파이썬 연습문제#

Hits

유튜브 인기동영상 데이터#

Attention

데이터 출처 :https://www.kaggle.com/rsrishav/youtube-trending-video-dataset?select=KR_youtube_trending_data.csv
데이터 설명 : 유튜브 데일리 인기동영상 (한국)
dataurl : https://raw.githubusercontent.com/Datamanim/datarepo/main/youtube/youtube.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/youtube/youtube.csv",index_col=0)
df.head()
title channelTitle categoryId view_count likes dislikes comment_count channelId trending_date2
0 [신병] 물자창고 장삐쭈 23 1893473 38249 730 8595 UChbE5OZQ6dRHECsX0tEPEZQ 2021-01-01
1 RAIN(비) - 나로 바꾸자 Switch to me (duet with JYP) MV RAIN's Official Channel 10 2600864 0 0 20129 UCxXgIeE5hxWxHG6dz9Scg2w 2021-01-01
2 2020년 제야의 종 온라인 타종행사 | 보신각 현장 행사는 진행하지 않습니다. 서울시 · Seoul 29 347049 3564 120 178 UCZUPZW5idAxYp-Asj__lVAA 2021-01-01
3 고기남자의 칠면조 파티 고기남자 MeatMan 26 528458 15372 280 3470 UCT3CumbFIJiW33uq0UI3zlg 2021-01-01
4 골목 3mc를 분노하게 만든 마음고생이 심했을 공릉 백반집 사장님의 푸념?! [예능... 스브스밥집 24 494904 3918 111 3142 UCdWgRSfttvDucq4ApcCg5Mw 2021-01-01

Question

인기동영상 제작횟수가 많은 채널 상위 10개명을 출력하라 (날짜기준, 중복포함)

Hide code cell source 
answer =list(df.loc[df.channelId.isin(df.channelId.value_counts().head(10).index)].channelTitle.unique())
print(answer)

['장삐쭈', '총몇명', '파뿌리', '짤툰', '런닝맨 - 스브스 공식 채널', '엠뚜루마뚜루 : MBC 공식 종합 채널', 'SPOTV', '채널 십오야', '이과장', 'BANGTANTV']

Question

논란으로 인기동영상이 된 케이스를 확인하고 싶다. dislikes수가 like 수보다 높은 동영상을 제작한 채널을 모두 출력하라

Hide code cell source 
answer =list(df.loc[df.likes < df.dislikes].channelTitle.unique())
print(answer)

['핫도그TV', 'ASMR 애정TV', '하얀트리HayanTree', '양팡 YangPang', '철구형 (CHULTUBE)', '왜냐맨하우스', '(MUTUBE)와꾸대장봉준', '오메킴TV', '육지담', 'MapleStory_KR', 'ROAD FIGHTING CHAMPIONSHIP', '사나이 김기훈', '나혼자산다 STUDIO', 'Gen.G esports']

Question

채널명을 바꾼 케이스가 있는지 확인하고 싶다. channelId의 경우 고유값이므로 이를 통해 채널명을 한번이라도 바꾼 채널의 갯수를 구하여라

Hide code cell source 
change = df[['channelTitle','channelId']].drop_duplicates().channelId.value_counts()
target = change[change>1]
print(len(target))

71

Question

일요일에 인기있었던 영상들중 가장많은 영상 종류(categoryId)는 무엇인가?

Hide code cell source 
df['trending_date2'] = pd.to_datetime(df['trending_date2'])
answer =df.loc[df['trending_date2'].dt.day_name() =='Sunday'].categoryId.value_counts().index[0]
print(answer)

24

Question

각 요일별 인기 영상들의 categoryId는 각각 몇개 씩인지 하나의 데이터 프레임으로 표현하라

Hide code cell source 
group = df.groupby([df['trending_date2'].dt.day_name(),'categoryId'],as_index=False).size()
answer= group.pivot(index='categoryId',columns='trending_date2')
display(answer)
size
trending_date2 Friday Monday Saturday Sunday Thursday Tuesday Wednesday
categoryId
1 243 263 255 274 246 257 234
2 120 105 119 99 128 119 129
10 833 837 776 830 890 894 917
15 187 215 198 217 207 208 207
17 633 668 592 636 682 708 706
19 90 92 87 91 92 89 85
20 283 298 296 289 282 285 291
22 1288 1373 1289 1337 1341 1375 1333
23 568 594 570 556 560 569 566
24 2976 3148 3066 3096 2954 3084 3090
25 444 453 422 437 470 452 468
26 369 378 364 363 375 394 385
27 183 205 183 199 194 194 212
28 171 160 173 167 166 161 165
29 12 10 10 9 13 11 12

Question

댓글의 수로 (comment_count) 영상 반응에 대한 판단을 할 수 있다. viewcount대비 댓글수가 가장 높은 영상을 확인하라 (view_count값이 0인 경우는 제외한다)

Hide code cell source 
target2= df.loc[df.view_count!=0]
t = target2.copy()
t['ratio'] = (target2['comment_count']/target2['view_count']).dropna()
result = t.sort_values(by='ratio', ascending=False).iloc[0].title
print(result)

60분 동안 댓글이 달리지 않으면, 영상이 삭제됩니다. (챌린지)

Question

댓글의 수로 (comment_count) 영상 반응에 대한 판단을 할 수 있다.viewcount대비 댓글수가 가장 낮은 영상을 확인하라 (view_counts, ratio값이 0인경우는 제외한다.)

Hide code cell source 
ratio = (df['comment_count'] / df['view_count']).dropna().sort_values()
ratio[ratio!=0].index[0]

result= df.iloc[ratio[ratio!=0].index[0]].title
print(result)

Join the BTS #PermissiontoDance Challenge only on YouTube #Shorts

Question

like 대비 dislike의 수가 가장 적은 영상은 무엇인가? (like, dislike 값이 0인경우는 제외한다)

Hide code cell source 
target = df.loc[(df.likes !=0) & (df.dislikes !=0)]
num = (target['dislikes']/target['likes']).sort_values().index[0]

answer = df.iloc[num].title
print(answer)

[줌터뷰] *최초공개* 사부작즈🐰🐶의 비공식 이름은 아이라인즈? 꿀조합 티키타카 가득한 NCT 127 도영&정우의 줌터뷰

Question

가장많은 트렌드 영상을 제작한 채널의 이름은 무엇인가? (날짜기준, 중복포함)

Hide code cell source 
answer = df.loc[df.channelId ==df.channelId.value_counts().index[0]].channelTitle.unique()[0]
print(answer)

짤툰

Question

20회(20일)이상 인기동영상 리스트에 포함된 동영상의 숫자는?

Hide code cell source 
answer= (df[['title','channelId']].value_counts()>=20).sum()
print(answer)

40

유튜브 공범컨텐츠 동영상 데이터#

Attention

데이터 출처 :https://www.kaggle.com/kukuroo3/youtube-episodic-contents-kr(참고, 데이터 수정)
데이터 설명 : 유튜브 “공범” 컨텐츠 동영상 정보 ( 10분 간격 수집)
dataurl1 (비디오 정보) = https://raw.githubusercontent.com/Datamanim/datarepo/main/youtube/videoInfo.csv
dataurl2 (참가자 채널 정보)= https://raw.githubusercontent.com/Datamanim/datarepo/main/youtube/channelInfo.csv

import pandas as pd


channel =pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/youtube/channelInfo.csv')
video =pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/youtube/videoInfo.csv')
display(channel.head())
display(video.head())
channelid subcnt viewcnt videocnt ct channelname
0 UCkQCwnkQfgSuPTTnw_Y7v7w 1310000 410238653 736 2021-09-30 03:01:03 꽈뚜룹
1 UCkQCwnkQfgSuPTTnw_Y7v7w 1310000 412531322 736 2021-09-30 09:01:03 꽈뚜룹
2 UCkQCwnkQfgSuPTTnw_Y7v7w 1310000 412531322 735 2021-09-30 15:01:03 꽈뚜룹
3 UCkQCwnkQfgSuPTTnw_Y7v7w 1310000 412531322 737 2021-09-30 21:01:03 꽈뚜룹
4 UCkQCwnkQfgSuPTTnw_Y7v7w 1320000 412531322 737 2021-10-01 03:01:04 꽈뚜룹
videopk viewcnt likecnt dislikecnt favoritecnt cmcnt ct videoname
0 c5JQp6xafqc 1667010 30474 706 0 6587 2021-10-10 15:20:03 공범 EP1
1 c5JQp6xafqc 1669089 30495 707 0 6589 2021-10-10 15:30:03 공범 EP1
2 c5JQp6xafqc 1674759 30522 711 0 6596 2021-10-10 15:40:02 공범 EP1
3 c5JQp6xafqc 1677026 30555 712 0 6604 2021-10-10 15:50:03 공범 EP1
4 c5JQp6xafqc 1681824 30585 713 0 6600 2021-10-10 16:00:03 공범 EP1

Question

각 데이터의 ‘ct’컬럼을 시간으로 인식할수 있게 datatype을 변경하고 video 데이터의 videoname의 각 value 마다 몇개의 데이터씩 가지고 있는지 확인하라

Hide code cell source 
video['ct'] = pd.to_datetime(video['ct'])
answer = video.videoname.value_counts()
print(answer)

 공범 EP1    3492
 공범 EP2    3204
 공범 EP3    2568
 공범 EP4    2280
 공범 EP5    1562
 공범 EP6    1274
 공범 EP7     555
 공범 EP8     266
Name: videoname, dtype: int64

