python_pandas_day02

In [120]:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import json as j

import seaborn as sns

import warnings
warnings.filterwarnings('ignore')

In [2]:

def aryInfo(ary) :
    print('type - ', type(ary))
    print('shape - ', ary.shape)
    print('ndim -', ary.ndim)
    print('dtype -', ary.dtype)
    print('data - ')
    print(ary)
    
    
def seriesInfo(s) :
    print('type - ', type(s))
    print('index - ', s.index)
    print('value - ', s.values)
    print('dtype -', s.dtype)
    print()
    print('data - ')
    print(s)

• DataFrame(표 형식 - 행, 열) , .csv 파일을 읽어서 변환
• 행 인덱스, 열 인덱스
• pd.DataFrame(data = , index = , columns =)

In [18]:

print('dict를 이용한 프레임 생성 - ')
frm = pd.DataFrame({
    'feature01' : [1,2,3],
    'feature02' : [1,2,3],
    'feature03' : [1,2,3]
})  
#col을 기준으로 프레임을 만든다! , 인덱스 형식을 만들땐 딕셔너리가 보편적으로 많이 사용된다! (키 -> 인덱스)
print('type - ',type(frm))
print('shape - ', frm.shape)
print('ndim -', frm.ndim)
print('row idx - ', frm.index, type(frm.index))
print('col idx - ', frm.columns , type(frm.columns))
print('values - ',type(frm.values))
print(frm.values)
print('data - ')
display(frm)


def frmInfo(frm) : 
    print('type - ',type(frm))
    print('shape - ', frm.shape)
    print('ndim -', frm.ndim)
    print('row idx - ', frm.index, type(frm.index))
    print('col idx - ', frm.columns , type(frm.columns))
    print('values - ',type(frm.values))
    print(frm.values)
    print('data - ')
    display(frm)
    

dict를 이용한 프레임 생성 - 
type -  <class 'pandas.core.frame.DataFrame'>
shape -  (3, 3)
ndim - 2
row idx -  RangeIndex(start=0, stop=3, step=1) <class 'pandas.core.indexes.range.RangeIndex'>
col idx -  Index(['feature01', 'feature02', 'feature03'], dtype='object') <class 'pandas.core.indexes.base.Index'>
values -  <class 'numpy.ndarray'>
[[1 1 1]
 [2 2 2]
 [3 3 3]]
data - 

	feature01	feature02	feature03
0	1	1	1
1	2	2	2
2	3	3	3

In [25]:

print('list 이용한 프레임 생성 -') #리스트 형식은 row로 들어간다, 데이터 입력하는 순서가 중요!
frm = pd.DataFrame(data = [['섭섭해','m',True],['동아대','m',False]],
                  columns = ['이름','성별','결혼여부'], 
                  index = ['user_' + str(idx) for idx in range(2)])   
frm

list 이용한 프레임 생성 -

Out[25]:

	이름	성별	결혼여부
user_0	섭섭해	m	True
user_1	동아대	m	False

In [36]:

print('pre - processing(전처리) - 열 이름변경, rename()')
print('rename(columns | index = {old_columns : new:columns} , inplace = )') #inplace : 원본에 적용할것인지
print('컬럼명을 영문으로 변경한다면 - ')
frm.rename(columns = {'이름' : 'name', '성별' : 'gender', '결혼여부':'marriage'}, inplace= True, 
          index = {'user_0' : 'customer_0', 'user_1' : 'customer_1'})
print('index - ', frm.index)
print('columns - ', frm.columns)
print()

#for idx in frm.columns :
#    print(idx)

pre - processing(전처리) - 열 이름변경, rename()
rename(columns | index = {old_columns : new:columns} , inplace = )
컬럼명을 영문으로 변경한다면 - 
index -  Index(['customer_0', 'customer_1'], dtype='object')
columns -  Index(['name', 'gender', 'marriage'], dtype='object')

Out[36]:

	name	gender	marriage
customer_0	섭섭해	m	True
customer_1	동아대	m	False

In [47]:

print('데이터 추출 -')
print('indexing - \n ', frm['name'] , type( frm['name'])) #행인덱스는 안된다, 프레임은 시리즈로 구성되어있다

데이터 추출 -
indexing - 
  customer_0    섭섭해
customer_1    동아대
Name: name, dtype: object <class 'pandas.core.series.Series'>

In [49]:

print('데이터 추가 -')
frm['age'] = [10,20]
frm

데이터 추가 -

Out[49]:

	name	gender	marriage	age
customer_0	섭섭해	m	True	10
customer_1	동아대	m	False	20

In [50]:

print('열 삭제 - ')
del frm['age']
#del frm[['name','marriage']]

열 삭제 - 

In [51]:

frm

Out[51]:

	name	gender	marriage
customer_0	섭섭해	m	True
customer_1	동아대	m	False

In [56]:

print('만약, 행 인덱싱을 하고싶다면 ? - 정답 : 무조건 슬라이싱')
print('정수라벨, 문자라벨 모두 가능')
print('정수 인덱싱은 -1, 문자 인덱싱은 해당 인덱스를 포함한다')
print(frm[ 0 : 1 ])
print(frm[  : 'customer_0' ])

