manual(m6) |
f |
20 |
31 |
p |
compact |
25.5 |
| 3 |
audi |
a4 |
2.0 |
2008 |
4 |
auto(av) |
f |
21 |
30 |
p |
compact |
25.5 |
| 4 |
audi |
a4 |
2.8 |
1999 |
6 |
auto(l5) |
f |
16 |
26 |
p |
compact |
21.0 |
# 통합 연비 변수의 평균 구하기: sum(), len() 함수 이용
sum(mpg['total']) / len(mpg)
20.14957264957265
# 통합 연비 변수의 평균 구하기: mean() 함수 이용
mpg['total'].mean()
20.14957264957265
[Do it! 실습] 조건문을 활용해 파생변수 만들기 (118쪽)
1. 기준값 정하기
# mpg 통합 연비 변수 total의 요약통계량 출력
mpg['total'].describe()
count 234.000000
mean 20.149573
std 5.050290
min 10.500000
25% 15.500000
50% 20.500000
75% 23.500000
max 39.500000
Name: total, dtype: float64
# 히스토그램으로 자동차들의 통합 연비 분포 파악하기: df.plot.hist() 이용
mpg['total'].plot.hist()
<Axes: ylabel='Frequency'>
2. 합격 판정 변수 만들기
# total이 20 이상이면 pass, 그렇지 않으면 fail을 부여 -> test 변수에 저장
import numpy as np
mpg['test'] = np.where(mpg['total'] >= 20, 'pass', 'fail')
# mpg 앞부분 5개 출력
mpg.head()
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
total |
test |
| 0 |
audi |
a4 |
1.8 |
1999 |
4 |
auto(l5) |
f |
18 |
29 |
p |
compact |
23.5 |
pass |
| 1 |
audi |
a4 |
1.8 |
1999 |
4 |
manual(m5) |
f |
21 |
29 |
p |
compact |
25.0 |
pass |
| 2 |
audi |
a4 |
2.0 |
2008 |
4 |
manual(m6) |
f |
20 |
31 |
p |
compact |
25.5 |
pass |
| 3 |
audi |
a4 |
2.0 |
2008 |
4 |
auto(av) |
f |
21 |
30 |
p |
compact |
25.5 |
pass |
| 4 |
audi |
a4 |
2.8 |
1999 |
6 |
auto(l5) |
f |
16 |
26 |
p |
compact |
21.0 |
pass |
3. 빈도표로 합격 판정 자동차 수 살펴보기
# df.value_counts() 이용
mpg['test'].value_counts()
test
pass 128
fail 106
Name: count, dtype: int64
4. 막대 그래프로 빈도 표현하기
# 연비 합격 빈도표를 변수 count_test에 할당
count_test = mpg['test'].value_counts()
count_test
test
pass 128
fail 106
Name: count, dtype: int64
# 연비 합격 빈도 막대 그래프 만들기: df.plot.bar() 이용
count_test.plot.bar()
<Axes: xlabel='test'>
# 축 이름 수평으로 만들기
count_test.plot.bar(rot = 0)
<Axes: xlabel='test'>
[Do it! 실습] 중첩 조건문 활용하기 (123쪽)
1. 연비 등급 변수 만들기
# total 기준으로 A, B, C 등급 부여해서 grade 변수에 저장: 30이상 A, 20이상 B, 20미만 C
mpg['grade'] = np.where(mpg['total'] >= 30, 'A',
np.where(mpg['total'] >= 20, 'B', 'C'))
# mpg 앞부분 5개 출력
mpg.head()
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
total |
test |
grade |
| 0 |
audi |
a4 |
1.8 |
1999 |
4 |
auto(l5) |
f |
18 |
29 |
p |
compact |
23.5 |
pass |
B |
| 1 |
audi |
a4 |
1.8 |
1999 |
4 |
manual(m5) |
f |
21 |
29 |
p |
compact |
25.0 |
pass |
B |
| 2 |
audi |
a4 |
2.0 |
2008 |
4 |
manual(m6) |
f |
20 |
31 |
p |
compact |
25.5 |
pass |
B |
| 3 |
audi |
a4 |
2.0 |
2008 |
4 |
auto(av) |
f |
21 |
30 |
p |
compact |
25.5 |
pass |
B |
| 4 |
audi |
a4 |
2.8 |
1999 |
6 |
auto(l5) |
f |
16 |
26 |
p |
compact |
21.0 |
pass |
B |
2. 빈도표와 막대 그래프로 연비 등급 살펴보기
# 등급 빈도표 만들어 변수 count_grade에 저장
count_grade = mpg['grade'].value_counts()
count_grade
grade
B 118
C 106
A 10
Name: count, dtype: int64
# 등급 빈도 막대 그래프 만들기
count_grade.plot.bar(rot=0)
<Axes: xlabel='grade'>
그래프에서 알파벳 순으로 막대 정렬하기
# 등급 빈도표를 알파벳 순으로 정렬해서 변수 count_grade에 저장
count_grade = mpg['grade'].value_counts().sort_index()
count_grade
grade
A 10
B 118
C 106
Name: count, dtype: int64
# 이렇게 저장한 count_grade를 막대 그래프로 표현
count_grade.plot.bar(rot=0)
<Axes: xlabel='grade'>
필요한 만큼 범주 만들기
# np.where() 두 번 중첩 사용해서(total 기준으로 A, B, C, D 등급 부여해서)
# 그 결과를 변수 grade2에 저장. 30이상 A, 25이상 B, 20이상 C, 20미만 D
mpg['grade2'] = np.where(mpg['total'] >= 30, 'A',
np.where(mpg['total'] >= 25, 'B',
np.where(mpg['total'] >= 20, 'C', 'D')))
mpg.head()
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
total |
test |
grade |
grade2 |
| 0 |
audi |
a4 |
1.8 |
1999 |
4 |
auto(l5) |
f |
18 |
29 |
p |
compact |
23.5 |
pass |
B |
C |
| 1 |
audi |
a4 |
1.8 |
1999 |
4 |
manual(m5) |
f |
21 |
29 |
p |
compact |
25.0 |
pass |
B |
B |
| 2 |
audi |
a4 |
2.0 |
2008 |
4 |
manual(m6) |
f |
20 |
31 |
p |
compact |
25.5 |
pass |
B |
B |
| 3 |
audi |
a4 |
2.0 |
2008 |
4 |
auto(av) |
f |
21 |
30 |
p |
compact |
25.5 |
pass |
B |
B |
| 4 |
audi |
a4 |
2.8 |
1999 |
6 |
auto(l5) |
f |
16 |
26 |
p |
compact |
21.0 |
pass |
B |
C |
# 등급 빈도표를 알파벳 순으로 정렬해서 변수 count_grade_2에 저장
grade_2 = mpg['grade2'].value_counts().sort_index()
grade_2
grade2
A 10
B 33
C 85
D 106
Name: count, dtype: int64
# 이렇게 저장한 count_grade_2를 막대 그래프로 표현
grade_2.plot.bar(rot=0);
[Do it! 실습] 목록에 해당하는 행으로 변수 만들기(128쪽)
# 여러 조건 중 하나에 해당하면 특정 값을 부여해서 파생변수를 생성: "|"(or) 사용
# np.where()에 여러 조건 입력할 땐 각 조건을 괄호에 입력해야 함.
# category가 compact, subcompact, 2seater이면 -> small, 그렇지 않으면 large를 부여하여 파생변수 size를 생성
mpg['size'] = np.where((mpg['category'] == 'compact')|(mpg['category'] == 'subcompact')|(mpg['category'] == '2seater'),
'small', 'large')
mpg.head()
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
total |
test |
grade |
grade2 |
size |
| 0 |
audi |
a4 |
1.8 |
1999 |
4 |
auto(l5) |
f |
18 |
29 |
p |
compact |
23.5 |
pass |
B |
C |
small |
| 1 |
audi |
a4 |
1.8 |
1999 |
4 |
manual(m5) |
f |
21 |
29 |
p |
compact |
25.0 |
pass |
B |
B |
small |
| 2 |
audi |
a4 |
2.0 |
2008 |
4 |
manual(m6) |
f |
20 |
31 |
p |
compact |
25.5 |
pass |
B |
B |
small |
| 3 |
audi |
a4 |
2.0 |
2008 |
4 |
auto(av) |
f |
21 |
30 |
p |
compact |
25.5 |
pass |
B |
B |
small |
| 4 |
audi |
a4 |
2.8 |
1999 |
6 |
auto(l5) |
f |
16 |
26 |
p |
compact |
21.0 |
pass |
B |
C |
small |
# 파생변수 빈도표 출력
mpg['size'].value_counts()
size
large 147
small 87
Name: count, dtype: int64
# size 파생변수 생성 코드를 df.isin() 이용해서 간략화하기
mpg['size'] = np.where(mpg['category'].isin(['compact', 'subcompact', '2seater']), 'small', 'large')
mpg.head()
|
manufacturer |
model |
displ |
year |
cyl |
trans |
drv |
cty |
hwy |
fl |
category |
total |
test |
grade |
grade2 |
size |
| 0 |
audi |
a4 |
1.8 |
1999 |
4 |
auto(l5) |
f |
18 |
29 |
p |
compact |
23.5 |
pass |
B |
C |
small |
| 1 |
audi |
a4 |
1.8 |
1999 |
4 |
manual(m5) |
f |
21 |
29 |
p |
compact |
25.0 |
pass |
B |
B |
small |
| 2 |
audi |
a4 |
2.0 |
2008 |
4 |
manual(m6) |
f |
20 |
31 |
p |
compact |
25.5 |
pass |
B |
B |
small |
| 3 |
audi |
a4 |
2.0 |
2008 |
4 |
auto(av) |
f |
21 |
30 |
p |
compact |
25.5 |
pass |
B |
B |
small |
| 4 |
audi |
a4 |
2.8 |
1999 |
6 |
auto(l5) |
f |
16 |
26 |
p |
compact |
21.0 |
pass |
B |
C |
small |
# 파생변수 빈도표 출력
mpg['size'].value_counts()
size
large 147
small 87
Name: count, dtype: int64
[분석 도전]
문제1
- midwest.csv를 불러와 midwest 변수에 넣고, 데이터의 특징을 파악하세요
# 불러오기
midwest = pd.read_csv('midwest.csv')
midwest.head(3)
|
PID |
county |
state |
area |
poptotal |
popdensity |
popwhite |
popblack |
popamerindian |
popasian |
... |
percollege |
percprof |
poppovertyknown |
percpovertyknown |
percbelowpoverty |
percchildbelowpovert |
percadultpoverty |
percelderlypoverty |
inmetro |
category |
| 0 |
561 |
ADAMS |
IL |
0.052 |
66090 |
1270.961540 |
63917 |
1702 |
98 |
249 |
... |
19.631392 |
4.355859 |
63628 |
96.274777 |
13.151443 |
18.011717 |
11.009776 |
12.443812 |
0 |
AAR |
| 1 |
562 |
ALEXANDER |
IL |
0.014 |
10626 |
759.000000 |
7054 |
3496 |
19 |
48 |
... |
11.243308 |
2.870315 |
10529 |
99.087145 |
32.244278 |
45.826514 |
27.385647 |
25.228976 |
0 |
LHR |
| 2 |
563 |
BOND |
IL |
0.022 |
14991 |
681.409091 |
14477 |
429 |
35 |
16 |
... |
17.033819 |
4.488572 |
14235 |
94.956974 |
12.068844 |
14.036061 |
10.852090 |
12.697410 |
0 |
AAR |
3 rows × 28 columns
(437, 28)
# 변수 속성 출력
midwest.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 437 entries, 0 to 436
Data columns (total 28 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 PID 437 non-null int64
1 county 437 non-null object
2 state 437 non-null object
3 area 437 non-null float64
4 poptotal 437 non-null int64
5 popdensity 437 non-null float64
6 popwhite 437 non-null int64
7 popblack 437 non-null int64
8 popamerindian 437 non-null int64
9 popasian 437 non-null int64
10 popother 437 non-null int64
11 percwhite 437 non-null float64
12 percblack 437 non-null float64
13 percamerindan 437 non-null float64
14 percasian 437 non-null float64
15 percother 437 non-null float64
16 popadults 437 non-null int64
17 perchsd 437 non-null float64
18 percollege 437 non-null float64
19 percprof 437 non-null float64
20 poppovertyknown 437 non-null int64
21 percpovertyknown 437 non-null float64
22 percbelowpoverty 437 non-null float64
23 percchildbelowpovert 437 non-null float64
24 percadultpoverty 437 non-null float64
25 percelderlypoverty 437 non-null float64
26 inmetro 437 non-null int64
27 category 437 non-null object
dtypes: float64(15), int64(10), object(3)
memory usage: 95.7+ KB
# 요약통계량 출력
midwest.describe()
|
PID |
area |
poptotal |
popdensity |
popwhite |
popblack |
popamerindian |
popasian |
popother |
percwhite |
... |
perchsd |
percollege |
percprof |
poppovertyknown |
percpovertyknown |
percbelowpoverty |
percchildbelowpovert |
percadultpoverty |
percelderlypoverty |
inmetro |
| count |
437.000000 |
437.000000 |
4.370000e+02 |
437.000000 |
4.370000e+02 |
4.370000e+02 |
437.000000 |
437.000000 |
437.000000 |
437.000000 |
... |
437.000000 |
437.000000 |
437.000000 |
4.370000e+02 |
437.000000 |
437.000000 |
437.000000 |
437.000000 |
437.000000 |
437.000000 |
| mean |
1437.338673 |
0.033169 |
9.613030e+04 |
3097.742985 |
8.183992e+04 |
1.102388e+04 |
343.109840 |
1310.464531 |
1612.931350 |
95.558441 |
... |
73.965546 |
18.272736 |
4.447259 |
9.364228e+04 |
97.110267 |
12.510505 |
16.447464 |
10.918798 |
11.389043 |
0.343249 |
| std |
876.390266 |
0.014679 |
2.981705e+05 |
7664.751786 |
2.001966e+05 |
7.895827e+04 |
868.926751 |
9518.394189 |
18526.540699 |
7.087358 |
... |
5.843177 |
6.261908 |
2.408427 |
2.932351e+05 |
2.749863 |
5.150155 |
7.228634 |
5.109166 |
3.661259 |
0.475338 |
| min |
561.000000 |
0.005000 |
1.701000e+03 |
85.050000 |
4.160000e+02 |
0.000000e+00 |
4.000000 |
0.000000 |
0.000000 |
10.694087 |
... |
46.912261 |
7.336108 |
0.520291 |
1.696000e+03 |
80.902441 |
2.180168 |
1.918955 |
1.938504 |
3.547067 |
0.000000 |
| 25% |
670.000000 |
0.024000 |
1.884000e+04 |
622.407407 |
1.863000e+04 |
2.900000e+01 |
44.000000 |
35.000000 |
20.000000 |
94.886032 |
... |
71.325329 |
14.113725 |
2.997957 |
1.836400e+04 |
96.894572 |
9.198715 |
11.624088 |
7.668009 |
8.911763 |
0.000000 |
| 50% |
1221.000000 |
0.030000 |
3.532400e+04 |
1156.208330 |
3.447100e+04 |
2.010000e+02 |
94.000000 |
102.000000 |
66.000000 |
98.032742 |
... |
74.246891 |
16.797562 |
3.814239 |
3.378800e+04 |
98.169562 |
11.822313 |
15.270164 |
10.007610 |
10.869119 |
0.000000 |
| 75% |
2059.000000 |
0.038000 |
7.565100e+04 |
2330.000000 |
7.296800e+04 |
1.291000e+03 |
288.000000 |
401.000000 |
345.000000 |
99.074935 |
... |
77.195345 |
20.549893 |
4.949324 |
7.284000e+04 |
98.598636 |
15.133226 |
20.351878 |
13.182182 |
13.412162 |
1.000000 |
| max |
3052.000000 |
0.110000 |
5.105067e+06 |
88018.396600 |
3.204947e+06 |
1.317147e+06 |
10289.000000 |
188565.000000 |
384119.000000 |
99.822821 |
... |
88.898674 |
48.078510 |
20.791321 |
5.023523e+06 |
99.860384 |
48.691099 |
64.308477 |
43.312464 |
31.161972 |
1.000000 |
8 rows × 25 columns
문제2
- poptotal(전체 인구) 변수를 total로, popasian(아시아 인구) 변수를 asian으로 수정하세요.
# midwest를 복사해서 midwest_new 변수에 저장하기
midwest_new = midwest.copy()
midwest_new.head(3)
|
PID |
county |
state |
area |
poptotal |
popdensity |
popwhite |
popblack |
popamerindian |
popasian |
... |
percollege |
percprof |
poppovertyknown |
percpovertyknown |
percbelowpoverty |
percchildbelowpovert |
percadultpoverty |
percelderlypoverty |
inmetro |
category |
| 0 |
561 |
ADAMS |
IL |
0.052 |
66090 |
1270.961540 |
63917 |
1702 |
98 |
249 |
... |
19.631392 |
4.355859 |
63628 |
96.274777 |
13.151443 |
18.011717 |
11.009776 |
12.443812 |
0 |
AAR |
| 1 |
562 |
ALEXANDER |
IL |
0.014 |
10626 |
759.000000 |
7054 |
3496 |
19 |
48 |
... |
11.243308 |
2.870315 |
10529 |
99.087145 |
32.244278 |
45.826514 |
27.385647 |
25.228976 |
0 |
LHR |
| 2 |
563 |
BOND |
IL |
0.022 |
14991 |
681.409091 |
14477 |
429 |
35 |
16 |
... |
17.033819 |
4.488572 |
14235 |
94.956974 |
12.068844 |
14.036061 |
10.852090 |
12.697410 |
0 |
AAR |
3 rows × 28 columns
# poptotal 변수는 total로 변경하고, popasian은 asian으로 변경해서 midwest_new 변수에 다시 넣기
midwest_new = midwest_new.rename(columns = {'poptotal' : 'total',
'popasian' : 'asian'})
midwest_new.head(3)
|
PID |
county |
state |
area |
total |
popdensity |
popwhite |
popblack |
popamerindian |
asian |
... |
percollege |
percprof |
poppovertyknown |
percpovertyknown |
percbelowpoverty |
percchildbelowpovert |
percadultpoverty |
percelderlypoverty |
inmetro |
category |
| 0 |
561 |
ADAMS |
IL |
0.052 |
66090 |
1270.961540 |
63917 |
1702 |
98 |
249 |
... |
19.631392 |
4.355859 |
63628 |
96.274777 |
13.151443 |
18.011717 |
11.009776 |
12.443812 |
0 |
AAR |
| 1 |
562 |
ALEXANDER |
IL |
0.014 |
10626 |
759.000000 |
7054 |
3496 |
19 |
48 |
... |
11.243308 |
2.870315 |
10529 |
99.087145 |
32.244278 |
45.826514 |
27.385647 |
25.228976 |
0 |
LHR |
| 2 |
563 |
BOND |
IL |
0.022 |
14991 |
681.409091 |
14477 |
429 |
35 |
16 |
... |
17.033819 |
4.488572 |
14235 |
94.956974 |
12.068844 |
14.036061 |
10.852090 |
12.697410 |
0 |
AAR |
3 rows × 28 columns
문제3
- total, asian 변수를 이용해 ‘전체 인구 대비 아시아 인구 백분율’ 파생변수를 추가하고, 히스토그램을 만들어 분포를 살펴보세요.
# 아시아 인구 백분율을 파생변수 asian_percent에 저장
midwest_new['asian_percent'] = midwest_new['asian'] / midwest_new['total'] * 100
midwest_new.head(3)
|
PID |
county |
state |
area |
total |
popdensity |
popwhite |
popblack |
popamerindian |
asian |
... |
percprof |
poppovertyknown |
percpovertyknown |
percbelowpoverty |
percchildbelowpovert |
percadultpoverty |
percelderlypoverty |
inmetro |
category |
asian_percent |
| 0 |
561 |
ADAMS |
IL |
0.052 |
66090 |
1270.961540 |
63917 |
1702 |
98 |
249 |
... |
4.355859 |
63628 |
96.274777 |
13.151443 |
18.011717 |
11.009776 |
12.443812 |
0 |
AAR |
0.376759 |
| 1 |
562 |
ALEXANDER |
IL |
0.014 |
10626 |
759.000000 |
7054 |
3496 |
19 |
48 |
... |
2.870315 |
10529 |
99.087145 |
32.244278 |
45.826514 |
27.385647 |
25.228976 |
0 |
LHR |
0.451722 |
| 2 |
563 |
BOND |
IL |
0.022 |
14991 |
681.409091 |
14477 |
429 |
35 |
16 |
... |
4.488572 |
14235 |
94.956974 |
12.068844 |
14.036061 |
10.852090 |
12.697410 |
0 |
AAR |
0.106731 |
3 rows × 29 columns
# 아시아 인구 백분율의 분포를 히스토그램으로 파악하기
midwest_new['asian_percent'].plot.hist();
문제4
- 아시아 인구 백분율 전체 평균을 구하고, 평균을 초과하면 ‘large’, 그 외에는 ‘small’을 부여한 파생변수를 만들어 보세요.
# 아시아 인구 백분율 전체 평균을 구해서 average라는 변수에 넣어라
average = midwest_new['asian_percent'].mean()
average
0.4872461834357345
# 아시아 인구 백분율이 전체 평균을 초과하면 large, 그 외에는 small 값을 파생변수 group에 저장
midwest_new['group'] = np.where(midwest_new['asian_percent'] > average, 'large', 'small')
midwest_new.head(3)
|
PID |
county |
state |
area |
total |
popdensity |
popwhite |
popblack |
popamerindian |
asian |
... |
percpovertyknown |
percbelowpoverty |
percchildbelowpovert |
percadultpoverty |
percelderlypoverty |
inmetro |
category |
asian_percent |
average |
group |
| 0 |
561 |
ADAMS |
IL |
0.052 |
66090 |
1270.961540 |
63917 |
1702 |
98 |
249 |
... |
96.274777 |
13.151443 |
18.011717 |
11.009776 |
12.443812 |
0 |
AAR |
0.376759 |
0.487246 |
small |
| 1 |
562 |
ALEXANDER |
IL |
0.014 |
10626 |
759.000000 |
7054 |
3496 |
19 |
48 |
... |
99.087145 |
32.244278 |
45.826514 |
27.385647 |
25.228976 |
0 |
LHR |
0.451722 |
0.487246 |
small |
| 2 |
563 |
BOND |
IL |
0.022 |
14991 |
681.409091 |
14477 |
429 |
35 |
16 |
... |
94.956974 |
12.068844 |
14.036061 |
10.852090 |
12.697410 |
0 |
AAR |
0.106731 |
0.487246 |
small |
3 rows × 31 columns
문제 5:
- ‘large’와 ‘small’에 해당하는 지역이 얼마나 많은지 빈도표와 빈도 막대 그래프를 만들어 확인해 보세요
# 빈도표를 count_group 변수에 저장
count_group = midwest_new['group'].value_counts()
count_group
group
small 318
large 119
Name: count, dtype: int64
# 빈도 막대 그래프 작성
count_group.plot.bar(rot=0);
The End of Note
댓글남기기