Question

수집된 각 video의 가장 최신화 된 날짜의 viewcount값을 출력하라

Hide code cell source 
answer = video.sort_values(['videoname','ct']).drop_duplicates('videoname',keep='last')[['viewcnt','videoname','ct']].reset_index(drop=True)
display(answer)
viewcnt videoname ct
0 3180532 공범 EP1 2021-11-01 15:30:03
1 2199328 공범 EP2 2021-11-01 15:30:03
2 1671294 공범 EP3 2021-11-01 15:30:03
3 1818493 공범 EP4 2021-11-01 15:30:03
4 1503435 공범 EP5 2021-11-01 15:30:04
5 1750222 공범 EP6 2021-11-01 15:30:04
6 1630200 공범 EP7 2021-11-01 15:30:05
7 1289088 공범 EP8 2021-11-01 15:30:05

Question

Channel 데이터중 2021-10-03일 이후 각 채널의 처음 기록 됐던 구독자 수(subcnt)를 출력하라

Hide code cell source 
channel.ct = pd.to_datetime(channel.ct)
target = channel[channel.ct >= pd.to_datetime('2021-10-03')].sort_values(['ct','channelname']).drop_duplicates('channelname')
answer = target[['channelname','subcnt']].reset_index(drop=True)
print(answer)

        channelname   subcnt
0            논리왕 전기   922000
1             야전삽짱재   257000
2        츄정ChuJeong   322000
3        김농밀의 농밀한 삶     7520
4       릴펄 Lilpearl    10100
5   와글와글 WagleWagle    55000
6               조나단   215000
7           형사!탐정되다    14900
8     Balming Tiger    54300
9     곽토리 kwak tori   471000
10              꽈뚜룹  1330000

Question

각채널의 2021-10-03 03:00:00 ~ 2021-11-01 15:00:00 까지 구독자수 (subcnt) 의 증가량을 구하여라

Hide code cell source 
end = channel.loc[channel.ct.dt.strftime('%Y-%m-%d %H') =='2021-11-01 15']
start = channel.loc[channel.ct.dt.strftime('%Y-%m-%d %H') =='2021-10-03 03']

end_df = end[['channelname','subcnt']].reset_index(drop=True)
start_df = start[['channelname','subcnt']].reset_index(drop=True)

end_df.columns = ['channelname','end_sub']
start_df.columns = ['channelname','start_sub']


tt = pd.merge(start_df,end_df)
tt['del'] = tt['end_sub'] - tt['start_sub']
result = tt[['channelname','del']]
display(result)
channelname del
0 꽈뚜룹 70000
1 야전삽짱재 11000
2 츄정ChuJeong 1000
3 논리왕 전기 -11000
4 와글와글 WagleWagle 0
5 조나단 12000
6 형사!탐정되다 10300
7 김농밀의 농밀한 삶 1540
8 릴펄 Lilpearl 11000
9 곽토리 kwak tori -2000
10 Balming Tiger 2500

Question

각 비디오는 10분 간격으로 구독자수, 좋아요, 싫어요수, 댓글수가 수집된것으로 알려졌다. 공범 EP1의 비디오정보 데이터중 수집간격이 5분 이하, 20분이상인 데이터 구간( 해당 시점 전,후) 의 시각을 모두 출력하라

Hide code cell source 
import datetime

ep_one = video.loc[video.videoname.str.contains('1')].sort_values('ct').reset_index(drop=True)

ep_one[
        (ep_one.ct.diff(1) >=datetime.timedelta(minutes=20)) | \
        (ep_one.ct.diff(1) <=datetime.timedelta(minutes=5))
      
      ]

answer = ep_one[ep_one.index.isin([720,721,722,723,1635,1636,1637])]
display(answer)
videopk viewcnt likecnt dislikecnt favoritecnt cmcnt ct videoname
720 c5JQp6xafqc 2153676 34104 830 0 7120 2021-10-12 19:20:03 공범 EP1
721 c5JQp6xafqc 2228250 34559 849 0 7191 2021-10-13 09:41:37 공범 EP1
722 c5JQp6xafqc 2228250 34559 849 0 7191 2021-10-13 09:41:37 공범 EP1
723 c5JQp6xafqc 2228669 34566 849 0 7194 2021-10-13 09:50:03 공범 EP1
1635 c5JQp6xafqc 2706691 37893 987 0 7410 2021-10-19 17:50:02 공범 EP1
1636 c5JQp6xafqc 2707933 37901 988 0 7410 2021-10-19 18:20:03 공범 EP1
1637 c5JQp6xafqc 2708448 37903 988 0 7410 2021-10-19 18:30:03 공범 EP1

Question

각 에피소드의 시작날짜(년-월-일)를 에피소드 이름과 묶어 데이터 프레임으로 만들고 출력하라

Hide code cell source 
start_date = video.sort_values(['ct','videoname']).drop_duplicates('videoname')[['ct','videoname']]
start_date['date'] = start_date.ct.dt.date
answer = start_date[['date','videoname']]
display(answer)
date videoname
10 2021-10-07 공범 EP1
3496 2021-10-09 공범 EP2
6696 2021-10-14 공범 EP3
9264 2021-10-16 공범 EP4
11544 2021-10-21 공범 EP5
13661 2021-10-23 공범 EP6
13106 2021-10-28 공범 EP7
14935 2021-10-30 공범 EP8

Question

“공범” 컨텐츠의 경우 19:00시에 공개 되는것으로 알려져있다. 공개된 날의 21시의 viewcnt, ct, videoname 으로 구성된 데이터 프레임을 viewcnt를 내림차순으로 정렬하여 출력하라

Hide code cell source 
video['time']= video.ct.dt.hour

answer = video.loc[video['time'] ==21] \
            .sort_values(['videoname','ct'])\
            .drop_duplicates('videoname') \
            .sort_values('viewcnt',ascending=False)[['videoname','viewcnt','ct']]\
            .reset_index(drop=True)

display(answer)
videoname viewcnt ct
0 공범 EP8 264029 2021-10-30 21:00:08
1 공범 EP7 252032 2021-10-28 21:00:04
2 공범 EP4 217674 2021-10-16 21:00:04
3 공범 EP6 213899 2021-10-23 21:00:06
4 공범 EP5 201179 2021-10-21 21:00:04
5 공범 EP2 148144 2021-10-09 21:00:03
6 공범 EP3 147183 2021-10-14 21:00:04
7 공범 EP1 117340 2021-10-07 21:00:03

Question

video 정보의 가장 최근 데이터들에서 각 에피소드의 싫어요/좋아요 비율을 ratio 컬럼으로 만들고 videoname, ratio로 구성된 데이터 프레임을 ratio를 오름차순으로 정렬하라

Hide code cell source 
target = video.sort_values('ct').drop_duplicates('videoname',keep='last')
target['ratio'] =target['dislikecnt'] / target['likecnt']

answer = target.sort_values('ratio')[['videoname','ratio']].reset_index(drop=True)
answer
videoname ratio
0 공범 EP7 0.013636
1 공범 EP6 0.015881
2 공범 EP4 0.017971
3 공범 EP5 0.021128
4 공범 EP3 0.022360
5 공범 EP1 0.027118
6 공범 EP2 0.029844
7 공범 EP8 0.141357

Question

2021-11-01 00:00:00 ~ 15:00:00까지 각 에피소드별 viewcnt의 증가량을 데이터 프레임으로 만드시오

Hide code cell source 
start = pd.to_datetime("2021-11-01 00:00:00")
end = pd.to_datetime("2021-11-01 15:00:00")

target = video.loc[(video["ct"] >= start) & (video['ct'] <= end)].reset_index(drop=True)

def check(x):
    result = max(x) - min(x)
    return result

answer = target[['videoname','viewcnt']].groupby("videoname").agg(check)
answer
viewcnt
videoname
공범 EP1 13298
공범 EP2 10300
공범 EP3 9927
공범 EP4 9824
공범 EP5 10824
공범 EP6 14141
공범 EP7 26949
공범 EP8 89147

Question

video 데이터 중에서 중복되는 데이터가 존재한다. 중복되는 각 데이터의 시간대와 videoname 을 구하여라

Hide code cell source 
answer  = video[video.index.isin(set(video.index) -  set(video.drop_duplicates().index))]
result = answer[['videoname','ct']]
display(result)
videoname ct
722 공범 EP1 2021-10-13 09:41:37
3927 공범 EP2 2021-10-13 09:41:37

월드컵 출전선수 골기록 데이터#

Attention

데이터 출처 :https://www.kaggle.com/darinhawley/fifa-world-cup-goalscorers-19302018(참고, 데이터 수정)
데이터 설명 : 1930 ~2018년도 월드컵 출전선수 골기록
data url = https://raw.githubusercontent.com/Datamanim/datarepo/main/worldcup/worldcupgoals.csv

import pandas as pd

df= pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/worldcup/worldcupgoals.csv')
df.head()
Player Goals Years Country
0 Miroslav Klose 16 2002-2006-2010-2014 Germany
1 Ronaldo 15 1998-2002-2006 Brazil
2 Gerd Muller 14 1970-1974 Germany
3 Just Fontaine 13 1958 France
4 Pele 12 1958-1962-1966-1970 Brazil

Question

주어진 전체 기간의 각 나라별 골득점수 상위 5개 국가와 그 득점수를 데이터프레임형태로 출력하라

Hide code cell source 
result = df.groupby('Country').sum().sort_values('Goals',ascending=False).head(5)
display(result)
Goals
Country
Brazil 228
Germany 226
Argentina 135
Italy 123
France 115

Question

주어진 전체기간동안 골득점을 한 선수가 가장 많은 나라 상위 5개 국가와 그 선수 숫자를 데이터 프레임 형식으로 출력하라

Hide code cell source 
result = df.groupby('Country').size().sort_values(ascending=False).head(5)
print(result)

Country
Brazil       81
Germany      78
Italy        60
Argentina    59
France       58
dtype: int64