만약, 행 인덱싱을 하고싶다면 ? - 정답 : 무조건 슬라이싱
정수라벨, 문자라벨 모두 가능
정수 인덱싱은 -1, 문자 인덱싱은 해당 인덱스를 포함한다
           name gender  marriage
customer_0  섭섭해      m      True
           name gender  marriage
customer_0  섭섭해      m      True

In [62]:

frm['name'][: 'customer_0'] #시리즈에 슬라이스
print(frm['name'])
print(frm['name']['customer_0'], type(frm['name']['customer_0']))
print(frm['name'][ : 'customer_0'], type(frm['name'][ : 'customer_0']))

customer_0    섭섭해
customer_1    동아대
Name: name, dtype: object
섭섭해 <class 'str'>
customer_0    섭섭해
Name: name, dtype: object <class 'pandas.core.series.Series'>

• json 데이터 프레임 생성

In [68]:

import urllib

url = 'http://kobis.or.kr/kobisopenapi/webservice/rest/boxoffice/searchDailyBoxOfficeList.json?key=f5eef3421c602c6cb7ea224104795888&targetDt=20120101'
response = urllib.request.urlopen(url)
#print(response.read())
result = j.loads(response.read())
print('type - ' , type(result))
print('keys - ', result.keys())

type -  <class 'dict'>
keys -  dict_keys(['boxOfficeResult'])

In [72]:

data = result['boxOfficeResult']['dailyBoxOfficeList']
data

Out[72]:

[{'rnum': '1',
  'rank': '1',
  'rankInten': '0',
  'rankOldAndNew': 'OLD',
  'movieCd': '20112207',
  'movieNm': '미션임파서블:고스트프로토콜',
  'openDt': '2011-12-15',
  'salesAmt': '2776060500',
  'salesShare': '36.3',
  'salesInten': '-415699000',
  'salesChange': '-13',
  'salesAcc': '40541108500',
  'audiCnt': '353274',
  'audiInten': '-60106',
  'audiChange': '-14.5',
  'audiAcc': '5328435',
  'scrnCnt': '697',
  'showCnt': '3223'},
 {'rnum': '2',
  'rank': '2',
  'rankInten': '1',
  'rankOldAndNew': 'OLD',
  'movieCd': '20110295',
  'movieNm': '마이 웨이',
  'openDt': '2011-12-21',
  'salesAmt': '1189058500',
  'salesShare': '15.6',
  'salesInten': '-105894500',
  'salesChange': '-8.2',
  'salesAcc': '13002897500',
  'audiCnt': '153501',
  'audiInten': '-16465',
  'audiChange': '-9.7',
  'audiAcc': '1739543',
  'scrnCnt': '588',
  'showCnt': '2321'},
 {'rnum': '3',
  'rank': '3',
  'rankInten': '-1',
  'rankOldAndNew': 'OLD',
  'movieCd': '20112621',
  'movieNm': '셜록홈즈 : 그림자 게임',
  'openDt': '2011-12-21',
  'salesAmt': '1176022500',
  'salesShare': '15.4',
  'salesInten': '-210328500',
  'salesChange': '-15.2',
  'salesAcc': '10678327500',
  'audiCnt': '153004',
  'audiInten': '-31283',
  'audiChange': '-17',
  'audiAcc': '1442861',
  'scrnCnt': '360',
  'showCnt': '1832'},
 {'rnum': '4',
  'rank': '4',
  'rankInten': '0',
  'rankOldAndNew': 'OLD',
  'movieCd': '20113260',
  'movieNm': '퍼펙트 게임',
  'openDt': '2011-12-21',
  'salesAmt': '644532000',
  'salesShare': '8.4',
  'salesInten': '-75116500',
  'salesChange': '-10.4',
  'salesAcc': '6640940000',
  'audiCnt': '83644',
  'audiInten': '-12225',
  'audiChange': '-12.8',
  'audiAcc': '895416',
  'scrnCnt': '396',
  'showCnt': '1364'},
 {'rnum': '5',
  'rank': '5',
  'rankInten': '0',
  'rankOldAndNew': 'OLD',
  'movieCd': '20113271',
  'movieNm': '프렌즈: 몬스터섬의비밀 ',
  'openDt': '2011-12-29',
  'salesAmt': '436753500',
  'salesShare': '5.7',
  'salesInten': '-89051000',
  'salesChange': '-16.9',
  'salesAcc': '1523037000',
  'audiCnt': '55092',
  'audiInten': '-15568',
  'audiChange': '-22',
  'audiAcc': '202909',
  'scrnCnt': '290',
  'showCnt': '838'},
 {'rnum': '6',
  'rank': '6',
  'rankInten': '1',
  'rankOldAndNew': 'OLD',
  'movieCd': '19940256',
  'movieNm': '라이온 킹',
  'openDt': '1994-07-02',
  'salesAmt': '507115500',
  'salesShare': '6.6',
  'salesInten': '-114593500',
  'salesChange': '-18.4',
  'salesAcc': '1841625000',
  'audiCnt': '45750',
  'audiInten': '-11699',
  'audiChange': '-20.4',
  'audiAcc': '171285',
  'scrnCnt': '244',
  'showCnt': '895'},
 {'rnum': '7',
  'rank': '7',
  'rankInten': '-1',
  'rankOldAndNew': 'OLD',
  'movieCd': '20113381',
  'movieNm': '오싹한 연애',
  'openDt': '2011-12-01',
  'salesAmt': '344871000',
  'salesShare': '4.5',
  'salesInten': '-107005500',
  'salesChange': '-23.7',
  'salesAcc': '20634684500',
  'audiCnt': '45062',
  'audiInten': '-15926',
  'audiChange': '-26.1',
  'audiAcc': '2823060',
  'scrnCnt': '243',
  'showCnt': '839'},
 {'rnum': '8',
  'rank': '8',
  'rankInten': '0',
  'rankOldAndNew': 'OLD',
  'movieCd': '20112709',
  'movieNm': '극장판 포켓몬스터 베스트 위시「비크티니와 백의 영웅 레시라무」',
  'openDt': '2011-12-22',
  'salesAmt': '167809500',
  'salesShare': '2.2',
  'salesInten': '-45900500',
  'salesChange': '-21.5',
  'salesAcc': '1897120000',
  'audiCnt': '24202',
  'audiInten': '-7756',
  'audiChange': '-24.3',
  'audiAcc': '285959',
  'scrnCnt': '186',
  'showCnt': '348'},
 {'rnum': '9',
  'rank': '9',
  'rankInten': '0',
  'rankOldAndNew': 'OLD',
  'movieCd': '20113311',
  'movieNm': '앨빈과 슈퍼밴드3',
  'openDt': '2011-12-15',
  'salesAmt': '137030000',
  'salesShare': '1.8',
  'salesInten': '-35408000',
  'salesChange': '-20.5',
  'salesAcc': '3416675000',
  'audiCnt': '19729',
  'audiInten': '-6461',
  'audiChange': '-24.7',
  'audiAcc': '516289',
  'scrnCnt': '169',
  'showCnt': '359'},
 {'rnum': '10',
  'rank': '10',
  'rankInten': '0',
  'rankOldAndNew': 'OLD',
  'movieCd': '20112708',
  'movieNm': '극장판 포켓몬스터 베스트 위시 「비크티니와 흑의 영웅 제크로무」',
  'openDt': '2011-12-22',
  'salesAmt': '125535500',
  'salesShare': '1.6',
  'salesInten': '-40756000',
  'salesChange': '-24.5',
  'salesAcc': '1595695000',
  'audiCnt': '17817',
  'audiInten': '-6554',
  'audiChange': '-26.9',
  'audiAcc': '235070',
  'scrnCnt': '175',
  'showCnt': '291'}]

