[빅데이터분석기사] 작업형 1 - 판다스 기초 1

실습 환경 - Google Colab

판다스 기초1¶

In [2]:

# 학습 전 반드시 실행: csv파일 (data.csv) 생성
import pandas as pd
data = {
    "메뉴":['아메리카노','카페라떼','카페모카', '바닐라라떼', '녹차', '초코라떼', '바닐라콜드브루'],
    "가격":[4100, 4600, 4600, 5100, 4100, 5000, 5100],
    "할인율":[0.5, 0.1, 0.2, 0.3, 0, 0, 0],
    "칼로리":[10, 180, 420, 320, 20, 500, 400],
}
data = pd.DataFrame(data)
data.to_csv('data.csv', index=False)

라이브러리 불러오기¶

In [3]:

import pandas as pd

데이터 불러오기¶

In [4]:

pd.read_csv('data.csv')

Out[4]:

	메뉴	가격	할인율	칼로리
0	아메리카노	4100	0.5	10
1	카페라떼	4600	0.1	180
2	카페모카	4600	0.2	420
3	바닐라라떼	5100	0.3	320
4	녹차	4100	0.0	20
5	초코라떼	5000	0.0	500
6	바닐라콜드브루	5100	0.0	400

In [25]:

data = pd.read_csv('data.csv')

In [26]:

data.head(2)

Out[26]:

	메뉴	가격	할인율	칼로리
0	아메리카노	4100	0.5	10
1	카페라떼	4600	0.1	180

In [27]:

data.tail(2)

Out[27]:

	메뉴	가격	할인율	칼로리
5	초코라떼	5000	0.0	500
6	바닐라콜드브루	5100	0.0	400

데이터 프레임과 시리즈¶

In [28]:

s1 = pd.Series(['A', 'B', 'C'])
s1

Out[28]:

0    A
1    B
2    C
dtype: object

In [9]:

s2 = pd.Series([1, 2, 3])
s2

Out[9]:

0    1
1    2
2    3
dtype: int64

In [30]:

# 데이터 프레임 만들기 pd.DataFrame({"컬럼명": 데이터})
pd.DataFrame({
    "s1": s1,
    "s2": s2,
})

Out[30]:

	s1	s2
0	A	1
1	B	2
2	C	3

In [32]:

# 데이터 프레임 만들기 pd.DataFrame({"컬럼명": 데이터})
data = {
    "메뉴":['아메리카노','카페라떼','카페모카', '바닐라라떼', '녹차', '초코라떼', '바닐라콜드브루'],
    "가격":[4100, 4600, 4600, 5100, 4100, 5000, 5100],
    "할인율":[0.5, 0.1, 0.2, 0.3, 0, 0, 0],
    "칼로리":[10, 180, 420, 320, 20, 500, 400],
}
df = pd.DataFrame(data)
df

Out[32]:

	메뉴	가격	할인율	칼로리
0	아메리카노	4100	0.5	10
1	카페라떼	4600	0.1	180
2	카페모카	4600	0.2	420
3	바닐라라떼	5100	0.3	320
4	녹차	4100	0.0	20
5	초코라떼	5000	0.0	500
6	바닐라콜드브루	5100	0.0	400

In [34]:

# 시리즈로 선택(가격)
df['메뉴']

Out[34]:

0      아메리카노
1       카페라떼
2       카페모카
3      바닐라라떼
4         녹차
5       초코라떼
6    바닐라콜드브루
Name: 메뉴, dtype: object

In [35]:

# 데이터프레임으로 선택(가격)
df[['가격', '할인율']]

Out[35]:

	가격	할인율
0	4100	0.5
1	4600	0.1
2	4600	0.2
3	5100	0.3
4	4100	0.0
5	5000	0.0
6	5100	0.0

In [36]:

print(type(df)) # 데이터 프레임 type
print(type(df['가격'])) # 시리즈 type
print(type(df[['가격']])) # 데이터 프레임 type

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

EDA (탐색적 데이터 분석)¶

In [37]:

# 데이터 불러오기
df = pd.read_csv('data.csv')
df

Out[37]:

	메뉴	가격	할인율	칼로리
0	아메리카노	4100	0.5	10
1	카페라떼	4600	0.1	180
2	카페모카	4600	0.2	420
3	바닐라라떼	5100	0.3	320
4	녹차	4100	0.0	20
5	초코라떼	5000	0.0	500
6	바닐라콜드브루	5100	0.0	400

In [38]:

# 데이터 프레임 크기 (행, 컬럼)
df.shape

Out[38]:

(7, 4)

In [39]:

# 컬럼 형태(type)
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7 entries, 0 to 6
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   메뉴      7 non-null      object 
 1   가격      7 non-null      int64  
 2   할인율     7 non-null      float64
 3   칼로리     7 non-null      int64  
dtypes: float64(1), int64(2), object(1)
memory usage: 352.0+ bytes

In [40]:

# 기초 통계 - 수치형 데이터 - describe()
df.describe()

Out[40]:

	가격	할인율	칼로리
count	7.000000	7.000000	7.000000
mean	4657.142857	0.157143	264.285714
std	435.343324	0.190238	196.965068
min	4100.000000	0.000000	10.000000
25%	4350.000000	0.000000	100.000000
50%	4600.000000	0.100000	320.000000
75%	5050.000000	0.250000	410.000000
max	5100.000000	0.500000	500.000000

In [41]:

# 기초 통계 - 범주형 데이터 - describe(include='O')
df.describe(include='object')
df.describe(include='O')

Out[41]:

	메뉴
count	7
unique	7
top	아메리카노
freq	1

In [42]:

# 상관관계 - corr() / corr(numeric_only=True)
# 코랩에서 판다스 버전이 업데이트되어 일부 함수에 `numeric_only=True` 를 설정해야 함.
# 데이터프레임에서 숫자 형태의 데이터만 선택하도록 지정 (시험환경 버전은 설정 필요 없음)
# df.corr()
df.corr(numeric_only=True)

Out[42]:

	가격	할인율	칼로리
가격	1.000000	-0.327738	0.853837
할인율	-0.327738	1.000000	-0.390151
칼로리	0.853837	-0.390151	1.000000

In [43]:

# 중복 값이 있는 데이터 생성
car = {
    "car":['Sedan','SUV','Sedan','SUV','SUV','SUV','Sedan','Sedan','Sedan','Sedan','Sedan'],
    "size":['S','M','S','S','M','M','L','S','S', 'M','S']
}
car = pd.DataFrame(car)
car.head(3)

Out[43]:

	car	size
0	Sedan	S
1	SUV	M
2	Sedan	S

In [45]:

# 항목 종류 수 - nunique()
car.nunique()

Out[45]:

car     2
size    3
dtype: int64

In [47]:

# 항목 종류 - unique() : 시리즈 속성
# 'DataFrame' object has no attribute 'unique'

car['car'].unique()

Out[47]:

array(['Sedan', 'SUV'], dtype=object)

In [48]:

car['size'].unique()

Out[48]:

array(['S', 'M', 'L'], dtype=object)

In [49]:

# 항목별 개수 - value_counts()
car['car'].value_counts()

Out[49]:

car
Sedan    7
SUV      4
Name: count, dtype: int64

In [50]:

car['size'].value_counts()

Out[50]:

size
S    6
M    4
L    1
Name: count, dtype: int64

자료형 변환¶

In [53]:

data = {
    "메뉴":['아메리카노', '카페라떼', '카페모카', '바닐라콜드브루'],
    "가격":[4100, 4600, 4600, 5100],
    "할인율":['0.5', '0.1', '0.2', '0.3'], # object
    "칼로리":[10,180,420,320],
}
df = pd.DataFrame(data)
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   메뉴      4 non-null      object
 1   가격      4 non-null      int64 
 2   할인율     4 non-null      object
 3   칼로리     4 non-null      int64 
dtypes: int64(2), object(2)
memory usage: 256.0+ bytes

In [54]:

# 자료형 변환 / astype / object -> float
df['할인율'].astype('float')

Out[54]:

0    0.5
1    0.1
2    0.2
3    0.3
Name: 할인율, dtype: float64

In [56]:

df['할인율'] = df['할인율'].astype('float')

In [57]:

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   메뉴      4 non-null      object 
 1   가격      4 non-null      int64  
 2   할인율     4 non-null      float64
 3   칼로리     4 non-null      int64  
dtypes: float64(1), int64(2), object(1)
memory usage: 256.0+ bytes

새로운 컬럼 추가¶

In [58]:

df

Out[58]:

	메뉴	가격	할인율	칼로리
0	아메리카노	4100	0.5	10
1	카페라떼	4600	0.1	180
2	카페모카	4600	0.2	420
3	바닐라콜드브루	5100	0.3	320

In [59]:

# 새로운 컬럼 추가
df['new'] = 0
df

Out[59]:

	메뉴	가격	할인율	칼로리	new
0	아메리카노	4100	0.5	10	0
1	카페라떼	4600	0.1	180	0
2	카페모카	4600	0.2	420	0
3	바닐라콜드브루	5100	0.3	320	0

In [60]:

# 할인가 컬럼 추가
df['할인가'] = df['가격'] * (1-df['할인율'])
df

Out[60]:

	메뉴	가격	할인율	칼로리	new	할인가
0	아메리카노	4100	0.5	10	0	2050.0
1	카페라떼	4600	0.1	180	0	4140.0
2	카페모카	4600	0.2	420	0	3680.0
3	바닐라콜드브루	5100	0.3	320	0	3570.0

In [61]:

# 결측값(NaN)으로 추가
import numpy as np
df['원두'] = np.nan
df

Out[61]:

	메뉴	가격	할인율	칼로리	new	할인가	원두
0	아메리카노	4100	0.5	10	0	2050.0	NaN
1	카페라떼	4600	0.1	180	0	4140.0	NaN
2	카페모카	4600	0.2	420	0	3680.0	NaN
3	바닐라콜드브루	5100	0.3	320	0	3570.0	NaN

데이터 삭제¶

• axis = 1 : 컬럼 삭제
• axis = 0 : 행 삭제

In [66]:

# 컬럼 삭제 - drop('컬럼명', axis=1)
df = df.drop('new', axis=1)
df

Out[66]:

	메뉴	가격	할인율	칼로리	할인가	원두
0	아메리카노	4100	0.5	10	2050.0	NaN
1	카페라떼	4600	0.1	180	4140.0	NaN
2	카페모카	4600	0.2	420	3680.0	NaN
3	바닐라콜드브루	5100	0.3	320	3570.0	NaN

In [67]:

# 행 삭제 - drop('index 번호', axis=0)
df = df.drop(1, axis=0)
df

Out[67]:

	메뉴	가격	할인율	칼로리	할인가	원두
0	아메리카노	4100	0.5	10	2050.0	NaN
2	카페모카	4600	0.2	420	3680.0	NaN
3	바닐라콜드브루	5100	0.3	320	3570.0	NaN

CSV 저장하기¶

In [68]:

# csv로 저장하기 - to_csv('파일명.csv', index=False)
df.to_csv('data2.csv', index=False)

Quiz¶

In [77]:

# 주어진 데이터
data = {
    "메뉴":['아메리카노', '카페라떼', '카페모카', '바닐라콜드브루'],
    "가격":[4100, 4600, 4600, 5100],
    "할인율":['0.5', '0.1', '0.2', '0.3'],
    "칼로리":[10,180,420,320],
}
df = pd.DataFrame(data)
df

Out[77]:

	메뉴	가격	할인율	칼로리
0	아메리카노	4100	0.5	10
1	카페라떼	4600	0.1	180
2	카페모카	4600	0.2	420
3	바닐라콜드브루	5100	0.3	320

In [69]:

# 1. 이벤트가 컬럼 만들기 - 원 가격의 50% 할인을 적용한 이벤트 가격

In [71]:

df['이벤트가'] = df['가격'] * 0.5
df

Out[71]:

	메뉴	가격	할인율	칼로리	이벤트가
0	아메리카노	4100	0.5	10	2050.0
1	카페라떼	4600	0.1	180	2300.0
2	카페모카	4600	0.2	420	2300.0
3	바닐라콜드브루	5100	0.3	320	2550.0

In [78]:

# 2. 할인가 컬럼 만들기 - 할인을 적용한 할인 가격

In [79]:

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   메뉴      4 non-null      object
 1   가격      4 non-null      int64 
 2   할인율     4 non-null      object
 3   칼로리     4 non-null      int64 
dtypes: int64(2), object(2)
memory usage: 256.0+ bytes

In [80]:

df['할인율'] = df['할인율'].astype('float')
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   메뉴      4 non-null      object 
 1   가격      4 non-null      int64  
 2   할인율     4 non-null      float64
 3   칼로리     4 non-null      int64  
dtypes: float64(1), int64(2), object(1)
memory usage: 256.0+ bytes

In [81]:

df['할인가'] = df['가격'] * (1 - df['할인율'])
df

Out[81]:

	메뉴	가격	할인율	칼로리	할인가
0	아메리카노	4100	0.5	10	2050.0
1	카페라떼	4600	0.1	180	4140.0
2	카페모카	4600	0.2	420	3680.0
3	바닐라콜드브루	5100	0.3	320	3570.0

In [ ]:

# 3. 컬럼 삭제 - 칼로리 컬럼 삭제

In [73]:

df = df.drop('칼로리', axis=1)
df

Out[73]:

	메뉴	가격	할인율	이벤트가	할인가
0	아메리카노	4100	0.5	2050.0	2050.0
1	카페라떼	4600	0.1	2300.0	2300.0
2	카페모카	4600	0.2	2300.0	2300.0
3	바닐라콜드브루	5100	0.3	2550.0	2550.0

In [74]:

df.to_csv('결과.csv', index=False)

---

참고

https://inf.run/PoyjH

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3) | 퇴근후딴짓 - 인프런