작업 1유형

9회 빅분기 실기 대비 강의, 블로그만으로는 도저히 안되겠다ㅠ 하시는분들에게 추천합니다.

본격적으로 시작하시기 전에 웹광고 한번 눌러주세요
문제 풀이 영상 : https://www.youtube.com/watch?v=hzHPpybySJE

• 빅분기, adp 정보공유 오픈카톡방1
  @@@참여 링크@@@
  참여 코드 : dbscan (수시 업데이트, 카톡 화면 하단에 문제 확인 해주세요)

• 빅분기, adp 정보공유 오픈카톡방2
  @@@참여 링크@@@

다양한 데이터

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 1

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

Show code cell source 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 2

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

Show code cell source 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 3

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

Show code cell source Hide code cell source

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

71

Question 4

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

Show code cell source 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 5

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

Show code cell source 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 6

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

Show code cell source 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 7

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

Show code cell source 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 8

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

Show code cell source 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 9

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

Show code cell source Hide code cell source

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

짤툰

Question 10

20회(20일)이상 인기동영상 리스트에 포함된 동영상의 숫자는?

Show code cell source 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 11

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

Show code cell source 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 12

수집된 각 video의 가장 최신화 된 날짜의 viewcount값을 출력하라

Show code cell source 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 13

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

Show code cell source 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 14

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

Show code cell source 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 15

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

Show code cell source 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 16

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

Show code cell source 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 17

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

Show code cell source 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 18

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

Show code cell source 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 19

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

Show code cell source 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 20

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

Show code cell source 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 21

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

Show code cell source 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 22

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

Show code cell source 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 23

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

Show code cell source 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 24

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

Show code cell source Hide code cell source

df2 = df[df.check ==True].reset_index(drop=True)
print(df2.shape[0])

1250

Question 25

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

Show code cell source Hide code cell source

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

16

Question 26

Yugoslavia 국가의 월드컵 출전횟수가 2회인 선수들의 숫자를 구하여라

Show code cell source Hide code cell source

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

7

Question 27

2002년도에 출전한 전체 선수는 몇명인가?

Show code cell source Hide code cell source

result =len(df2[df2.Years.str.contains('2002')])
print(result)

156

Question 28

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

Show code cell source Hide code cell source

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

13

Question 29

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

Show code cell source Hide code cell source

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

Just Fontaine

Question 30

월드컵 출전횟수가 1회 뿐인 선수들이 가장 많은 국가는 어디인가?

Show code cell source 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 31

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

Show code cell source 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 32

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

Show code cell source 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 33

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

Show code cell source 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 34

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

Show code cell source 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 35

연령대별 평균 이동거리를 구하여라

Show code cell source 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 36

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

Show code cell source 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 37

6월 7일 ~10대의 “이용건수”의 중앙값은?

Show code cell source 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 38

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

Show code cell source 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 39

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

Show code cell source Hide code cell source

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

5092.139707505305

Question 40

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

Show code cell source 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 41

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

Show code cell source Hide code cell source

result = df[df.행복랭킹 ==10]['점수'].mean()
print(result)

7.259

Question 42

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

Show code cell source 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 43

2018년도 데이터들만 추출하여 행복점수와 부패에 대한 인식에 대한 상관계수를 구하여라

Show code cell source Hide code cell source

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

0.40529152271510027

Question 44

2018년도와 2019년도의 행복랭킹이 변화하지 않은 나라명의 수를 구하여라

Show code cell source Hide code cell source

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

15

Question 45

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

Show code cell source 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 46

각 년도별 하위 행복점수의 하위 5개 국가의 평균 행복점수를 구하여라

Show code cell source 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 47

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

Show code cell source 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 48

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

Show code cell source 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 49

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

Show code cell source 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 50

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

Show code cell source 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 51

DateTime컬럼을 통해 각 월별로 몇개의 데이터가 있는지 데이터 프레임으로 구하여라

Show code cell source 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 52

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

Show code cell source 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 53

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

Show code cell source 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 54

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

Show code cell source Hide code cell source

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

68.23624448055094

Question 55

각 zone의 에너지 소비량의 상관관계를 구해서 데이터 프레임으로 표기하라

Show code cell source 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 56

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

Show code cell source 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 57

6월 데이터중 12시의 Temperature의 표준편차를 구하여라

Show code cell source Hide code cell source

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

2.049941782795103

Question 58

6월 데이터중 12시의 Temperature의 분산을 구하여라

Show code cell source Hide code cell source

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

4.202261312849164

Question 59

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

Show code cell source Hide code cell source

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

87.9

Question 60

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

**

Show code cell source 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 61

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

Show code cell source Hide code cell source

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

25.55614861329147

Question 62

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

Show code cell source Hide code cell source

result = df['Type 2'].value_counts().index[0]
print(result)

Flying

Question 63

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

Show code cell source 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 64

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

Show code cell source Hide code cell source

result =df[df.Legendary==True].Generation.value_counts().index[0]
result

3

Question 65

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

Show code cell source 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 66

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

Show code cell source Hide code cell source

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

19.5

Question 67

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 68

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

Show code cell source 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 69

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

Show code cell source Hide code cell source

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

39

Question 70

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

Show code cell source 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 71

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

Show code cell source Hide code cell source

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

52.19539414750672

Question 72

50~59세의 신장평균을 구하여라

Show code cell source Hide code cell source

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

164.07490107405295

Question 73

연령대 (20~29 : 20대 …) 별 인원수를 구하여라

Show code cell source 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 74

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

Show code cell source 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 75

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

Show code cell source 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 76

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

Show code cell source 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 77

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

Show code cell source 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 78

bmi보다 체지방율이 높은 사람들의 체중평균을 구하여라

Show code cell source Hide code cell source

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

61.740880639254314

Question 79

남성과 여성의 악력 평균의 차이를 구하여라

Show code cell source Hide code cell source

target= df.groupby('측정회원성별')['악력D : kg'].mean()

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

17.55954185047465

Question 80

남성과 여성의 교차윗몸일으키기 횟수의 평균의 차이를 구하여라

Show code cell source 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 81

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

Show code cell source 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 82

이화동과 수영동의 최대강수량의 시간대를 각각 구하여라

Show code cell source 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 83

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

Show code cell source 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 84

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

Show code cell source Hide code cell source

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

39.6102

Question 85

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

Show code cell source 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 86

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

Show code cell source 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 87

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

Show code cell source 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 88

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

Show code cell source 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 89

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

Show code cell source 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 90

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

Show code cell source 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 91

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

Show code cell source 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 92

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

Show code cell source 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 93

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

Show code cell source 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 94

흡연자와 비흡연자 각각 charges의 상위 10% 그룹의 평균의 차이는?

Show code cell source 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 95

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

Show code cell source 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 96

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)

Show code cell source 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 97

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

Show code cell source 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 98

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

Show code cell source 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 99

데이터의 Risk 값에 따른 score_a와 score_b의 평균값을 구하여라

Show code cell source 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 100

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

Show code cell source Hide code cell source

t= df.groupby('pose').median().T
dfs = abs(t[0] - t[1]).sort_values().reset_index()
dfs[dfs[0] ==dfs[0].max()]['index'].values

array(['motion_54', 'motion_62'], dtype=object)

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 101

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

Show code cell source 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 102

Outcome 값에 따른 각 그룹의 각 컬럼의 평균 차이를 구하여라

Show code cell source 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 103

매년 5월달의 open가격의 평균값을 데이터 프레임으로 표현하라

Show code cell source 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

220510추가

nba 선수 능력치 데이터

Attention

데이터 출처 :https://www.kaggle.com/datasets/vivovinco/nba-player-stats(참고, 데이터 수정)
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/nba/nba.csv

pd.set_option('display.max_columns',50)
import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/nba/nba.csv",encoding='latin',sep=';')
df.head()

	Rk	Player	Pos	Age	Tm	G	GS	MP	FG	FGA	FG%	3P	3PA	3P%	2P	2PA	2P%	eFG%	FT	FTA	FT%	ORB	DRB	TRB	AST	STL	BLK	TOV	PF	PTS
0	1	Precious Achiuwa	C	22	TOR	73	28	23.6	3.6	8.3	0.439	0.8	2.1	0.359	2.9	6.1	0.468	0.486	1.1	1.8	0.595	2.0	4.5	6.5	1.1	0.5	0.6	1.2	2.1	9.1
1	2	Steven Adams	C	28	MEM	76	75	26.3	2.8	5.1	0.547	0.0	0.0	0.000	2.8	5.0	0.548	0.547	1.4	2.6	0.543	4.6	5.4	10.0	3.4	0.9	0.8	1.5	2.0	6.9
2	3	Bam Adebayo	C	24	MIA	56	56	32.6	7.3	13.0	0.557	0.0	0.1	0.000	7.3	12.9	0.562	0.557	4.6	6.1	0.753	2.4	7.6	10.1	3.4	1.4	0.8	2.6	3.1	19.1
3	4	Santi Aldama	PF	21	MEM	32	0	11.3	1.7	4.1	0.402	0.2	1.5	0.125	1.5	2.6	0.560	0.424	0.6	1.0	0.625	1.0	1.7	2.7	0.7	0.2	0.3	0.5	1.1	4.1
4	5	LaMarcus Aldridge	C	36	BRK	47	12	22.3	5.4	9.7	0.550	0.3	1.0	0.304	5.1	8.8	0.578	0.566	1.9	2.2	0.873	1.6	3.9	5.5	0.9	0.3	1.0	0.9	1.7	12.9

Question 104

Tm 컬럼은 각 팀의 이름을 의미한다. TOR팀의 평균나이를 소수 4째 자리까지 구하여라

Show code cell source Hide code cell source

result = round(df[df.Tm =='TOR'].Age.mean(),4)
print(result)

24.8696

Question 105

Pos 컬럼은 포지션을 의미한다. 전체 선수 중 최소나이대의 선수들을 필터하고 그들 중 가장 많은 포지션은 무엇인지 확인하라

Show code cell source Hide code cell source

result = df[df.Age==df.Age.min()].Pos.value_counts().index[0]
print(result)

SG

Question 106

선수들의 이름은 first_name+ 공백 + last_name으로 이루어져 있다. 가장 많은 first_name은 무엇이며 몇 회 발생하는지 확인하라

Show code cell source Hide code cell source

result= df['Player'].str.split().str[0].str.lower().value_counts().head(1)
print(result)

justin    14
Name: Player, dtype: int64

Question 107

PTS컬럼은 경기당 평균득점수 이다. 각포지션별로 경기당 평균득점수의 평균을 구하여라

Show code cell source Hide code cell source

result = df.groupby('Pos')['PTS'].mean().sort_values()
print(result)

Pos
SF        7.270253
SG-SF     7.360000
C         7.690769
PF        7.737500
SG        7.810553
PG        8.325161
PF-SF     8.500000
SF-SG     8.660000
SG-PG     9.525000
C-PF     12.850000
PG-SG    22.000000
Name: PTS, dtype: float64

Question 108

PTS컬럼은 경기당 평균득점수 이다. 각포지션별로 경기당 평균득점수의 평균을 구하여라

Question 109

G컬럼은 참여한 경기의 숫자이다. 각 팀별로 가장 높은 경기참여 수를 가진 선수들의 경기 참여 숫자의 평균을 구하여라

Show code cell source Hide code cell source

result = df.sort_values(['Tm','G']).groupby('Tm').tail(1).G.mean()
print(result)

77.51612903225806

Question 110

Tm의 값이 MIA이며 Pos는 C또는 PF인 선수의 MP값의 평균은?

Show code cell source Hide code cell source

result = df[(df.Tm =='MIA') & (df.Pos.isin(['C','PF']))].MP.mean()
print(result)

16.7875

Question 111

전체 데이터중 G의 평균값의 1.5배 이상인 데이터들만 추출했을때 3P값의 평균은?

Show code cell source Hide code cell source

result =  df[df.G >= df.G.mean()*1.5]['3P'].mean()
print(result)

1.3853658536585365

Question 112

Age의 평균 이상인 그룹과 평균 미만인 그룹간의 G값의 평균의 차이는?

Show code cell source Hide code cell source

result = df[df.Age >= df.Age.mean()].G.mean() - df[df.Age < df.Age.mean()].G.mean()
print(result)

3.787674551781862

Question 113

평균나이가 가장 젊은 팀은 어디인가

result = df.groupby('Tm')['Age'].mean().sort_values().index[0]
print(result)

MEM

Question 114

Pos그룹별 평균 MP값을 구하여라

result = df.groupby('Pos')['MP'].mean()
print(result)

Pos
C        16.990000
C-PF     25.350000
PF       17.937500
PF-SF    27.300000
PG       19.547742
PG-SG    37.200000
SF       17.514557
SF-SG    20.340000
SG       18.554271
SG-PG    22.950000
SG-SF    19.620000
Name: MP, dtype: float64