돌발퀴즈

• rnum, movieNm, salesAmt
• 위 세가지 값을 추출하여 데이터프레임을 만들어보자
• 컬럼명 변경 - 랭킹, 영화제목, 판매금액

In [81]:

movieFrm = pd.DataFrame(data)
movieFrm

Out[81]:

	rnum	rank	rankInten	rankOldAndNew	movieCd	movieNm	openDt	salesAmt	salesShare	salesInten	salesChange	salesAcc	audiCnt	audiInten	audiChange	audiAcc	scrnCnt	showCnt
0	1	1	0	OLD	20112207	미션임파서블:고스트프로토콜	2011-12-15	2776060500	36.3	-415699000	-13	40541108500	353274	-60106	-14.5	5328435	697	3223
1	2	2	1	OLD	20110295	마이 웨이	2011-12-21	1189058500	15.6	-105894500	-8.2	13002897500	153501	-16465	-9.7	1739543	588	2321
2	3	3	-1	OLD	20112621	셜록홈즈 : 그림자 게임	2011-12-21	1176022500	15.4	-210328500	-15.2	10678327500	153004	-31283	-17	1442861	360	1832
3	4	4	0	OLD	20113260	퍼펙트 게임	2011-12-21	644532000	8.4	-75116500	-10.4	6640940000	83644	-12225	-12.8	895416	396	1364
4	5	5	0	OLD	20113271	프렌즈: 몬스터섬의비밀	2011-12-29	436753500	5.7	-89051000	-16.9	1523037000	55092	-15568	-22	202909	290	838
5	6	6	1	OLD	19940256	라이온 킹	1994-07-02	507115500	6.6	-114593500	-18.4	1841625000	45750	-11699	-20.4	171285	244	895
6	7	7	-1	OLD	20113381	오싹한 연애	2011-12-01	344871000	4.5	-107005500	-23.7	20634684500	45062	-15926	-26.1	2823060	243	839
7	8	8	0	OLD	20112709	극장판 포켓몬스터 베스트 위시「비크티니와 백의 영웅 레시라무」	2011-12-22	167809500	2.2	-45900500	-21.5	1897120000	24202	-7756	-24.3	285959	186	348
8	9	9	0	OLD	20113311	앨빈과 슈퍼밴드3	2011-12-15	137030000	1.8	-35408000	-20.5	3416675000	19729	-6461	-24.7	516289	169	359
9	10	10	0	OLD	20112708	극장판 포켓몬스터 베스트 위시 「비크티니와 흑의 영웅 제크로무」	2011-12-22	125535500	1.6	-40756000	-24.5	1595695000	17817	-6554	-26.9	235070	175	291

