05.데이터 확인

5. 데이터 확인¶

In [26]:

from IPython.core.display import display, HTML
display(HTML("<style>.container {width:90% !important;}</style>"))

In [1]:

import pandas as pd
df = pd.read_excel('score.xlsx', index_col='지원번호')
df

Out[1]:

	이름	학교	키	국어	영어	수학	과학	사회	SW특기
지원번호
1번	채치수	북산고	197	90	85	100	95	85	Python
2번	정대만	북산고	184	40	35	50	55	25	Java
3번	송태섭	북산고	168	80	75	70	80	75	Javascript
4번	서태웅	북산고	187	40	60	70	75	80	NaN
5번	강백호	북산고	188	15	20	10	35	10	NaN
6번	변덕규	능남고	202	80	100	95	85	80	C
7번	황태산	능남고	188	55	65	45	40	35	PYTHON
8번	윤대협	능남고	190	100	85	90	95	95	C#

DataFrame 확인¶

계산 가능한 데이터에 대해 컬럼별로 데이터이 갯수, 평균, 표준편차, 최소/최대값 등의 정보를 보여줌

In [2]:

 df.describe()

Out[2]:

	키	국어	영어	수학	과학	사회
count	8.000000	8.000000	8.000000	8.000000	8.000000	8.000000
mean	188.000000	62.500000	65.625000	66.250000	70.000000	60.625000
std	9.985704	29.519969	26.917533	30.325614	23.754699	32.120032
min	168.000000	15.000000	20.000000	10.000000	35.000000	10.000000
25%	186.250000	40.000000	53.750000	48.750000	51.250000	32.500000
50%	188.000000	67.500000	70.000000	70.000000	77.500000	77.500000
75%	191.750000	82.500000	85.000000	91.250000	87.500000	81.250000
max	202.000000	100.000000	100.000000	100.000000	95.000000	95.000000

In [3]:

df.info() #컬럼별로 어떤식의 데이터 인지

<class 'pandas.core.frame.DataFrame'>
Index: 8 entries, 1번 to 8번
Data columns (total 9 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   이름      8 non-null      object
 1   학교      8 non-null      object
 2   키       8 non-null      int64 
 3   국어      8 non-null      int64 
 4   영어      8 non-null      int64 
 5   수학      8 non-null      int64 
 6   과학      8 non-null      int64 
 7   사회      8 non-null      int64 
 8   SW특기    6 non-null      object
dtypes: int64(6), object(3)
memory usage: 640.0+ bytes

In [7]:

df.head(5) #처음 5개의 row를 가져옴(기본값 5개)

Out[7]:

	이름	학교	키	국어	영어	수학	과학	사회	SW특기
지원번호
1번	채치수	북산고	197	90	85	100	95	85	Python
2번	정대만	북산고	184	40	35	50	55	25	Java
3번	송태섭	북산고	168	80	75	70	80	75	Javascript
4번	서태웅	북산고	187	40	60	70	75	80	NaN
5번	강백호	북산고	188	15	20	10	35	10	NaN

In [9]:

df.tail(5) #마지막 5개 row가져옴(기본값 5개)

Out[9]:

	이름	학교	키	국어	영어	수학	과학	사회	SW특기
지원번호
4번	서태웅	북산고	187	40	60	70	75	80	NaN
5번	강백호	북산고	188	15	20	10	35	10	NaN
6번	변덕규	능남고	202	80	100	95	85	80	C
7번	황태산	능남고	188	55	65	45	40	35	PYTHON
8번	윤대협	능남고	190	100	85	90	95	95	C#

In [11]:

df.columns

Out[11]:

Index(['이름', '학교', '키', '국어', '영어', '수학', '과학', '사회', 'SW특기'], dtype='object')

In [14]:

df

Out[14]:

	이름	학교	키	국어	영어	수학	과학	사회	SW특기
지원번호
1번	채치수	북산고	197	90	85	100	95	85	Python
2번	정대만	북산고	184	40	35	50	55	25	Java
3번	송태섭	북산고	168	80	75	70	80	75	Javascript
4번	서태웅	북산고	187	40	60	70	75	80	NaN
5번	강백호	북산고	188	15	20	10	35	10	NaN
6번	변덕규	능남고	202	80	100	95	85	80	C
7번	황태산	능남고	188	55	65	45	40	35	PYTHON
8번	윤대협	능남고	190	100	85	90	95	95	C#

In [15]:

df.shape #row, column 개수 확인

Out[15]:

(8, 9)

Series확인¶

In [16]:

df['키'].describe()

Out[16]:

count      8.000000
mean     188.000000
std        9.985704
min      168.000000
25%      186.250000
50%      188.000000
75%      191.750000
max      202.000000
Name: 키, dtype: float64

In [17]:

df['키'].min()

Out[17]:

168

In [18]:

df['키'].max()

Out[18]:

202

In [19]:

df['키'].nlargest(3) #키 큰 사람 순서대로 3명 데이터

Out[19]:

지원번호
6번    202
1번    197
8번    190
Name: 키, dtype: int64

In [20]:

df['키'].mean()

Out[20]:

188.0

In [21]:

df['키'].sum()

Out[21]:

1504

In [23]:

df['SW특기'].count() #유요한 값만 개수 확인

Out[23]:

6

In [24]:

df['학교'].unique() #중복을 제외한 데이터 보여줌

Out[24]:

array(['북산고', '능남고'], dtype=object)

In [25]:

df['학교'].nunique() #중복을 제외하고 몇개의 데이터가 있는지 보여줌

Out[25]:

2

In [ ]:

In [ ]: