데이터 출처 :[https://www.kaggle.com/darinhawley/fifa-world-cup-goalscorers-19302018](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
데이터 상위 5개 컬럼
1
2
import pandas as pd
df= pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/worldcup/worldcupgoals.csv')
Q1. 주어진 전체 기간의 각 나라별 골득점수 상위 5개 국가와 그 득점수를 데이터프레임형태로 출력하라
1
df.groupby('Country').sum().sort_values('Goals').tail(5)
국가로 묶은 다음에 sum으로 다 더해버리고 Golas을 기준으로 정렬하면 됩니다. tail을 사용하면 뒤부터 세어줍니다. 기분값은 오른차순이니 ascending=False를 사용하도 head(5)를 사용해도 무방합니다. 높은 국가 순서로 배열 하라는 특별한 조건이 없어서 tail로 해봤습니다.
Q2. 주어진 전체기간동안 골득점을 한 선수가 가장 많은 나라 상위 5개 국가와
그 선수 숫자를 데이터 프레임 형식으로 출력하라
결국 국가열 이 몇개인지 세어보면 됩니다. 국가열로 묶어서 size로 알 수 있습니다.
1
2
df.groupby('Country').size().sort_values().tail(5)
Q3. Years 컬럼은 년도 -년도 형식으로 구성되어있고, 각 년도는 4자리 숫자이다.
연도 표기가 4자리 숫자로 안된 케이스가 존재한다. 해당 건은 몇건인지 출력하라.
보자마자 정규표현식으로 풀어볼려고 했는데 안타깝게도 re 패키지가 없군요… 정규식 표현 조금만 알면 개꿀인데 이거는 나중에 생각나면 해보겠습니다.
1
df['yearLst'] = df.Years.str.split('-')
split으로 -를 기준으로 나누게 되면 yearLst에는 -가 제거된 리스트를 반환하게 됩니다.
1
2
3
4
5
6
7
def checkFour(x):
for value in x:
if len(str(value)) != 4:
return False
return True
df['check'] = df['yearLst'].apply(checkFour)
len(df[df.check ==False])
그리고 x는 리스트 값이라고 생각을 해줍시다. 각 리스트에 value의 길이가 4개인가 확인을 하게 되고 아니라면 False 문제가 없다면 True를 반환하게 됩니다. apply 함수를 이용해서 적용 할 수 있을 것입니다. 조금 만져보면 lambda함수로 해볼 수 있을거 같은데 가독성이 박살나서 넘어가겠습니다.
Q4. Q3에서 발생한 예외 케이스를 제외한 데이터프레임을
df2라고 정의하고 데이터의 행의 숫자를 출력하라 (아래 문제부터는 df2로 풀이하겠습니다)
1
2
3
df2 = df[df.check ==True].reset_index(drop=True)
print(df2.shape[0])
#len(df2)
shape는 행과 열을 출력을 합니다. 첫번째는 행이고 두번째는 열이지요 len도 똑같습니다.
Q5. 월드컵 출전횟수를 나타내는 ‘LenCup’ 컬럼을 추가하고 4회 출전한 선수의 숫자를 구하여라
1
2
df2['LenCup'] =df2['yearLst'].str.len()
df2['LenCup'].value_counts()[4]
yearLst에는 리스트값이 들어 있습니다. 리스트의 value길이를 구해서 4회 출천한 값을 가져오면 됩니다.
Q6. Yugoslavia 국가의 월드컵 출전횟수가 2회인 선수들의 숫자를 구하여라
앞에서 새로 만든 열에다가 국가 조건을 걸어주고 값이 2인 것을 찾으면 되겠네요
1
len(df2[(df2.LenCup==2) & (df2.Country =='Yugoslavia')])
Q7. 2002년도에 출전한 전체 선수는 몇명인가?
pandas.Series.str를 가지고 여러가지를 해볼 수 있습니다. contain을 사용하면 포함여부를 알려주고 split를 하면 나누어 주고 대문자 변환, 소문자 변환, 오브젝트 반환 숫자형 반환 이것저것 많이 있습니다.
https://pandas.pydata.org/docs/search.html?q=str
내일 당장 시험이라 차분히 볼 시간은 없겠지만 시간 나시면 보는 것도 도움이 될 겁니다.
1
len(df2[df2.Years.str.contains('2002')])
Years에 2002라는 문자가 들어 있는지 확인 할 수있습니다.
Q8. 이름에 ‘carlos’ 단어가 들어가는 선수의 숫자는 몇 명인가? (대, 소문자 구분 x)
대소문자를 구분하라고 합니다. 전부다 대문자로 바꾸거나 소문자로 바꾸면 되겠네요
str.lower()을 사용하시고 그리고 다시 .str.contains(‘calos’)를 넣어주시면 됩니다.
1
len(df2[df2.Player.str.lower().str.contains('carlos')])
contain아닙니다 contains입니다. 간독 쓰다보면 매서드와 함수 괄호가 있고 없고, 뒤에 counts라거나 columns 처럼 뭔가 명령어를 넣었는데 에러가 나면 단어를 잘못 사용했는지 확인해보세요
Q9. 월드컵 출전 횟수가 1회뿐인 선수들 중에서 가장 많은 득점을 올렸던 선수는 누구인가?
출천횟수는 앞에서 구했으니 그 값이 1인 것에서 value_sort를 사용해서 선수를 구하면 되겠네요
1
df2[df2.LenCup==1].sort_values('Goals').Player.values[-1]
sort_values의 기본값은 오름차순입니다. 첫번째로 나오는 것은 가장 작은수이고 마지막에 있는 것은 제일 큰 수가 되요 -1은 마지막 값을 반환합니다.
Q10. 월드컵 출전횟수가 1회 뿐인 선수들이 가장 많은 국가는 어디인가?
출전횟수를 1로 하면 선수들이 쭉 나오는데 이를 국가를 기준으로 쭉 더해보면 되겠네요
1
df2[df2.LenCup==1].Country.value_counts().index[0]
Comments powered by Disqus.