In [88]:

movie = pd.DataFrame(movieFrm[['rnum', 'movieNm', 'salesAmt']])
movie

movie.rename(columns = {'rnum' : '랭킹', 'movieNm' : '영화제목', 'salesAmt':'판매금액'}, inplace= True)
movie

Out[88]:

	랭킹	영화제목	판매금액
0	1	미션임파서블:고스트프로토콜	2776060500
1	2	마이 웨이	1189058500
2	3	셜록홈즈 : 그림자 게임	1176022500
3	4	퍼펙트 게임	644532000
4	5	프렌즈: 몬스터섬의비밀	436753500
5	6	라이온 킹	507115500
6	7	오싹한 연애	344871000
7	8	극장판 포켓몬스터 베스트 위시「비크티니와 백의 영웅 레시라무」	167809500
8	9	앨빈과 슈퍼밴드3	137030000
9	10	극장판 포켓몬스터 베스트 위시 「비크티니와 흑의 영웅 제크로무」	125535500

In [99]:

print('case 02 -')
lst = []
for row in data :
    lst.append([row['rnum'], row['movieNm'], row['salesAmt']])
print(lst)
movieFrm = pd.DataFrame(lst)

movieFrm.rename(columns = {0 : '랭킹', 1 : '영화제목', 2 :'판매금액'}, inplace= True)
display(movieFrm)

case 02 -
[['1', '미션임파서블:고스트프로토콜', '2776060500'], ['2', '마이 웨이', '1189058500'], ['3', '셜록홈즈 : 그림자 게임', '1176022500'], ['4', '퍼펙트 게임', '644532000'], ['5', '프렌즈: 몬스터섬의비밀 ', '436753500'], ['6', '라이온 킹', '507115500'], ['7', '오싹한 연애', '344871000'], ['8', '극장판 포켓몬스터 베스트 위시「비크티니와 백의 영웅 레시라무」', '167809500'], ['9', '앨빈과 슈퍼밴드3', '137030000'], ['10', '극장판 포켓몬스터 베스트 위시 「비크티니와 흑의 영웅 제크로무」', '125535500']]

	랭킹	영화제목	판매금액
0	1	미션임파서블:고스트프로토콜	2776060500
1	2	마이 웨이	1189058500
2	3	셜록홈즈 : 그림자 게임	1176022500
3	4	퍼펙트 게임	644532000
4	5	프렌즈: 몬스터섬의비밀	436753500
5	6	라이온 킹	507115500
6	7	오싹한 연애	344871000
7	8	극장판 포켓몬스터 베스트 위시「비크티니와 백의 영웅 레시라무」	167809500
8	9	앨빈과 슈퍼밴드3	137030000
9	10	극장판 포켓몬스터 베스트 위시 「비크티니와 흑의 영웅 제크로무」	125535500

• 데이터 조작(잘 꺼내야된다!!)
• 프레임은 기본 열 인덱스를 사용하고, 행 인덱스를 위해서는 슬라이싱
• loc[] 라벨값 , iloc[] 정수값 : 인덱서

In [87]:

#frm = pd.DataFrame(np.random.normal(50,2,(3,4)))
frm = pd.DataFrame(np.arange(100, 112).reshape(3,4), index = ['row_' + str(idx) for idx in range(1,4)], 
                   columns =['feature_' + str(idx) for idx in range(1,5)] )
frm

Out[87]:

	feature_1	feature_2	feature_3	feature_4
row_1	100	101	102	103
row_2	104	105	106	107
row_3	108	109	110	111

In [88]:

frm.describe()

Out[88]:

	feature_1	feature_2	feature_3	feature_4
count	3.0	3.0	3.0	3.0
mean	104.0	105.0	106.0	107.0
std	4.0	4.0	4.0	4.0
min	100.0	101.0	102.0	103.0
25%	102.0	103.0	104.0	105.0
50%	104.0	105.0	106.0	107.0
75%	106.0	107.0	108.0	109.0
max	108.0	109.0	110.0	111.0

In [89]:

frm.info()

<class 'pandas.core.frame.DataFrame'>
Index: 3 entries, row_1 to row_3
Data columns (total 4 columns):
 #   Column     Non-Null Count  Dtype
---  ------     --------------  -----
 0   feature_1  3 non-null      int32
 1   feature_2  3 non-null      int32
 2   feature_3  3 non-null      int32
 3   feature_4  3 non-null      int32
dtypes: int32(4)
memory usage: 72.0+ bytes

In [90]:

print('인덱스 사용 - loc[] ')

#frm[] - 열인덱스
print('라벨값 기반 - ', frm.loc['row_1'].values) #행인덱스
print('정수값 기반 - ', frm.iloc[0].values)

print('멀티인덱스 [] \n- ', frm.loc[['row_1','row_3']])
print('슬라이싱 [] \n- ', frm.loc['row_1':'row_3'])

print('멀티인덱스 [] \n- ', frm.iloc[[0,2]])
print('슬라이싱 [] \n- ', frm.iloc[0:3])

인덱스 사용 - loc[] 
라벨값 기반 -  [100 101 102 103]
정수값 기반 -  [100 101 102 103]
멀티인덱스 [] 
-         feature_1  feature_2  feature_3  feature_4
row_1        100        101        102        103
row_3        108        109        110        111
슬라이싱 [] 
-         feature_1  feature_2  feature_3  feature_4
row_1        100        101        102        103
row_2        104        105        106        107
row_3        108        109        110        111
멀티인덱스 [] 
-         feature_1  feature_2  feature_3  feature_4
row_1        100        101        102        103
row_3        108        109        110        111
슬라이싱 [] 
-         feature_1  feature_2  feature_3  feature_4
row_1        100        101        102        103
row_2        104        105        106        107
row_3        108        109        110        111

In [91]:

frm.loc[frm['feature_2'].values > 105 ]

Out[91]:

	feature_1	feature_2	feature_3	feature_4
row_3	108	109	110	111

In [92]:

print('행, 열 - ') #frm[열][행], frm.loc, frm.iloc[행,열]
print('첫번째 행의 모든 열을 추출하고싶다면 - iloc, loc')
print(frm.iloc[0,0:3])
print(frm.loc['row_1', 'feature_1':'feature_4'])

행, 열 - 
첫번째 행의 모든 열을 추출하고싶다면 - iloc, loc
feature_1    100
feature_2    101
feature_3    102
Name: row_1, dtype: int32
feature_1    100
feature_2    101
feature_3    102
feature_4    103
Name: row_1, dtype: int32

In [93]:

print('새로운 행을 추가 - ')
frm.loc['row_4'] = 200
frm

새로운 행을 추가 - 

Out[93]:

	feature_1	feature_2	feature_3	feature_4
row_1	100	101	102	103
row_2	104	105	106	107
row_3	108	109	110	111
row_4	200	200	200	200

In [94]:

frm.loc['row_5'] = frm.loc['row_4']
frm

Out[94]:

	feature_1	feature_2	feature_3	feature_4
row_1	100	101	102	103
row_2	104	105	106	107
row_3	108	109	110	111
row_4	200	200	200	200
row_5	200	200	200	200

In [95]:

scores = {
    'kor' : [90,85,100,77,78] ,
    'eng' : [67,56,100,68,40],
    'math' : [30,67,49,50,90],
}
frm = pd.DataFrame(scores, index = ['김채아','오세헌','임정섭','전진호','박영빈'])
frm

Out[95]:

	kor	eng	math
김채아	90	67	30
오세헌	85	56	67
임정섭	100	100	49
전진호	77	68	50
박영빈	78	40	90

In [96]:

print('Q1. 모든 학생의 과목평균 점수를 새로운 열 추가')
frm['mean'] = np.mean(frm.values, axis=1).round(2)
frm

Q1. 모든 학생의 과목평균 점수를 새로운 열 추가

Out[96]:

	kor	eng	math	mean
김채아	90	67	30	62.33
오세헌	85	56	67	69.33
임정섭	100	100	49	83.00
전진호	77	68	50	65.00
박영빈	78	40	90	69.33

In [97]:

print('Q2. 오세헌 학생의 영어점수를 90점으로 수정하고 평균 점수도 다시 계산')
frm.loc['오세헌','eng']=90
frm

Q2. 오세헌 학생의 영어점수를 90점으로 수정하고 평균 점수도 다시 계산

Out[97]:

	kor	eng	math	mean
김채아	90	67	30	62.33
오세헌	85	90	67	69.33
임정섭	100	100	49	83.00
전진호	77	68	50	65.00
박영빈	78	40	90	69.33

In [98]:

print('Q3. 전진호 학생의 점수를 데이터프레임으로 추출')
frm.loc[['전진호']]

Q3. 전진호 학생의 점수를 데이터프레임으로 추출

Out[98]:

	kor	eng	math	mean
전진호	77	68	50	65.0

In [99]:

print('Q4. 김채아 학생의 점수를 시리즈로 추출')
pd.Series(frm.loc['김채아']) #frm.loc['김채아']

Q4. 김채아 학생의 점수를 시리즈로 추출

Out[99]:

kor     90.00
eng     67.00
math    30.00
mean    62.33
Name: 김채아, dtype: float64

In [100]:

print('Q5. 박영빈 학생의 국어,수학점수를 95점으로 수정하고 평균 점수도 다시 계산 ')
frm.loc['박영빈','kor'] = 95
frm.loc['박영빈','math'] = 95

frm['mean'] = np.mean(frm[['kor','eng','math']], axis = 1).round(2)
frm

Q5. 박영빈 학생의 국어,수학점수를 95점으로 수정하고 평균 점수도 다시 계산 

Out[100]:

	kor	eng	math	mean
김채아	90	67	30	62.33
오세헌	85	90	67	80.67
임정섭	100	100	49	83.00
전진호	77	68	50	65.00
박영빈	95	40	95	76.67

In [101]:

titanicFrm = sns.load_dataset('titanic')
print('type - ', type(titanicFrm))
titanicFrm

type -  <class 'pandas.core.frame.DataFrame'>

Out[101]:

	survived	pclass	sex	age	sibsp	parch	fare	embarked	class	who	adult_male	deck	embark_town	alive	alone
0	0	3	male	22.0	1	0	7.2500	S	Third	man	True	NaN	Southampton	no	False
1	1	1	female	38.0	1	0	71.2833	C	First	woman	False	C	Cherbourg	yes	False
2	1	3	female	26.0	0	0	7.9250	S	Third	woman	False	NaN	Southampton	yes	True
3	1	1	female	35.0	1	0	53.1000	S	First	woman	False	C	Southampton	yes	False
4	0	3	male	35.0	0	0	8.0500	S	Third	man	True	NaN	Southampton	no	True
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
886	0	2	male	27.0	0	0	13.0000	S	Second	man	True	NaN	Southampton	no	True
887	1	1	female	19.0	0	0	30.0000	S	First	woman	False	B	Southampton	yes	True
888	0	3	female	NaN	1	2	23.4500	S	Third	woman	False	NaN	Southampton	no	False
889	1	1	male	26.0	0	0	30.0000	C	First	man	True	C	Cherbourg	yes	True
890	0	3	male	32.0	0	0	7.7500	Q	Third	man	True	NaN	Queenstown	no	True

891 rows × 15 columns

In [102]:

titanicFrm.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 15 columns):
 #   Column       Non-Null Count  Dtype   
---  ------       --------------  -----   
 0   survived     891 non-null    int64   
 1   pclass       891 non-null    int64   
 2   sex          891 non-null    object  
 3   age          714 non-null    float64 
 4   sibsp        891 non-null    int64   
 5   parch        891 non-null    int64   
 6   fare         891 non-null    float64 
 7   embarked     889 non-null    object  
 8   class        891 non-null    category
 9   who          891 non-null    object  
 10  adult_male   891 non-null    bool    
 11  deck         203 non-null    category
 12  embark_town  889 non-null    object  
 13  alive        891 non-null    object  
 14  alone        891 non-null    bool    
dtypes: bool(2), category(2), float64(2), int64(4), object(5)
memory usage: 80.7+ KB

In [112]:

print('선실등급의 인원 수를 확인하고 싶다면 - ')
titanicFrm['pclass'].value_counts().values

선실등급의 인원 수를 확인하고 싶다면 - 

Out[112]:

array([491, 216, 184], dtype=int64)

In [104]:

print('프레임의 컬럼명을 확인하고 싶다면 -')
titanicFrm.columns

프레임의 컬럼명을 확인하고 싶다면 -

Out[104]:

Index(['survived', 'pclass', 'sex', 'age', 'sibsp', 'parch', 'fare',
       'embarked', 'class', 'who', 'adult_male', 'deck', 'embark_town',
       'alive', 'alone'],
      dtype='object')

In [105]:

print('Q1) age_by_10 컬럼을 추가하고 싶다(기존나이에 10살을 더한 값을) ')
titanicFrm['age_by_10'] = ((titanicFrm['age'] + 10).values).astype('int') 
titanicFrm.head()

Q1) age_by_10 컬럼을 추가하고 싶다(기존나이에 10살을 더한 값을) 

Out[105]:

	survived	pclass	sex	age	sibsp	parch	fare	embarked	class	who	adult_male	deck	embark_town	alive	alone	age_by_10
0	0	3	male	22.0	1	0	7.2500	S	Third	man	True	NaN	Southampton	no	False	32
1	1	1	female	38.0	1	0	71.2833	C	First	woman	False	C	Cherbourg	yes	False	48
2	1	3	female	26.0	0	0	7.9250	S	Third	woman	False	NaN	Southampton	yes	True	36
3	1	1	female	35.0	1	0	53.1000	S	First	woman	False	C	Southampton	yes	False	45
4	0	3	male	35.0	0	0	8.0500	S	Third	man	True	NaN	Southampton	no	True	45

In [106]:

print('Q2) parch와 sibsp 더한값에 1을 추가해서 family_no 컬럼추가')
titanicFrm['family_no'] = titanicFrm['parch'] + titanicFrm['sibsp'] + 1   
titanicFrm.head()

Q2) parch와 sibsp 더한값에 1을 추가해서 family_no 컬럼추가

Out[106]:

	survived	pclass	sex	age	sibsp	parch	fare	embarked	class	who	adult_male	deck	embark_town	alive	alone	age_by_10	family_no
0	0	3	male	22.0	1	0	7.2500	S	Third	man	True	NaN	Southampton	no	False	32	2
1	1	1	female	38.0	1	0	71.2833	C	First	woman	False	C	Cherbourg	yes	False	48	2
2	1	3	female	26.0	0	0	7.9250	S	Third	woman	False	NaN	Southampton	yes	True	36	1
3	1	1	female	35.0	1	0	53.1000	S	First	woman	False	C	Southampton	yes	False	45	2
4	0	3	male	35.0	0	0	8.0500	S	Third	man	True	NaN	Southampton	no	True	45	1

In [107]:

print('Q3) 방금 만든 2개의 컬럼을 삭제하고 싶다면 - ') 
print('drop( , axis = 1 )')
titanicFrm.drop(['age_by_10' , 'family_no'] , axis = 1 , inplace = True) 

Q3) 방금 만든 2개의 컬럼을 삭제하고 싶다면 - 
drop( , axis = 1 )

In [108]:

titanicFrm.head()

Out[108]:

	survived	pclass	sex	age	sibsp	parch	fare	embarked	class	who	adult_male	deck	embark_town	alive	alone
0	0	3	male	22.0	1	0	7.2500	S	Third	man	True	NaN	Southampton	no	False
1	1	1	female	38.0	1	0	71.2833	C	First	woman	False	C	Cherbourg	yes	False
2	1	3	female	26.0	0	0	7.9250	S	Third	woman	False	NaN	Southampton	yes	True
3	1	1	female	35.0	1	0	53.1000	S	First	woman	False	C	Southampton	yes	False
4	0	3	male	35.0	0	0	8.0500	S	Third	man	True	NaN	Southampton	no	True

In [109]:

print('Q4) 요금(fare)에 대한 통계(최대, 최소, 평균, 합계) 확인이 필요하다 - ') 
print('sum - ' , np.sum(titanicFrm['fare'].values))

Q4) 요금(fare)에 대한 통계(최대, 최소, 평균, 합계) 확인이 필요하다 - 
sum -  28693.9493

In [110]:

print('Q5) 선실등급이 3 등급인 데이터만의 subset 만들어라 - ')
pclassFrm = titanicFrm[ titanicFrm['pclass'] == 3 ]
pclassFrm

Q5) 선실등급이 3 등급인 데이터만의 subset 만들어라 - 

Out[110]:

	survived	pclass	sex	age	sibsp	parch	fare	embarked	class	who	adult_male	deck	embark_town	alive	alone
0	0	3	male	22.0	1	0	7.2500	S	Third	man	True	NaN	Southampton	no	False
2	1	3	female	26.0	0	0	7.9250	S	Third	woman	False	NaN	Southampton	yes	True
4	0	3	male	35.0	0	0	8.0500	S	Third	man	True	NaN	Southampton	no	True
5	0	3	male	NaN	0	0	8.4583	Q	Third	man	True	NaN	Queenstown	no	True
7	0	3	male	2.0	3	1	21.0750	S	Third	child	False	NaN	Southampton	no	False
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
882	0	3	female	22.0	0	0	10.5167	S	Third	woman	False	NaN	Southampton	no	True
884	0	3	male	25.0	0	0	7.0500	S	Third	man	True	NaN	Southampton	no	True
885	0	3	female	39.0	0	5	29.1250	Q	Third	woman	False	NaN	Queenstown	no	False
888	0	3	female	NaN	1	2	23.4500	S	Third	woman	False	NaN	Southampton	no	False
890	0	3	male	32.0	0	0	7.7500	Q	Third	man	True	NaN	Queenstown	no	True

491 rows × 15 columns

In [111]:

print('Q6) 선실등급이 3 등급인 데이터의 subset 만들고 sex, who 데이터만 추출 - ')
# pclassFrm[['sex', 'who']]
pclassFrm.loc[ : , ['sex', 'who']]

Q6) 선실등급이 3 등급인 데이터의 subset 만들고 sex, who 데이터만 추출 - 

Out[111]:

	sex	who
0	male	man
2	female	woman
4	male	man
5	male	man
7	male	child
...	...	...
882	female	woman
884	male	man
885	female	woman
888	female	woman
890	male	man

491 rows × 2 columns

Q01) 다음 조건을 만족하는 임의의 데이터 프레임을 작성해 보자

조건) 열의 갯수와 행의 갯수가 각각 5개 이상이여야 한다. 조건) 열에는 정수, 문자, 실수, 날짜 데이터가 각각 1개이상 포함되어야 한다.

Q02) 제공된 booklist_json.json 파일로부터 데이터를 읽어 들여서 데이터 프레임을 작성해 보자

hint) numpy 파일 입출력

• json.loads() : json으로 된 문자열 파일을 읽어들일 때
• json.load() : json 파일을 읽어들일 때

In [139]:

df = pd.DataFrame(pd.read_json('./data/booklist_json.json'))
print(type(df))
display(df)

<class 'pandas.core.frame.DataFrame'>

	bookName	link
0	나는 꼭 필요한 것만 남기기로 했다	http://www.hanbit.co.kr/store/books/look.php?p...
1	파이썬과 대스크를 활용한 고성능 데이터 분석	http://www.hanbit.co.kr/store/books/look.php?p...
2	웹어셈블리 인 액션	http://www.hanbit.co.kr/store/books/look.php?p...
3	쉽게 배워 바로 써먹는 디자인 패턴	http://www.hanbit.co.kr/store/books/look.php?p...
4	부의 원칙	http://www.hanbit.co.kr/store/books/look.php?p...
5	만들면서 배우는 픽셀 아트	http://www.hanbit.co.kr/store/books/look.php?p...
6	초보자를 위한 언리얼 엔진 4 입문	http://www.hanbit.co.kr/store/books/look.php?p...
7	분산원장 기술	http://www.hanbit.co.kr/store/books/look.php?p...
8	회사에서 바로 통하는 3ds Max + V-Ray	http://www.hanbit.co.kr/store/books/look.php?p...
9	재미있고 빠른 한글 쓰기 3권 : 교과서 쉬운 낱말	http://www.hanbit.co.kr/store/books/look.php?p...
10	나도 초록 식물 잘 키우면 소원이 없겠네	http://www.hanbit.co.kr/store/books/look.php?p...
11	IT CookBook, 액세스 2019로 배우는 데이터베이스 기초와 실습	http://www.hanbit.co.kr/store/books/look.php?p...
12	GAN 인 액션	http://www.hanbit.co.kr/store/books/look.php?p...
13	재미있고 빠른 어휘력 동화 – 아지랑이가 뭐야?	http://www.hanbit.co.kr/store/books/look.php?p...
14	재미있고 빠른 어휘력 동화 – 많다의 반대가 뭐야?	http://www.hanbit.co.kr/store/books/look.php?p...
15	만화로 보는 바빌론 부자들의 돈 버는 지혜	http://www.hanbit.co.kr/store/books/look.php?p...
16	포르잔 C++ 바이블	http://www.hanbit.co.kr/store/books/look.php?p...
17	청소년 인문학 수업 - 1권	http://www.hanbit.co.kr/store/books/look.php?p...
18	청소년 인문학 수업 - 2권	http://www.hanbit.co.kr/store/books/look.php?p...
19	처음 시작하는 파이썬(2판)	http://www.hanbit.co.kr/store/books/look.php?p...
20	퀀트 전략을 위한 인공지능 트레이딩	http://www.hanbit.co.kr/store/books/look.php?p...
21	처음 시작하는 딥러닝	http://www.hanbit.co.kr/store/books/look.php?p...
22	회사에서 바로 통하는 실무 엑셀 매크로&VBA	http://www.hanbit.co.kr/store/books/look.php?p...
23	게임 오버	http://www.hanbit.co.kr/store/books/look.php?p...
24	초소형 머신러닝 TinyML	http://www.hanbit.co.kr/store/books/look.php?p...
25	오늘도 뇌는 거짓말을 한다	http://www.hanbit.co.kr/store/books/look.php?p...
26	허팝만 따라 해봐! 유튜브 정석	http://www.hanbit.co.kr/store/books/look.php?p...
27	이것이 취업을 위한 코딩 테스트다 with 파이썬	http://www.hanbit.co.kr/store/books/look.php?p...
28	딥러닝을 위한 선형대수학	http://www.hanbit.co.kr/store/books/look.php?p...
29	유닉스의 탄생	http://www.hanbit.co.kr/store/books/look.php?p...
30	회사에서 바로 통하는 오토캐드 AutoCAD 2021	http://www.hanbit.co.kr/store/books/look.php?p...
31	IT CookBook, 오라클로 배우는 데이터베이스 개론과 실습(2판)	http://www.hanbit.co.kr/store/books/look.php?p...
32	별, 걔 다 그립네	http://www.hanbit.co.kr/store/books/look.php?p...
33	대학을 버려야 대학이 산다	http://www.hanbit.co.kr/store/books/look.php?p...
34	IT CookBook, 따라 하면서 배우는 사물인터넷	http://www.hanbit.co.kr/store/books/look.php?p...
35	재미있고 빠른 첫 한글 준비 선 긋기1권 직선∙곡선∙자음∙모음	http://www.hanbit.co.kr/store/books/look.php?p...
36	재미있고 빠른 첫 한글 4권 쌍자음∙받침	http://www.hanbit.co.kr/store/books/look.php?p...
37	핸즈온 비지도 학습	http://www.hanbit.co.kr/store/books/look.php?p...
38	재미있고 빠른 첫 한글 쓰기1권 모음∙자음∙쉬운 낱말	http://www.hanbit.co.kr/store/books/look.php?p...
39	우리 아이 처음 놀이	http://www.hanbit.co.kr/store/books/look.php?p...
40	미라클 모닝 기적의 공식(개정판)	http://www.hanbit.co.kr/store/books/look.php?p...
41	창의적 공학설계(3판)	http://www.hanbit.co.kr/store/books/look.php?p...
42	R로 하는 다변량 데이터 분석 : 이론부터 실무 활용까지	http://www.hanbit.co.kr/store/books/look.php?p...
43	공학 핵심수학(2판) : 기초부터 심화까지 핵심만 쏙쏙	http://www.hanbit.co.kr/store/books/look.php?p...
44	응용이 보이는 선형대수학 : 파이썬과 함께하는 선형대수학 이론과 응용	http://www.hanbit.co.kr/store/books/look.php?p...
45	파이썬 증권 데이터 분석	http://www.hanbit.co.kr/store/books/look.php?p...
46	나의 첫 파이썬(2판)	http://www.hanbit.co.kr/store/books/look.php?p...
47	나는 왜 네 말이 힘들까	http://www.hanbit.co.kr/store/books/look.php?p...
48	혼자 공부하는 첫 프로그래밍 with 파이썬	http://www.hanbit.co.kr/store/books/look.php?p...
49	퇴근길 인문학 수업 : 뉴노멀	http://www.hanbit.co.kr/store/books/look.php?p...

In [ ]: