6주차 작업형 1유형
데이터 출처 :[https://www.kaggle.com/uciml/red-wine-quality-cortez-et-al-2009](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
데이터 상위 5개 컬럼
Q1. quality 값이 3인 그룹과 8인 데이터그룹의 각 컬럼별 독립변수의 표준편차 값의 차이를 구할때 가장 큰 컬럼을 구하여라
문제를 풀면 풀수록 느끼는건데 뭔가 문제를 위한 문제 같네요, 일단 무슨 말인지 한눈에 안들어오는데… 해봅시다.
1
2
3
import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/redwine/train.csv")
df.loc[df.quality==8].std()
loc와 조건을 주고 거기에다가 std를 걸어버리면 각 변수의 표준편차를 일괄적으로 구할 수 있습니다. 그렇다면 여기에다가 빼기를 하면 각 표준편차의 차가 그대로 나오겠네요
1
df.loc[df.quality==8].std()-df.loc[df.quality==3].std()
하지만 우리는 제일 큰 차이를 보고 싶습니다. sort_value를 가지고 정렬을 해봅시다.
1
(df.loc[df.quality==8].std()-df.loc[df.quality==3].std()).sort_values()
여기서 제일큰 마지막을 불러와도 되지만 인덱스 슬라이싱을 통해서 불러줍시다.
1
(df.loc[df.quality==8].std()-df.loc[df.quality==3].std()).sort_values().index[-1]
인덱스에서 -1은 마지막을 뜻합니다. 또는 sort_value에다가 ascending=False를 넣어준다면 내림차순으로 정리가 되고 인덱스는 0번으로 반환하는 것도 가능합니다. 작업형 2유형은 데이터 전처리하고 불러오고 저장하는게 반복적이라서 1유형만 쭉 살펴봅시다.
7주차 작업형 1유형
데이터 출처 :[https://www.kaggle.com/prathamtripathi/drug-classification](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
데이터 상위 5개 컬럼
1
2
import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/drug/train.csv")
Q1. 남성들의 연령대별 (10살씩 구분 0~9세 10~19세 …) Na_to_K값의 평균값을 구해서 데이터 프레임으로 표현하여라
한가지씩 해봅시다. 일단 남성열을 뽑아 봅시다.
1
New_df = df[df['Sex']=='M']
그리고 Age를 10살씩 구문하라고 합니다. 어떤 값을 10으로 나눈 몫을 구한다음에 거기에다가 10을 곱해준 새로운 featrue를 만들어 줍시다. 파이썬에서 몫은 “//” 나머지는 “%” 입니다. “/” 는 나누는 것
1
New_df['Age_new'] = (New_df.Age//10*10)
에러가 뜨기는 하는데 일단 진행해보겠습니다. Age_new에서 새로운 항목이 생성되었습니다.
이제 남은 것은 “연령대별 Na_to_K값의 평균값”입니다. 연령대별이라고 했으니 일단 groupby로 묶어야 겠네요
1
New_df.groupby('Age_new').mean()
Age_new로 묶으니 이렇게 새로운 각 평균이 나왔습니다. 여기서 우리에게 필요한 Na_to_K 값만 가져오면 됩니다.
하지만 값을 불러오면 데이터 프레임이 아니라 시리즈로 반환을 합니다.
1
2
pd.DataFrame(New_df.groupby('Age_new').mean()['Na_to_K'])
New_df.groupby('Age_new').mean()['Na_to_K'].to_frame()
이 둘중에 어느 것을 사용하셔도 결과는 똑같이 나옵니다. 편한 것을 사용하시면 됩니다.
데이터 출처 :[https://www.kaggle.com/sid321axn/audit-data](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
데이터 상위 5개 컬럼
1
2
import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/audit/train.csv")
Q1. 데이터의 Risk 값에 따른 score_a와 score_b의 평균값을 구하여라
리스크로 묶은(groupby) 다음에 평균을 내고 score_a와 score_b를 구하면 되겠네요
1
df.groupby('Risk').mean()[['Score_A','Score_B']]
주의하실 것은 대괄호가 한개가 아니라 두개가 들어 갑니다. 밖에 있는 대괄호는 프레임을 뜻하고 안에 있는 대괄호는 컬럼의 리스트라고 이해하시면 편하실 겁니다.
8주차 작업형 1유형
데이터 출처 :[https://www.kaggle.com/kyr7plus/emg-4](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
데이터 상위 5개 컬럼
1
2
import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/muscle/train.csv")
Q1. pose값에 따른 각 motion컬럼의 중간값의 가장 큰 차이를 보이는 motion컬럼은 어디이며 그값은?
진짜 문제 풀면 풀수록 무슨말인지 모르겠네요..?
1
df.groupby('pose').median()
일단 pose로 묶어서 중간값을 쭉 뽑아보았습니다. 그렇다면 문제의도는 아마 pose 0과 pose 1을 비교했을때 차이가 가장 큰 것을 찾나 봅니다. 전치 행렬을 통해서 보기 좋게 합시다. 쉽게 할 수 있습니다 .T를 쓰면 끝입니다.
1
abs(df_2[0] - df_2[1]).sort_values(ascending=False)
54와 62가 되네요
데이터 출처 :[https://www.kaggle.com/mysarahmadbhat/hyundai-used-car-listing](https://www.kaggle.com/mysarahmadbhat/hyundai-used-car-listing(참고, 데이터 수정)
데이터 설명 : 현대 차량가격 분류문제
Data url :https://raw.githubusercontent.com/Datamanim/datarepo/main/hyundai/train.csv
데이터 상위 5개 컬럼 
1
2
import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/hyundai/train.csv")
Q1. 정보(row수)가 가장 많은 상위 3차종의 price값의 각 평균값은?
정보가 많은 상위 차종이라니까 결국 model을 기준으로 value_counts를 보시면 되겠습니다.
상위 3개의 차량은 Tucson, I10, I30이네요 인덱스로 뽑아봅시다.
1
df.model.value_counts().index[:3]
인덱스를 뽑으면 쉽게 나옵니다.
1
df.loc[df.model.isin(df.model.value_counts().index[:3])].groupby('model').mean()['price'].to_frame()
천천히 봅시다 일단 df.loc에다가 조건을 줍시다. model에 isin을 통해서 원하는 값을 뽑온다음, model로 묶고 그 평균을 구하면 각 열의 평균이 나오겠지요 거기서 price를 다시 한번더 가져올 수있겠네요 —
9주차 작업형 1유형
데이터 출처 :[https://www.kaggle.com/pritsheta/diabetes-dataset](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
데이터 상위 5개 컬럼
1
2
import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/diabetes/train.csv")
Q1. Outcome 값에 따른 각 그룹의 각 컬럼의 평균 차이를 구하여라
1
df.groupby('Outcome').mean().diff().iloc[1,:]
Outcome 값을 기준으로 묶은 다음에 평균을 구하고 각 컬럼의 평균 차이를 구한다고 하는데 diff() 함수가 있습니다.
diff()는 계차함수 입니다.
1
2
x = numpy.array([1, 2, 4, 7, 0])
print( numpy.diff(x) )
출력값은 [1, 2, 3, -7]이 됩니다.
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
데이터 상위 5개 컬럼
1
2
import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/nflx/NFLX.csv")
Q1. 매년 5월달의 open가격의 평균값을 데이터 프레임으로 표현하라
일단 5월달의 값을 뽑아 내야겠네요 일단 Date를 형변환을 한다음 5를 뽑으면 되겠네요
1
2
3
df['Date'] = pd.to_datetime(df['Date'])
target = df.groupby(df['Date'].dt.strftime('%Y-%m')).mean()
target.loc[target.index.str.contains('-05')].Open
strftime()는 Date 오브젝트의 형변환을 한것입니다. 월별 데이터만 필요하지 일값은 필요가 없습니다. 그리고 같은 열로 묶을 수 있다면 일일이 더할거 없이 월별로 묶이지요
Comments powered by Disqus.