Question

Years 컬럼은 년도 -년도 형식으로 구성되어있고, 각 년도는 4자리 숫자이다. 년도 표기가 4자리 숫자로 안된 케이스가 존재한다. 해당 건은 몇건인지 출력하라

Hide code cell source 
df['yearLst'] = df.Years.str.split('-')

def checkFour(x):
    for value in x:
        if len(str(value)) != 4:
            return False
        
    return True
    
df['check'] = df['yearLst'].apply(checkFour)

result = len(df[df.check ==False])
result

45

Question

**Q3에서 발생한 예외 케이스를 제외한 데이터프레임을 df2라고 정의하고 데이터의 행의 숫자를 출력하라 (아래 문제부터는 df2로 풀이하겠습니다) **

Hide code cell source 
df2 = df[df.check ==True].reset_index(drop=True)
print(df2.shape[0])

1250

Question

월드컵 출전횟수를 나타내는 ‘LenCup’ 컬럼을 추가하고 4회 출전한 선수의 숫자를 구하여라

Hide code cell source 
df2['LenCup'] =df2['yearLst'].str.len()
result = df2['LenCup'].value_counts()[4]
print(result)

16

Question

Yugoslavia 국가의 월드컵 출전횟수가 2회인 선수들의 숫자를 구하여라

Hide code cell source 
result = len(df2[(df2.LenCup==2) & (df2.Country =='Yugoslavia')])
print(result)

7

Question

2002년도에 출전한 전체 선수는 몇명인가?

Hide code cell source 
result =len(df2[df2.Years.str.contains('2002')])
print(result)

156

Question

이름에 ‘carlos’ 단어가 들어가는 선수의 숫자는 몇 명인가? (대, 소문자 구분 x)

Hide code cell source 
result = len(df2[df2.Player.str.lower().str.contains('carlos')])
print(result)

13

Question

월드컵 출전 횟수가 1회뿐인 선수들 중에서 가장 많은 득점을 올렸던 선수는 누구인가?

Hide code cell source 
result = df2[df2.LenCup==1].sort_values('Goals',ascending=False).Player.values[0]
print(result)

Just Fontaine

Question

월드컵 출전횟수가 1회 뿐인 선수들이 가장 많은 국가는 어디인가?

Hide code cell source 
result= df2[df2.LenCup==1].Country.value_counts().index[0]
print(result)

Brazil

서울시 따릉이 이용정보 데이터#

Attention

데이터 출처 :https://www.data.go.kr/data/15051872/fileData.do(참고, 데이터 수정)
데이터 설명 : 서울특별시_공공자전거 시간대별 이용정보
data url = https://raw.githubusercontent.com/Datamanim/datarepo/main/bicycle/seoul_bi.csv

import pandas as pd
df =pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/bicycle/seoul_bi.csv')
df.head()
대여일자 대여시간 대여소번호 대여구분코드 성별 연령대코드 이용건수 운동량 탄소량 이동거리 사용시간
0 2021-06-01 0 3541 정기권 F ~10대 1 0.00 0.00 0.00 8
1 2021-06-01 0 765 정기권 F ~10대 1 27.21 0.35 1526.81 19
2 2021-06-01 0 2637 정기권 F ~10대 1 41.40 0.37 1608.56 18
3 2021-06-01 0 2919 정기권 F ~10대 1 0.00 0.00 0.00 75
4 2021-06-01 0 549 정기권 F ~10대 1 13.04 0.17 731.55 6

Question

대여일자별 데이터의 수를 데이터프레임으로 출력하고, 가장 많은 데이터가 있는 날짜를 출력하라

Hide code cell source 
result = df['대여일자'].value_counts().sort_index().to_frame()
answer = result[result.대여일자  == result.대여일자.max()].index[0]

display(result)
print(answer)
대여일자
2021-06-01 48081
2021-06-02 56100
2021-06-03 18985
2021-06-04 56788
2021-06-05 52730
2021-06-06 47787
2021-06-07 52623
2021-06-08 55623
2021-06-09 54507
2021-06-10 36992
2021-06-11 52089
2021-06-12 48569
2021-06-13 43131
2021-06-14 54945 
2021-06-04

Question

각 일자의 요일을 표기하고 (‘Monday’ ~’Sunday’) ‘day_name’컬럼을 추가하고 이를 이용하여 각 요일별 이용 횟수의 총합을 데이터 프레임으로 출력하라

Hide code cell source 
df['대여일자'] = pd.to_datetime(df['대여일자'])
df['day_name']  = df['대여일자'].dt.day_name()

result =  df.day_name.value_counts().to_frame()
print(result)

           day_name
Wednesday    110607
Friday       108877
Monday       107568
Tuesday      103704
Saturday     101299
Sunday        90918
Thursday      55977

Question

각 요일별 가장 많이 이용한 대여소의 이용횟수와 대여소 번호를 데이터 프레임으로 출력하라

Hide code cell source 
result = df.groupby(['day_name','대여소번호']).size().to_frame('size').sort_values(['day_name','size'],ascending=False).reset_index()
answer  = result.drop_duplicates('day_name',keep='first').reset_index(drop=True)
display(answer)
day_name 대여소번호 size
0 Wednesday 502 282
1 Tuesday 502 267
2 Thursday 2715 137
3 Sunday 502 372
4 Saturday 502 378
5 Monday 502 242
6 Friday 502 277

Question

나이대별 대여구분 코드의 (일일권/전체횟수) 비율을 구한 후 가장 높은 비율을 가지는 나이대를 확인하라. 일일권의 경우 일일권 과 일일권(비회원)을 모두 포함하라

Hide code cell source 
daily = df[df.대여구분코드.isin(['일일권','일일권(비회원)'])].연령대코드.value_counts().sort_index()
total = df.연령대코드.value_counts().sort_index()

ratio = (daily /total).sort_values(ascending=False)
print(ratio)
print('max ratio age ',ratio.index[0])

~10대    0.312525
20대     0.239913
30대     0.166702
40대     0.110585
50대     0.065414
70대~    0.048962
60대     0.042462
Name: 연령대코드, dtype: float64
max ratio age  ~10대

Question

연령대별 평균 이동거리를 구하여라

Hide code cell source 
result = df[['연령대코드','이동거리']].groupby(['연령대코드']).mean()
print(result)

              이동거리
연령대코드             
20대    3211.890552
30대    3341.443859
40대    3514.857416
50대    3593.668100
60대    3538.145737
70대~   3085.039641
~10대   2634.426279

Question

연령대 코드가 20대인 데이터를 추출하고,이동거리값이 추출한 데이터의 이동거리값의 평균 이상인 데이터를 추출한다.최종 추출된 데이터를 대여일자, 대여소 번호 순서로 내림차순 정렬 후 1행부터 200행까지의 탄소량의 평균을 소숫점 3째 자리까지 구하여라

Hide code cell source 
tw = df[df.연령대코드 =='20대'].reset_index(drop=True)
tw_mean = tw[tw.이동거리 >= tw.이동거리.mean()].reset_index(drop=True)
tw_mean['탄소량'] =tw_mean['탄소량'].astype('float')
target =tw_mean.sort_values(['대여일자','대여소번호'], ascending=False).reset_index(drop=True).iloc[:200].탄소량
result = round(target.sum()/len(target),3)
print(result)

1.613

Question

6월 7일 ~10대의 “이용건수”의 중앙값은?

Hide code cell source 
df['대여일자']  =pd.to_datetime(df['대여일자'])
result = df[(df.연령대코드 =='~10대') & (df.대여일자 ==pd.to_datetime('2021-06-07'))].이용건수.median()
print(result)

1.0

Question

평일 (월~금) 출근 시간대(오전 6,7,8시)의 대여소별 이용 횟수를 구해서 데이터 프레임 형태로 표현한 후 각 대여시간별 이용 횟수의 상위 3개 대여소와 이용횟수를 출력하라

Hide code cell source 
target = df[(df.day_name.isin(['Tuesday', 'Wednesday', 'Thursday', 'Friday','Monday'])) & (df.대여시간.isin([6,7,8]))]
result = target.groupby(['대여시간','대여소번호']).size().to_frame('이용 횟수')

answer = result.sort_values(['대여시간','이용 횟수'],ascending=False).groupby('대여시간').head(3)
display(answer)
이용 횟수
대여시간 대여소번호
8 2701 119
646 115
1152 92
7 259 104
230 77
726 77
6 2744 45
1125 40
1028 36

Question

이동거리의 평균 이상의 이동거리 값을 가지는 데이터를 추출하여 추출데이터의 이동거리의 표본표준편차 값을 구하여라

Hide code cell source 
result  = df[df.이동거리 >= df.이동거리.mean()].reset_index(drop=True).이동거리.std()
print(result)

5092.139707505305

Question

남성(‘M’ or ‘m’)과 여성(‘F’ or ‘f’)의 이동거리값의 평균값을 구하여라

Hide code cell source 
df['sex'] = df['성별'].map(lambda x: '남' if x in ['M','m'] else '여')
answer = df[['sex','이동거리']].groupby('sex').mean()
display(answer)
이동거리
sex
남 3209.110871
여 3468.575025

전세계 행복도 지표 데이터#

Attention

데이터 출처 :https://www.kaggle.com/unsdsn/world-happiness(참고, 데이터 수정)
데이터 설명 : 전세계 행복도 지표 조사
data url = https://raw.githubusercontent.com/Datamanim/datarepo/main/happy2/happiness.csv

import pandas as pd
df =pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/happy2/happiness.csv',encoding='utf-8')
df.head()
행복랭킹 나라명 점수 상대GDP 사회적지원 행복기대치 선택의 자유도 관대함 부패에 대한인식 년도
0 1 Finland 7.769 1.340 1.587 0.986 0.596 0.153 0.393 2019
1 2 Denmark 7.600 1.383 1.573 0.996 0.592 0.252 0.410 2019
2 3 Norway 7.554 1.488 1.582 1.028 0.603 0.271 0.341 2019
3 4 Iceland 7.494 1.380 1.624 1.026 0.591 0.354 0.118 2019
4 5 Netherlands 7.488 1.396 1.522 0.999 0.557 0.322 0.298 2019

Question

데이터는 2018년도와 2019년도의 전세계 행복 지수를 표현한다. 각년도의 행복랭킹 10위를 차지한 나라의 행복점수의 평균을 구하여라

Hide code cell source 
result = df[df.행복랭킹 ==10]['점수'].mean()
print(result)

7.259

Question

데이터는 2018년도와 2019년도의 전세계 행복 지수를 표현한다. 각년도의 행복랭킹 50위이내의 나라들의 각각의 행복점수 평균을 데이터프레임으로 표시하라

Hide code cell source 
result = df[df.행복랭킹<=50][['년도','점수']].groupby('년도').mean()
print(result)

           점수
년도           
2018  6.64678
2019  6.67002

Question

2018년도 데이터들만 추출하여 행복점수와 부패에 대한 인식에 대한 상관계수를 구하여라

Hide code cell source 
result = df[df.년도 ==2018][['점수','부패에 대한인식']].corr().iloc[0,1]
print(result)

0.40529152271510027

Question

2018년도와 2019년도의 행복랭킹이 변화하지 않은 나라명의 수를 구하여라

Hide code cell source 
result = len(df[['행복랭킹','나라명']]) - len(df[['행복랭킹','나라명']].drop_duplicates())
print(result)

15

Question

2019년도 데이터들만 추출하여 각변수간 상관계수를 구하고 내림차순으로 정렬한 후 상위 5개를 데이터 프레임으로 출력하라. 컬럼명은 v1,v2,corr으로 표시하라

Hide code cell source 
zz = df[df.년도 ==2019].corr().unstack().to_frame().reset_index().dropna()

result = zz[zz[0] !=1].sort_values(0,ascending=False).drop_duplicates(0)
answer = result.head(5).reset_index(drop=True)
answer.columns = ['v1','v2','corr']
display(answer)
v1 v2 corr
0 행복기대치 상대GDP 0.835462
1 상대GDP 점수 0.793883
2 행복기대치 점수 0.779883
3 사회적지원 점수 0.777058
4 사회적지원 상대GDP 0.754906

Question

각 년도별 하위 행복점수의 하위 5개 국가의 평균 행복점수를 구하여라

Hide code cell source 
result = df.groupby('년도').tail(5).groupby('년도').mean()[['점수']]
print(result)

          점수
년도          
2018  3.1800
2019  3.1408

Question

2019년 데이터를 추출하고 해당데이터의 상대 GDP 평균 이상의 나라들과 평균 이하의 나라들의 행복점수 평균을 각각 구하고 그 차이값을 출력하라

Hide code cell source 
over = df[df.상대GDP >= df.상대GDP.mean()]['점수'].mean()
under = df[df.상대GDP <= df.상대GDP.mean()]['점수'].mean()

result= over - under
print(result)

1.4212148925537225

Question

각년도의 부패에 대한인식을 내림차순 정렬했을때 상위 20개 국가의 부패에 대한인식의 평균을 구하여라

Hide code cell source 
result = df.sort_values(['년도','부패에 대한인식'],ascending=False).groupby('년도').head(20).groupby(['년도']).mean()[['부패에 대한인식']]
print(result)

      부패에 대한인식
년도            
2018    0.3267
2019    0.3201

Question

2018년도 행복랭킹 50위 이내에 포함됐다가 2019년 50위 밖으로 밀려난 국가의 숫자를 구하여라

Hide code cell source 
result = set(df[(df.년도==2018) & (df.행복랭킹 <=50)].나라명)  -set(df[(df.년도==2019) & (df.행복랭킹 <=50)].나라명)
answer = len(result)
print(answer)

4

Question

2018년,2019년 모두 기록이 있는 나라들 중 년도별 행복점수가 가장 증가한 나라와 그 증가 수치는?

Hide code cell source 
count = df.나라명.value_counts()
target = count[count>=2].index

df2 =df.copy()
multiple = df2[df2.나라명.isin(target)].reset_index(drop=True)
multiple.loc[multiple['년도']==2018,'점수'] = multiple[multiple.년도 ==2018]['점수'].values * (-1)
result = multiple.groupby('나라명').sum()['점수'].sort_values().to_frame().iloc[-1]
result

점수    0.87
Name: Burundi, dtype: float64

지역구 에너지 소비량 데이터#

Attention

데이터 출처 : https://archive.ics.uci.edu/ml/datasets/Power+consumption+of+Tetouan+city (참고, 데이터 수정)
데이터 설명 : 기온, 습도,바람풍속에 따른 도시의 3개 지역구의 에너지 소비량
data url = https://raw.githubusercontent.com/Datamanim/datarepo/main/consum/Tetuan City power consumption.csv

import pandas as pd
df= pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/consum/Tetuan%20City%20power%20consumption.csv')
df.head()
DateTime Temperature Humidity Wind Speed general diffuse flows diffuse flows Zone 1 Power Consumption Zone 2 Power Consumption Zone 3 Power Consumption
0 1/1/2017 0:00 6.559 73.8 0.083 0.051 0.119 34055.69620 16128.87538 20240.96386
1 1/1/2017 0:10 6.414 74.5 0.083 0.070 0.085 29814.68354 19375.07599 20131.08434
2 1/1/2017 0:20 6.313 74.5 0.080 0.062 0.100 29128.10127 19006.68693 19668.43373
3 1/1/2017 0:30 6.121 75.0 0.083 0.091 0.096 28228.86076 18361.09422 18899.27711
4 1/1/2017 0:40 5.921 75.7 0.081 0.048 0.085 27335.69620 17872.34043 18442.40964

Question

DateTime컬럼을 통해 각 월별로 몇개의 데이터가 있는지 데이터 프레임으로 구하여라

Hide code cell source 
df['DateTime'] = pd.to_datetime(df['DateTime'])
result = df['DateTime'].dt.month.value_counts().sort_index().to_frame()
print(result)

    DateTime
1       4464
2       4032
3       4464
4       4320
5       4464
6       4320
7       4464
8       4464
9       4320
10      4464
11      4320
12      4320

Question

3월달의 각 시간대별 온도의 평균들 중 가장 낮은 시간대의 온도를 출력하라

Hide code cell source 
target = df[df.DateTime.dt.month ==3]
result = target.groupby(target.DateTime.dt.hour)['Temperature'].mean().sort_values().values[0]
print(result)

11.506612903225806

Question

3월달의 각 시간대별 온도의 평균들 중 가장 높은 시간대의 온도를 출력하라

Hide code cell source 
target = df[df.DateTime.dt.month ==3]
result = target.groupby(target.DateTime.dt.hour)['Temperature'].mean().sort_values().values[-1]
print(result)

18.393602150537635

Question

Zone 1 Power Consumption 컬럼의 value값의 크기가 Zone 2 Power Consumption 컬럼의 value값의 크기보다 큰 데이터들의 Humidity의 평균을 구하여라

Hide code cell source 
result = df[df['Zone 1 Power Consumption'] > df['Zone 2  Power Consumption']].Humidity.mean()
print(result)

68.23624448055094

Question

각 zone의 에너지 소비량의 상관관계를 구해서 데이터 프레임으로 표기하라

Hide code cell source 
result = df.iloc[:,-3:].corr()
display(result)
Zone 1 Power Consumption Zone 2 Power Consumption Zone 3 Power Consumption
Zone 1 Power Consumption 1.000000 0.834519 0.750733
Zone 2 Power Consumption 0.834519 1.000000 0.570932
Zone 3 Power Consumption 0.750733 0.570932 1.000000

Question

Temperature의 값이 10미만의 경우 A, 10이상 20미만의 경우 B,20이상 30미만의 경우 C, 그 외의 경우 D라고 할때 각 단계의 데이터 숫자를 구하여라

Hide code cell source 
def split_data(x):
    if x<10:
        return "A"
    elif x<20:
        return 'B'
    elif x<30:
        return 'C'
    else:
        return 'D'
    
df['sp'] = df.Temperature.map(split_data)
result = df['sp'].value_counts()
display(result)

B    26993
C    21105
A     2874
D     1444
Name: sp, dtype: int64

Question

6월 데이터중 12시의 Temperature의 표준편차를 구하여라

Hide code cell source 
result =df[(df.DateTime.dt.month ==6) & (df.DateTime.dt.hour ==12)].Temperature.std()
print(result)

2.049941782795103

Question

6월 데이터중 12시의 Temperature의 분산을 구하여라

Hide code cell source 
result =df[(df.DateTime.dt.month ==6) & (df.DateTime.dt.hour ==12)].Temperature.var()
print(result)

4.202261312849164

Question

Temperature의 평균이상의 Temperature의 값을 가지는 데이터를 Temperature를 기준으로 정렬 했을때 4번째 행의 Humidity 값은?

Hide code cell source 
result = df[df.Temperature >= df.Temperature.mean()].sort_values('Temperature').Humidity.values[3]
print(result)

87.9

Question

**Temperature의 중간값 이상의 Temperature의 값을 가지는 데이터를Temperature를 기준으로 정렬 했을때 4번째 행의 Humidity 값은?

**

Hide code cell source 
result = df[df.Temperature >= df.Temperature.median()].sort_values('Temperature').Humidity.values[3]
print(result)

80.3

포켓몬 정보 데이터#

Attention

데이터 출처 : https://www.kaggle.com/abcsds/pokemon (참고, 데이터 수정)
데이터 설명 : 포켓몬 정보
data url = https://raw.githubusercontent.com/Datamanim/datarepo/main/pok/Pokemon.csv

import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/pok/Pokemon.csv')
df.head()
# Name Type 1 Type 2 Total HP Attack Defense Sp. Atk Sp. Def Speed Generation Legendary
0 1 Bulbasaur Grass Poison 318 45 49 49 65 65 45 1 False
1 2 Ivysaur Grass Poison 405 60 62 63 80 80 60 1 False
2 3 Venusaur Grass Poison 525 80 82 83 100 100 80 1 False
3 3 VenusaurMega Venusaur Grass Poison 625 80 100 123 122 120 80 1 False
4 4 Charmander Fire NaN 309 39 52 43 60 50 65 1 False

Question

Legendary 컬럼은 전설포켓몬 유무를 나타낸다.전설포켓몬과 그렇지 않은 포켓몬들의 HP평균의 차이를 구하여라

Hide code cell source 
target = df.groupby('Legendary').mean()['HP']
result = target.values[1] -target.values[0]
print(result)

25.55614861329147

Question

Type 1은 주속성 Type 2 는 부속성을 나타낸다. 가장 많은 부속성 종류는 무엇인가?

Hide code cell source 
result = df['Type 2'].value_counts().index[0]
print(result)

Flying

Question

가장 많은 Type 1 의 종의 평균 Attack 을 평균 Defense로 나눈값은?

Hide code cell source 
Max = df['Type 1'].value_counts().index[0]

result = df[df['Type 1']== Max].Attack.mean() /df[df['Type 1']== Max].Defense.mean()
print(result)

1.0165238678090576

Question

포켓몬 세대(Generation) 중 가장많은 Legendary를 보유한 세대는 몇세대인가?

Hide code cell source 
result =df[df.Legendary==True].Generation.value_counts().index[0]
result

3

Question

‘HP’, ‘Attack’, ‘Defense’, ‘Sp. Atk’, ‘Sp. Def’, ‘Speed’ 간의 상관 계수중 가장 절댓값이 큰 두 변수와 그 값을 구하여라

Hide code cell source 
target = df[[ 'HP', 'Attack', 'Defense', 'Sp. Atk', 'Sp. Def', 'Speed']].corr().unstack().reset_index().rename(columns={0: "corr"})
result = target[target['corr']!=1].sort_values('corr',ascending=False).iloc[0]
print(result)

level_0     Sp. Def
level_1     Defense
corr       0.510747
Name: 26, dtype: object

Question

각 Generation의 Attack으로 오름차순 정렬시 상위 3개 데이터들(18개)의 Attack의 전체 평균을 구하여라

Hide code cell source 
result =  df.sort_values(['Generation','Attack']).groupby('Generation').head(3).Attack.mean()
print(result)

19.5

Question

각 Generation의 Attack으로 내림차순 정렬시 상위 5개 데이터들(30개)의 Attack의 전체 평균을 구하여라

result =  df.sort_values(['Generation','Attack'],ascending=False).groupby('Generation').head(5).Attack.mean()
print(result)

157.23333333333332

Question

가장 흔하게 발견되는 (Type1 , Type2) 의 쌍은 무엇인가?

Hide code cell source 
result = df[['Type 1','Type 2']].value_counts().head(1)
print(result)

Type 1  Type 2
Normal  Flying    24
dtype: int64

Question

한번씩만 존재하는 (Type1 , Type2)의 쌍의 갯수는 몇개인가?

Hide code cell source 
target = df[['Type 1','Type 2']].value_counts()
result = len(target[target==1])
print(result)

39

Question

한번씩만 존재하는 (Type1 , Type2)의 쌍을 각 세대(Generation)은 각각 몇개씩 가지고 있는가?

Hide code cell source 
target = df[['Type 1','Type 2']].value_counts()
target2 =target[target==1]

lst = []
for value in target2.reset_index().values:
    t1 = value[0]
    t2 = value[1]
    
    sp = df[(df['Type 1']==t1) & (df['Type 2']==t2)]
    lst.append(sp)

result = pd.concat(lst).reset_index(drop=True).Generation.value_counts().sort_index()
print(result)

1     1
2     4
3     5
4    13
5     7
6     9
Name: Generation, dtype: int64

대한민국 체력장 데이터#

Attention

데이터 출처 : 국민체육진흥공단 (문화 빅데이터플랫폼) (참고, 데이터 수정)
데이터 설명 : 대한민국 국민 체력장 평가
data url = https://raw.githubusercontent.com/Datamanim/datarepo/main/body/body.csv

import pandas as pd
df =pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/body/body.csv')
df.head()
측정나이 측정회원성별 신장 : cm 체중 : kg 체지방율 : % 이완기혈압(최저) : mmHg 수축기혈압(최고) : mmHg 악력D : kg 앉아윗몸앞으로굽히기 : cm 교차윗몸일으키기 : 회 제자리 멀리뛰기 : cm 등급
0 59.0 M 175.0 70.6 19.2 91.0 150.0 40.6 12.2 30.0 179.0 C
1 40.0 F 161.4 45.8 21.7 62.0 119.0 22.1 16.0 32.0 165.0 B
2 27.0 M 176.6 84.8 19.2 87.0 153.0 45.9 13.2 61.0 216.0 B
3 38.0 M 167.6 76.7 24.7 63.0 132.0 43.6 16.0 45.0 231.0 A
4 21.0 M 165.2 66.2 21.5 83.0 106.0 33.5 10.6 46.0 198.0 C

Question

전체데이터의 수축기혈압(최고) - 이완기혈압(최저)의 평균을 구하여라

Hide code cell source 
result  = (df['수축기혈압(최고) : mmHg'] - df['이완기혈압(최저) : mmHg']).mean()
print(result)

52.19539414750672

Question

50~59세의 신장평균을 구하여라

Hide code cell source 
result = df[(df.측정나이 <60) & (df.측정나이>=50)].iloc[:,2].mean()
print(result)

164.07490107405295

Question

연령대 (20~29 : 20대 …) 별 인원수를 구하여라

Hide code cell source 
df['연령대']  =df.측정나이 //10 *10
result = df['연령대'].value_counts()
print(result)

20.0    5831
30.0    2660
40.0    1801
50.0    1769
60.0    1335
Name: 연령대, dtype: int64

Question

연령대 (20~29 : 20대 …) 별 등급의 숫자를 데이터 프레임으로 표현하라

Hide code cell source 
result = df.groupby(['연령대','등급'],as_index=False).size()
print(result)

     연령대 등급  size
0   20.0  A  1585
1   20.0  B  1443
2   20.0  C  1455
3   20.0  D  1348
4   30.0  A   743
5   30.0  B   697
6   30.0  C   626
7   30.0  D   594
8   40.0  A   386
9   40.0  B   428
10  40.0  C   455
11  40.0  D   532
12  50.0  A   321
13  50.0  B   410
14  50.0  C   474
15  50.0  D   564
16  60.0  A   314
17  60.0  B   371
18  60.0  C   339
19  60.0  D   311

Question

남성 중 A등급과 D등급의 체지방률 평균의 차이(큰 값에서 작은 값의 차)를 구하여라

Hide code cell source 
result = abs(df[(df.측정회원성별 =='M') &(df.등급 =='A')].iloc[:,4].mean() -df[(df.측정회원성별 =='M') &(df.등급 =='D')].iloc[:,4].mean())
print(result)

7.932086486137457

Question

여성 중 A등급과 D등급의 체중의 평균의 차이(큰 값에서 작은 값의 차)를 구하여라

Hide code cell source 
result = abs(df[(df.측정회원성별 =='F') &(df.등급 =='A')].iloc[:,3].mean() -df[(df.측정회원성별 =='F') &(df.등급 =='D')].iloc[:,3].mean())
print(result)

5.176211590296511

Question

bmi는 자신의 몸무게(kg)를 키의 제곱(m)으로 나눈값이다. 데이터의 bmi 를 구한 새로운 컬럼을 만들고 남성의 bmi 평균을 구하여라

Hide code cell source 
df['bmi'] = df['체중 : kg'] / (df['신장 : cm']/100) **2
result = df[df.측정회원성별 =='M'].bmi.mean()

print(result)

24.461344098193027

Question

bmi보다 체지방율이 높은 사람들의 체중평균을 구하여라

Hide code cell source 
result =df[df.bmi <df['체지방율 : %']]['체중 : kg'].mean()
print(result)

61.740880639254314

Question

남성과 여성의 악력 평균의 차이를 구하여라

Hide code cell source 
target= df.groupby('측정회원성별')['악력D : kg'].mean()

result = target.M - target.F
print(result)

17.55954185047465

Question

남성과 여성의 교차윗몸일으키기 횟수의 평균의 차이를 구하여라

Hide code cell source 
target= df.groupby('측정회원성별')['교차윗몸일으키기 : 회'].mean()

result = target.M - target.F
print(result)

14.243156833157627

기온 강수량 데이터#

Attention

데이터 출처 : https://data.kma.go.kr/cmmn/static/staticPage.do?page=intro
데이터 설명 : 2020년도 이화동(서울) , 수영동(부산)의 시간단위의 기온과 강수량
데이터 url : https://raw.githubusercontent.com/Datamanim/datarepo/main/weather/weather2.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/weather/weather2.csv")
df.head()
time 이화동강수 이화동기온 수영동강수 수영동기온
0 2020-01-01 00:00:00 0.1 -3.9 0.0 2.5
1 2020-01-01 01:00:00 0.0 -3.1 0.0 3.4
2 2020-01-01 02:00:00 0.0 -1.8 0.0 3.8
3 2020-01-01 03:00:00 0.0 -0.8 0.0 4.6
4 2020-01-01 04:00:00 0.0 -0.1 0.0 5.1

Question

여름철(6월,7월,8월) 이화동이 수영동보다 높은 기온을 가진 시간대는 몇개인가?

Hide code cell source 
df.time = pd.to_datetime(df.time)
summer = df.loc[df.time.dt.month.isin([6,7,8])].reset_index(drop=True)
answer = len(summer.loc[summer['이화동기온'] > summer['수영동기온']])
print(answer)

1415

Question

이화동과 수영동의 최대강수량의 시간대를 각각 구하여라

Hide code cell source 
answer1 = df.loc[df['이화동강수']==df['이화동강수'].max()].time.values
answer2 = df.loc[df['수영동강수']==df['수영동강수'].max()].time.values
print(answer1,answer2)

['2020-09-30T09:00:00.000000000'] ['2020-07-23T12:00:00.000000000']

서비스 이탈예측 데이터#

Attention

데이터 출처 : https://www.kaggle.com/shubh0799/churn-modelling 에서 변형
데이터 설명 : 고객의 신상정보 데이터를 통한 회사 서비스 이탈 예측 (종속변수 : Exited)
Data url : https://raw.githubusercontent.com/Datamanim/datarepo/main/churn/train.csv

import pandas as pd
#데이터 로드
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/churn/train.csv")
df.head()
RowNumber CustomerId Surname CreditScore Geography Gender Age Tenure Balance NumOfProducts HasCrCard IsActiveMember EstimatedSalary Exited
0 6842 15793491 Cherkasova 714 Germany Male 26 3 119545.48 2 1 0 65482.94 0
1 8963 15607874 Keane 687 France Male 38 0 144450.58 1 0 1 137276.83 0
2 7047 15737627 Rivero 589 Germany Female 20 2 121093.29 2 1 0 3529.72 0
3 7503 15697844 Whitehouse 721 Spain Female 32 10 0.00 1 1 0 136119.96 1
4 3439 15722404 Carpenter 445 France Female 30 3 0.00 2 1 1 127939.19 0

Question

남성 이탈(Exited)이 가장 많은 국가(Geography)는 어디이고 이탈 인원은 몇명인가?

Hide code cell source 
answer = df.loc[df.Gender=='Male'].groupby(['Geography']).sum().Exited.sort_values(ascending=False).head(1)
print(answer)

Geography
Germany    287
Name: Exited, dtype: int64

Question

**카드를 소유(HasCrCard ==1)하고 있으면서 활성멤버(IsActiveMember ==1) 인 고객들의 평균 나이를 소숫점이하 4자리까지 구하여라? **

Hide code cell source 
answer = df.loc[(df.HasCrCard==1) &(df.IsActiveMember==1)].Age.mean()
print(round(answer,4))

39.6102

Question

Balance 값이 중간값 이상을 가지는 고객들의 CreditScore의 표준편차를 소숫점이하 3자리까지 구하여라

Hide code cell source 
answer =df.loc[df.Balance >= df.Balance.median()].CreditScore.std()
print(round(answer,3))

97.295

성인 건강검진 데이터#

Attention

데이터 출처 :https://www.data.go.kr/data/15007122/fileData.do (참고, 데이터 수정)
데이터 설명 : 2018년도 성인의 건강검 진데이터 (흡연상태 1- 흡연, 0-비흡연 )
데이터 url : https://raw.githubusercontent.com/Datamanim/datarepo/main/smoke/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/smoke/train.csv")
df.head()
성별코드 연령대코드(5세단위) 신장(5Cm단위) 체중(5Kg단위) 허리둘레 시력(좌) 시력(우) 청력(좌) 청력(우) 수축기혈압 ... 혈색소 요단백 혈청크레아티닌 (혈청지오티)AST (혈청지오티)ALT 감마지티피 흡연상태 구강검진수검여부 치아우식증유무 치석
0 F 55 145 55 73.0 0.7 0.5 1.0 1.0 129.0 ... 12.9 1.0 0.9 172.0 209.0 15.0 0 Y 0.0 Y
1 M 40 180 55 74.0 1.5 1.5 1.0 1.0 102.0 ... 15.6 1.0 0.8 30.0 19.0 23.0 1 Y 0.0 Y
2 F 55 150 50 72.0 1.0 0.2 1.0 1.0 116.0 ... 14.1 1.0 1.0 31.0 19.0 10.0 0 Y 0.0 N
3 M 40 170 85 89.0 1.0 0.8 1.0 1.0 124.0 ... 16.7 1.0 1.0 26.0 38.0 108.0 1 Y 1.0 Y
4 F 40 155 45 62.0 0.5 1.0 1.0 1.0 127.0 ... 12.9 1.0 0.7 20.0 11.0 13.0 0 Y 0.0 N

5 rows × 26 columns

Question

수축기혈압과 이완기 혈압기 수치의 차이를 새로운 컬럼(‘혈압차’) 으로 생성하고, 연령대 코드별 각 그룹 중 ‘혈압차’ 의 분산이 5번째로 큰 연령대 코드를 구하여라

Hide code cell source 
df['혈압차'] =df['수축기혈압'] -df['이완기혈압']
answer = df.groupby('연령대코드(5세단위)')['혈압차'].var().sort_values()
print(answer.index[-5])

60

Question

비만도를 나타내는 지표인 WHtR는 허리둘레 / 키로 표현한다. 일반적으로 0.58이상이면 비만으로 분류한다. 데이터중 WHtR 지표상 비만인 인원의 남/여 비율을 구하여라

Hide code cell source 
df['비만']=df['허리둘레']/df['신장(5Cm단위)']
data = df.loc[df['비만']>=0.58].성별코드.value_counts()
answer = data['M']/data['F']
print(answer)

1.1693877551020408

자동차 보험가입 예측데이터#

Attention

데이터 출처 :https://www.kaggle.com/anmolkumar/health-insurance-cross-sell-prediction(참고, 데이터 수정)
데이터 설명 : 자동차 보험 가입 예측
Data url : https://raw.githubusercontent.com/Datamanim/datarepo/main/insurance/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/insurance/train.csv")
df.head()
id Gender Age Driving_License Region_Code Previously_Insured Vehicle_Age Vehicle_Damage Annual_Premium Policy_Sales_Channel Vintage Response
0 188957 Female 25 1 17.0 1 < 1 Year No 38785.0 152.0 59 0
1 275631 Male 20 1 22.0 0 < 1 Year No 2630.0 160.0 113 0
2 329036 Female 40 1 41.0 0 1-2 Year Yes 33165.0 124.0 188 0
3 227288 Female 28 1 30.0 1 < 1 Year No 29038.0 152.0 233 0
4 300441 Female 50 1 28.0 0 1-2 Year Yes 31325.0 124.0 258 0

Question

Vehicle_Age 값이 2년 이상인 사람들만 필터링 하고 그중에서
Annual_Premium 값이 전체 데이터의 중간값 이상인 사람들을 찾고, 그들의 Vintage값의 평균을 구하여라

Hide code cell source 
answer = df[(df['Vehicle_Age']=='> 2 Years') & (df['Annual_Premium'] >= df['Annual_Premium'].median())]['Vintage'].mean()
print(answer)

154.43647182359118

Question

vehicle_age에 따른 각 성별(gender)그룹의 Annual_Premium값의 평균을 구하여 아래 테이블과 동일하게 구현하라

Hide code cell source 
meandf = df.groupby(['Gender','Vehicle_Age'],as_index = False)['Annual_Premium'].mean()
meandf.pivot(index='Vehicle_Age',columns='Gender',values='Annual_Premium')
Gender Female Male
Vehicle_Age
1-2 Year 30762.245001 30413.088469
< 1 Year 29972.286702 30310.982212
> 2 Years 36108.366374 35303.870627

핸드폰 가격 예측데이터#

Attention

데이터 출처 :https://www.kaggle.com/iabhishekofficial/mobile-price-classification?select=train.csv(참고, 데이터 수정)
데이터 설명 : 핸드폰 가격예측 (price_range컬럼 0(저렴) ~3(매우비쌈) 범위 )
Data url https://raw.githubusercontent.com/Datamanim/datarepo/main/mobile/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/mobile/train.csv")
df.head()
battery_power blue clock_speed dual_sim fc four_g int_memory m_dep mobile_wt n_cores ... px_height px_width ram sc_h sc_w talk_time three_g touch_screen wifi price_range
0 842 0 2.2 0 1 0 7 0.6 188 2 ... 20 756 2549 9 7 19 0 0 1 1
1 1021 1 0.5 1 0 1 53 0.7 136 3 ... 905 1988 2631 17 3 7 1 1 0 2
2 563 1 0.5 1 2 1 41 0.9 145 5 ... 1263 1716 2603 11 2 9 1 1 0 2
3 615 1 2.5 0 0 0 10 0.8 131 6 ... 1216 1786 2769 16 8 11 1 0 0 2
4 1821 1 1.2 0 13 1 44 0.6 141 2 ... 1208 1212 1411 8 2 15 1 1 0 1

5 rows × 21 columns

Question

price_range 의 각 value를 그룹핑하여 각 그룹의 n_cores 의 빈도가 가장높은 value와 그 빈도수를 구하여라

Hide code cell source 
answer =df[['price_range','n_cores']].groupby(['price_range','n_cores']).size().sort_values(0).groupby(level=0).tail(1)
answer

/var/folders/0n/sq2gtx6s5qldt4nt05wqc3380000gn/T/ipykernel_3974/413588440.py:1: FutureWarning: In a future version of pandas all arguments of Series.sort_values will be keyword-only
  answer =df[['price_range','n_cores']].groupby(['price_range','n_cores']).size().sort_values(0).groupby(level=0).tail(1)

price_range  n_cores
0            2          69
3            5          70
2            4          73
1            1          76
dtype: int64

Question

price_range 값이 3인 그룹에서 상관관계가 2번째로 높은 두 컬럼과 그 상관계수를 구하여라

Hide code cell source 
cordf = df.loc[df['price_range']==3].corr().unstack().sort_values(ascending=False)
answer  = cordf.loc[cordf!=1].reset_index().iloc[1]
print(answer)

level_0          pc
level_1          fc
0          0.635166
Name: 1, dtype: object

비행탑승 경험 만족도 데이터#

Attention

데이터 출처 :https://www.kaggle.com/teejmahal20/airline-passenger-satisfaction?select=train.csv (참고, 데이터 수정)
데이터 설명 : 비행탑승 경험 만족도 (satisfaction 컬럼 : ‘neutral or dissatisfied’ or satisfied ) (83123, 24) shape
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/airline/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/airline/train.csv")
df.head()
id Gender Customer Type Age Type of Travel Class Flight Distance Inflight wifi service Departure/Arrival time convenient Ease of Online booking ... Inflight entertainment On-board service Leg room service Baggage handling Checkin service Inflight service Cleanliness Departure Delay in Minutes Arrival Delay in Minutes satisfaction
0 55882 Male Loyal Customer 42 Business travel Business 473 1 1 3 ... 5 5 5 5 3 5 3 3 0.0 satisfied
1 31906 Female Loyal Customer 31 Business travel Business 3271 4 4 4 ... 3 3 5 5 3 4 3 1 5.0 satisfied
2 85481 Male Loyal Customer 51 Personal Travel Eco 214 5 0 5 ... 3 4 4 4 4 4 3 2 0.0 satisfied
3 102134 Male Loyal Customer 44 Business travel Business 3097 1 1 3 ... 4 4 4 4 3 4 5 0 0.0 satisfied
4 31580 Male Loyal Customer 33 Business travel Business 3286 1 1 1 ... 4 2 5 2 5 1 4 0 0.0 satisfied

5 rows × 24 columns

Question

Arrival Delay in Minutes 컬럼이 결측치인 데이터들 중 ‘neutral or dissatisfied’ 보다 ‘satisfied’의 수가 더 높은 Class는 어디 인가?

Hide code cell source 
answer =df.loc[df['Arrival Delay in Minutes'].isnull()].groupby(['Class','satisfaction'],as_index=False).size().pivot(index='Class',columns='satisfaction')
result =answer[answer['size']['neutral or dissatisfied'] < answer['size']['satisfied']]
result
size
satisfaction neutral or dissatisfied satisfied
Class
Business 36 76

수질 음용성 여부 데이터#

Attention

데이터 출처 :https://www.kaggle.com/adityakadiwal/water-potability
데이터 설명 : 수질 음용성 여부 (Potablillity 컬럼 : 0 ,1 )
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/waters/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/waters/train.csv")
df.head()
ph Hardness Solids Chloramines Sulfate Conductivity Organic_carbon Trihalomethanes Turbidity Potability
0 7.918150 214.186611 23823.492888 7.290878 341.173322 411.424483 19.585002 25.057375 4.028958 0
1 5.422446 205.266080 18542.957451 5.491963 306.702227 382.080129 10.504023 67.493450 2.911751 1
2 7.341547 187.672402 21273.457066 7.784003 NaN 332.084293 16.842334 55.019151 4.025644 0
3 9.056245 197.666301 17403.532167 7.688917 337.460176 414.766631 15.349869 63.696746 3.319354 0
4 5.039374 142.860598 40829.353167 7.271543 NaN 386.803057 16.823773 52.297113 4.957420 0

Question

ph값은 상당히 많은 결측치를 포함한다. 결측치를 제외한 나머지 데이터들 중 사분위값 기준 하위 25%의 값들의 평균값은?

Hide code cell source 
target = df['ph'].dropna()
answer =target.loc[target <= target.quantile(0.25)].mean()
print(answer)

5.057093462441732

의료 비용 예측 데이터#

Attention

데이터 출처 :https://www.kaggle.com/mirichoi0218/insurance/code(참고, 데이터 수정)
데이터 설명 : 의료비용 예측문제
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/MedicalCost/train.csv

import pandas as pd
train = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/MedicalCost/train.csv")
train.head()
age sex bmi children smoker region charges
0 64 female 39.330 0 no northeast 14901.51670
1 47 female 27.830 0 yes southeast 23065.42070
2 52 female 33.300 2 no southwest 10806.83900
3 33 female 22.135 1 no northeast 5354.07465
4 30 male 31.400 1 no southwest 3659.34600

Question

흡연자와 비흡연자 각각 charges의 상위 10% 그룹의 평균의 차이는?

Hide code cell source 
high = train.loc[train.smoker =='yes'].charges.quantile(0.9)
high2 = train.loc[train.smoker =='no'].charges.quantile(0.9)
mean_yes = train.loc[(train.smoker =='yes') &(train.charges >=high)].charges.mean()
mean_no = train.loc[(train.smoker =='no') &(train.charges >=high2)].charges.mean()
answer = mean_yes - mean_no
print(answer)

29297.954548156158

킹카운티 주거지 가격예측문제 데이터#

Attention

데이터 출처 :https://www.kaggle.com/harlfoxem/housesalesprediction (참고, 데이터 수정)
데이터 설명 : 킹카운티 주거지 가격 예측문제
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/kingcountyprice/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/kingcountyprice//train.csv")
df.head()
id date price bedrooms bathrooms sqft_living sqft_lot floors waterfront view ... grade sqft_above sqft_basement yr_built yr_renovated zipcode lat long sqft_living15 sqft_lot15
0 8961990160 20150413T000000 567500.0 3 2.5 2080 4556 2.0 0 0 ... 8 2080 0 1999 0 98074 47.6036 -122.014 1530 5606
1 9455200205 20140604T000000 525000.0 3 2.0 1540 7800 1.0 0 0 ... 8 1540 0 2004 0 98125 47.7041 -122.288 1510 7800
2 7853220670 20140918T000000 540000.0 3 2.5 2860 8935 2.0 0 0 ... 8 2860 0 2004 0 98065 47.5336 -121.855 2650 6167
3 3298201170 20141110T000000 350000.0 3 1.0 940 7811 1.0 0 0 ... 6 940 0 1959 0 98008 47.6195 -122.118 1180 7490
4 7972604355 20140521T000000 218000.0 3 1.0 1020 7874 1.0 0 0 ... 7 1020 0 1956 0 98106 47.5175 -122.346 1290 7320

5 rows × 21 columns

Question

bedrooms 의 빈도가 가장 높은 값을 가지는 데이터들의 price의 상위 10%와 하위 10%값의 차이를 구하여라

Hide code cell source 
answer = df.loc[df.bedrooms ==df.bedrooms.value_counts().index[0]].price.quantile(0.9) \
-\
df.loc[df.bedrooms ==df.bedrooms.value_counts().index[0]].price.quantile(0.1)
print(answer)

505500.0

대학원 입학가능성 데이터#

Attention

데이터 출처 :https://www.kaggle.com/mohansacharya/graduate-admissions(참고, 데이터 수정)
데이터 설명 : 대학원 입학 가능성 예측
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/admission/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/admission/train.csv")
df.head()
Serial No. GRE Score TOEFL Score University Rating SOP LOR CGPA Research Chance of Admit
0 246 328 110 4 4.0 2.5 9.02 1 0.81
1 100 323 113 3 4.0 4.0 8.88 1 0.79
2 79 296 95 2 3.0 2.0 7.54 1 0.44
3 53 334 116 4 4.0 3.0 8.00 1 0.78
4 444 321 114 5 4.5 4.5 9.16 1 0.87

Question

Serial No. 컬럼을 제외하고 ‘Chance of Admit’을 종속변수, 나머지 변수를 독립변수라 할때, 랜덤포레스트를 통해 회귀 예측을 할 떄 변수중요도 값을 출력하라 (시드값에 따라 순서는 달라질수 있음)

Hide code cell source 
from sklearn.ensemble import RandomForestRegressor

df_t = df.drop([df.columns[0]],axis=1)
x = df_t.drop([df.columns[-1]],axis=1)
y = df_t[df.columns[-1]]

ml = RandomForestRegressor()

ml.fit(x,y)

result=pd.DataFrame({'importance':ml.feature_importances_},x.columns).sort_values('importance',ascending=False)
display(result)
importance
CGPA 0.820192
GRE Score 0.080724
TOEFL Score 0.032414
SOP 0.023649
LOR 0.022733
University Rating 0.013037
Research 0.007252

레드 와인 퀄리티 예측 데이터#

Attention

데이터 출처 :https://www.kaggle.com/uciml/red-wine-quality-cortez-et-al-2009(참고, 데이터 수정)
데이터 설명 : 레드 와인 퀄리티 예측문제
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/redwine/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/redwine/train.csv")
df.head()
fixed acidity volatile acidity citric acid residual sugar chlorides free sulfur dioxide total sulfur dioxide density pH sulphates alcohol quality
0 5.0 0.38 0.01 1.6 0.048 26.0 60.0 0.99084 3.70 0.75 14.0 6
1 5.0 0.42 0.24 2.0 0.060 19.0 50.0 0.99170 3.72 0.74 14.0 8
2 7.1 0.36 0.30 1.6 0.080 35.0 70.0 0.99693 3.44 0.50 9.4 5
3 7.6 0.29 0.49 2.7 0.092 25.0 60.0 0.99710 3.31 0.61 10.1 6
4 7.7 0.51 0.28 2.1 0.087 23.0 54.0 0.99800 3.42 0.74 9.2 5

Question

quality 값이 3인 그룹과 8인 데이터그룹의 각 컬럼별 독립변수의 표준편차 값의 차이를 구할때 그값이 가장 큰 컬럼명을 구하여라

Hide code cell source 
answer = (df.loc[df.quality ==8].std() -df.loc[df.quality ==3].std()).sort_values().index[-1]
print(answer)

total sulfur dioxide

약물 분류 데이터#

Attention

데이터 출처 :https://www.kaggle.com/prathamtripathi/drug-classification(참고, 데이터 수정)
데이터 설명 : 투약하는 약을 분류
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/drug/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/drug/train.csv")
df.head()
Age Sex BP Cholesterol Na_to_K Drug
0 20 F NORMAL NORMAL 9.281 4
1 24 M HIGH NORMAL 9.475 1
2 34 M NORMAL HIGH 22.456 0
3 17 M NORMAL NORMAL 10.832 4
4 72 M LOW HIGH 16.310 0

Question

남성들의 연령대별 (10살씩 구분 0~9세 10~19세 …) Na_to_K값의 평균값을 구해서 데이터 프레임으로 표현하여라

Hide code cell source 
pre = df.loc[df.Sex=='M']
pre2= pre.copy()
pre2['Age2'] = pre.Age//10 *10

answer =pre2.groupby('Age2').mean()['Na_to_K'].to_frame()
display(answer)
Na_to_K
Age2
10 13.627000
20 18.260769
30 15.244143
40 13.897273
50 14.811273
60 14.284308
70 11.363857

사기회사 분류 데이터#

Attention

데이터 출처 :https://www.kaggle.com/sid321axn/audit-data(참고, 데이터 수정)
데이터 설명 : 사기회사 분류
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/audit/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/audit/train.csv")
df.head()
Sector_score LOCATION_ID PARA_A Score_A Risk_A PARA_B Score_B Risk_B TOTAL numbers ... RiSk_E History Prob Risk_F Score Inherent_Risk CONTROL_RISK Detection_Risk Audit_Risk Risk
0 2.72 14 4.53 0.6 2.718 87.93 0.6 52.758 92.46 5.0 ... 0.4 0 0.2 0.0 4.0 108.362 0.4 0.5 21.6724 1
1 3.41 16 12.68 0.6 7.608 41.00 0.6 24.600 53.68 5.5 ... 0.4 0 0.2 0.0 4.4 41.936 0.4 0.5 8.3872 1
2 2.72 11 3.11 0.6 1.866 113.97 0.6 68.382 117.08 5.5 ... 0.4 0 0.2 0.0 4.4 88.832 0.4 0.5 17.7664 1
3 3.41 8 1.12 0.4 0.448 0.00 0.2 0.000 1.12 5.0 ... 0.4 0 0.2 0.0 2.2 1.848 0.4 0.5 0.3696 0
4 55.57 9 1.06 0.4 0.424 0.00 0.2 0.000 1.06 5.0 ... 0.4 0 0.2 0.0 2.2 1.824 0.4 0.5 0.3648 0

5 rows × 27 columns

Question

데이터의 Risk 값에 따른 score_a와 score_b의 평균값을 구하여라

Hide code cell source 
answer =df.groupby('Risk').mean()[['Score_A','Score_B']]
display(answer)
Score_A Score_B
Risk
0 0.262234 0.225532
1 0.490164 0.444262

센서데이터 동작유형 분류 데이터#

Attention

데이터 출처 :https://www.kaggle.com/kyr7plus/emg-4(참고, 데이터 수정)
데이터 설명 : 센서데이터로 동작 유형 분류
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/muscle/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/muscle/train.csv")
df.head()
motion_0 motion_1 motion_2 motion_3 motion_4 motion_5 motion_6 motion_7 motion_8 motion_9 ... motion_55 motion_56 motion_57 motion_58 motion_59 motion_60 motion_61 motion_62 motion_63 pose
0 -6.0 8.0 5.0 6.0 -12.0 -27.0 5.0 24.0 -8.0 -5.0 ... -1.0 -3.0 -6.0 -9.0 -7.0 36.0 68.0 3.0 -3.0 1
1 -32.0 -3.0 -4.0 -5.0 -1.0 16.0 0.0 -5.0 42.0 2.0 ... -17.0 -12.0 -1.0 -1.0 0.0 -26.0 -11.0 -4.0 -9.0 1
2 35.0 -2.0 -1.0 1.0 -25.0 -16.0 -3.0 -20.0 10.0 1.0 ... 6.0 -65.0 6.0 -10.0 -31.0 -19.0 -3.0 -47.0 -17.0 0
3 -15.0 -6.0 -3.0 -5.0 27.0 37.0 -2.0 -2.0 19.0 5.0 ... 2.0 11.0 0.0 -2.0 -4.0 -7.0 15.0 3.0 14.0 1
4 60.0 3.0 0.0 -7.0 -6.0 -10.0 -6.0 7.0 -11.0 -4.0 ... -12.0 17.0 -3.0 1.0 2.0 -2.0 20.0 18.0 10.0 0

5 rows × 65 columns

Question

pose값에 따른 각 motion컬럼의 중간값의 가장 큰 차이를 보이는 motion컬럼은 어디이며 그값은?

Hide code cell source 
t= df.groupby('pose').median().T
abs(t[0] - t[1]).sort_values()
display(t.tail(5))
pose 0 1
motion_59 0.0 -1.0
motion_60 -1.0 1.0
motion_61 -1.0 1.0
motion_62 -5.0 -1.0
motion_63 -1.0 -1.0

현대 차량 가격 분류문제 데이터#

Attention

데이터 출처 :https://www.kaggle.com/mysarahmadbhat/hyundai-used-car-listing(참고, 데이터 수정)
데이터 설명 : 현대 차량가격 분류문제
Data url :hhttps://raw.githubusercontent.com/Datamanim/datarepo/main/hyundai/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/hyundai/train.csv")
df.head()
model year price transmission mileage fuelType tax(£) mpg engineSize
0 Tucson 2016 12795 Manual 36263 Diesel 30 61.7 1.7
1 I10 2012 3995 Manual 22089 Petrol 20 61.4 1.2
2 I30 2019 24000 Manual 555 Petrol 145 34.0 2.0
3 Tucson 2017 12995 Manual 32147 Diesel 30 61.7 1.7
4 Tucson 2018 14991 Semi-Auto 32217 Diesel 150 57.6 1.7

Question

정보(row수)가 가장 많은 상위 3차종의 price값의 각 평균값은?

Hide code cell source 
answer =df.loc[df.model.isin(df.model.value_counts().index[:3])].groupby('model').mean()['price'].to_frame()
display(answer)
price
model
I10 7646.137891
I30 11651.821759
Tucson 15805.441373

당뇨여부판단 데이터#

Attention

데이터 출처 :https://www.kaggle.com/pritsheta/diabetes-dataset(참고, 데이터 수정)
데이터 설명 : 당뇨여부 판단하기
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/diabetes/train.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/diabetes/train.csv")
df.head()
Pregnancies Glucose BloodPressure SkinThickness Insulin BMI DiabetesPedigreeFunction Age Outcome
0 3 102 74 0 0 29.5 0.121 32 0
1 2 144 58 33 135 31.6 0.422 25 1
2 5 136 82 0 0 0.0 0.640 69 0
3 13 145 82 19 110 22.2 0.245 57 0
4 1 117 60 23 106 33.8 0.466 27 0

Question

Outcome 값에 따른 각 그룹의 각 컬럼의 평균 차이를 구하여라

Hide code cell source 
answer = df.groupby('Outcome').mean().diff().iloc[1,:]
print(answer)

Pregnancies                  1.574159
Glucose                     29.943995
BloodPressure                3.202079
SkinThickness                2.952033
Insulin                     33.398645
BMI                          4.541437
DiabetesPedigreeFunction     0.143646
Age                          5.866939
Name: 1, dtype: float64

넷플릭스 주식 데이터#

Attention

데이터 출처 :https://www.kaggle.com/pritsheta/netflix-stock-data-from-2002-to-2021(참고, 데이터 수정)
데이터 설명 : 넷플릭스 주식데이터
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/nflx/NFLX.csv

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/nflx/NFLX.csv")
df.head()
Date Open High Low Close Adj Close Volume
0 2002-05-23 1.156429 1.242857 1.145714 1.196429 1.196429 104790000
1 2002-05-24 1.214286 1.225000 1.197143 1.210000 1.210000 11104800
2 2002-05-28 1.213571 1.232143 1.157143 1.157143 1.157143 6609400
3 2002-05-29 1.164286 1.164286 1.085714 1.103571 1.103571 6757800
4 2002-05-30 1.107857 1.107857 1.071429 1.071429 1.071429 10154200

Question

매년 5월달의 open가격의 평균값을 데이터 프레임으로 표현하라

Hide code cell source 
df['Date']  =pd.to_datetime(df['Date'])

target = df.groupby(df['Date'].dt.strftime('%Y-%m')).mean()
answer = target.loc[target.index.str.contains('-05')].Open
print(answer)

Date
2002-05      1.155833
2003-05      1.641497
2004-05      4.261143
2005-05      1.951905
2006-05      4.163571
2007-05      3.159351
2008-05      4.435034
2009-05      5.790571
2010-05     14.417071
2011-05     34.650272
2012-05     10.523247
2013-05     31.936429
2014-05     51.121292
2015-05     85.057429
2016-05     92.705715
2017-05    158.255455
2018-05    329.779541
2019-05    359.664548
2020-05    433.880499
2021-05    496.923996
Name: Open, dtype: float64