빅데이터 분석기사(작업형 1유형)

In [2]:

import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/youtube/youtube.csv", index_col='Unnamed: 0')
df

Out[2]:

	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
...	...	...	...	...	...	...	...	...	...
60394	*풀코스로 먹습니다* 🍗치킨 + 🍕피자 + 🥧디저트	공룡	22	538190	16671	209	3117	UCWf4QKgnTyvmehcRqw-JldQ	2021-10-19
60395	[놀면 뭐하니? 예고] 우린 깐부잖아🦑 놀뭐에 등장한 월드클래스 초대손님!! MBC...	놀면 뭐하니?	24	1607562	14615	258	1141	UCx6jsZ02B4K3SECUrkgPyzg	2021-10-19
60396	먹방 전쟁 : 사랑스러War (feat. 401 정육식당)	김종국 GYM JONG KOOK	17	1125911	26490	263	1915	UCoe-0EVDJnjlSoPK8ygcGwQ	2021-10-19
60397	＂너.. 광수지?＂ 협상에 거짓말부터 던지는 광수 닮은꼴 김연경 선수 [런닝맨|21...	스브스 예능맛집	24	1741773	14994	304	802	UCnx4Fi4cmkLGDiFfZ311wWw	2021-10-19
60398	ENHYPEN (엔하이픈) 'Tamed-Dashed' Official MV	HYBE LABELS	10	13753485	1784532	9737	195461	UC3IZKseVpdzPSBaWxBxundA	2021-10-19

60399 rows × 9 columns

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

In [3]:

ans = df.loc[df['channelId'].isin(df['channelId'].value_counts().head().index),'channelTitle'].unique()
print(list(ans))

['파뿌리', '짤툰', '런닝맨 - 스브스 공식 채널', '엠뚜루마뚜루 : MBC 공식 종합 채널', 'SPOTV']

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

In [4]:

ans = df.loc[df['dislikes'] > df['likes'],'channelTitle'].unique()
print(list(ans))

['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']

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

In [5]:

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

71

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

In [6]:

df['trending_date2'] = pd.to_datetime(df['trending_date2'])
df['trending_date2'].dt.day_name()
ans = df.loc[df['trending_date2'].dt.day_name()=='Sunday'].categoryId.value_counts()
ans.index[0]

Out[6]:

24

In [7]:

df['trending_date2'].dt.day_name().unique()

Out[7]:

array(['Friday', 'Saturday', 'Sunday', 'Monday', 'Tuesday', 'Wednesday',
       'Thursday'], dtype=object)

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

In [8]:

df.pivot_table(index='categoryId', columns=df['trending_date2'].dt.day_name() , aggfunc='size')

Out[8]:

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

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

In [60]:

target = df.loc[df['view_count']!=0]
target['ratio'] = target['comment_count']/target['view_count']
target.sort_values(by='ratio',ascending = False, inplace=True)
print(target.iloc[0,0])

60분 동안 댓글이 달리지 않으면, 영상이 삭제됩니다. (챌린지)

C:\Users\Public\Documents\ESTsoft\CreatorTemp/ipykernel_26476/4169578624.py:2: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  target['ratio'] = target['comment_count']/target['view_count']

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

In [65]:

target['ratio'].value_counts()
target = target.loc[target['ratio']!=0]
target.sort_values(by='ratio', ascending=True, inplace=True)
print(target.iloc[0,0])

Join the BTS #PermissiontoDance Challenge only on YouTube #Shorts

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

In [75]:

target = df.loc[(df['likes']!=0) & (df['dislikes']!=0)]
target['ratio'] = target['dislikes']/target['likes']
target.sort_values(by='ratio', ascending = True, inplace=True)
print(target.iloc[0,0])

[줌터뷰] *최초공개* 사부작즈🐰🐶의 비공식 이름은 아이라인즈? 꿀조합 티키타카 가득한 NCT 127 도영&정우의 줌터뷰

C:\Users\Public\Documents\ESTsoft\CreatorTemp/ipykernel_26476/812080242.py:2: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  target['ratio'] = target['dislikes']/target['likes']

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

In [89]:

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

짤툰

In [120]:

df['channelId'].value_counts() >=20

Out[120]:

UCszFjh7CEfwDb7UUGb4RzCQ     True
UClzB2iZ5jPoTNz0S-QU6Wiw     True
UCtm_QoN2SIxwCE-59shX7Qg     True
UCaKod3X1Tn4c7Ci0iUKcvzQ     True
UCiwQRG2sCcfjKkgxMEdJGPg     True
                            ...  
UCj00eA-Q0lokXCA6JAa_grw    False
UCdtY7-_h-KgBTXHJfTk8wwQ    False
UCESC_GRUe4Z7-OOxk_AWm5Q    False
UCGuE0TrBNIZKfordUwAQe2w    False
UCNh_yWrspnQbZDZijQFyjbw    False
Name: channelId, Length: 1770, dtype: bool

10. 20회(20일)이상 인기동영상 리스트에 포함된 동영상의 숫자는?¶

In [127]:

(df[['title','channelId']].value_counts() >= 20).sum()

Out[127]:

40

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

In [9]:

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(2))
display(video.head(2))

#datatype변경
channel['ct'] = pd.to_datetime(channel['ct'])
video['ct'] = pd.to_datetime(video['ct'])

print(video['videoname'].value_counts())

	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

	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

 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

12. 수집된 각 video의 가장 최신화 된 날짜의 viewcount값을 출력하라¶

In [24]:

target = video.sort_values(by=['ct','videoname'], ascending = True).drop_duplicates('videoname', keep='last')
target

Out[24]:

	videopk	viewcnt	likecnt	dislikecnt	favoritecnt	cmcnt	ct	videoname
3491	c5JQp6xafqc	3180532	41043	1113	0	7674	2021-11-01 15:30:03	공범 EP1
6695	23QQ1ru9YQg	2199328	25566	763	0	9171	2021-11-01 15:30:03	공범 EP2
9263	GygoAk1hDU0	1671294	22719	508	0	12499	2021-11-01 15:30:03	공범 EP3
11543	bK0_3Vbfvs8	1818493	22703	408	0	16949	2021-11-01 15:30:03	공범 EP4
13105	hv7FBjskAu0	1503435	19926	421	0	12434	2021-11-01 15:30:04	공범 EP5
14934	AxGKHmXyuAE	1750222	24494	389	0	13025	2021-11-01 15:30:04	공범 EP6
13660	QUjQbgj5IXM	1630200	29335	400	0	18247	2021-11-01 15:30:05	공범 EP7
15200	yZt-h-KcmUE	1289088	25616	3621	0	31663	2021-11-01 15:30:05	공범 EP8

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

In [46]:

target = channel.loc[channel['ct']> pd.to_datetime('2021-10-03')].sort_values('ct', ascending=True).drop_duplicates('channelname', keep='first')
target[['subcnt','channelname']].reset_index(drop=True)

Out[46]:

	subcnt	channelname
0	922000	논리왕 전기
1	322000	츄정ChuJeong
2	257000	야전삽짱재
3	7520	김농밀의 농밀한 삶
4	55000	와글와글 WagleWagle
5	10100	릴펄 Lilpearl
6	14900	형사!탐정되다
7	215000	조나단
8	1330000	꽈뚜룹
9	54300	Balming Tiger
10	471000	곽토리 kwak tori

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

In [81]:

start = channel.loc[channel['ct'].dt.strftime('%Y-%m-%d %H')=='2021-10-03 03']
end = channel.loc[channel['ct'].dt.strftime('%Y-%m-%d %H')=='2021-11-01 15']

start = start[['channelname','subcnt']]
end = end[['channelname','subcnt']]

target = pd.merge(start, end, on='channelname', how='inner')
target['del'] = target['subcnt_y'] - target['subcnt_x']

#target[['channelname','del']]

Out[81]:

	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

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¶

In [122]:

import datetime
target = video.loc[video['videoname'].str.contains('공범 EP1')].sort_values(by='ct')
#target = [(target.ct.diff(1)>=datetime.timedelta(minutes=20)) |  (target.ct.diff(1)<=datetime.timedelta(minutes=5))]
target.loc[((target['ct'].diff(1)>=datetime.timedelta(minutes=20))==True) | ((target['ct'].diff(1)<=datetime.timedelta(minutes=5))==True)]

Out[122]:

	videopk	viewcnt	likecnt	dislikecnt	favoritecnt	cmcnt	ct	videoname
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
1636	c5JQp6xafqc	2707933	37901	988	0	7410	2021-10-19 18:20:03	공범 EP1

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

In [133]:

target = video.sort_values(by='ct', ascending = True).drop_duplicates('videoname',keep='first')
target['date'] = target['ct'].dt.strftime('%Y-%m-%d')
target[['date','videoname']]

Out[133]:

	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

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

In [152]:

video['time'] = video['ct'].dt.hour
target = video.loc[video['time']==21].sort_values(by='ct', ascending=True).drop_duplicates('videoname', keep='first')
target = target.sort_values(by='viewcnt', ascending=False)[['videoname','viewcnt','ct']].reset_index(drop=True)
target

Out[152]:

	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

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

In [159]:

target = video.sort_values(by='ct', ascending=True).drop_duplicates('videoname', keep='last')
target['ratio'] = target['dislikecnt'] / target['likecnt']
target = target.sort_values(by='ratio', ascending=True)[['videoname','ratio']].reset_index(drop=True)
target

Out[159]:

	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

19. 2021-11-01 00:00:00 ~ 15:00:00까지 각 에피소드별 viewcnt의 증가량을 데이터 프레임으로 만드시오¶

In [175]:

target = video.loc[(video['ct']>=pd.to_datetime('2021-11-01 00')) & (video['ct']<= pd.to_datetime('2021-11-01 15'))]
target = target.sort_values(by='ct', ascending = True)
start = target.drop_duplicates('videoname', keep='first')[['videoname','viewcnt']]
end = target.drop_duplicates('videoname', keep='last')[['videoname','viewcnt']]
#display(start)
#display(end)
target = pd.merge(start,end,on='videoname',how='inner')
target['viewcnt'] = target['viewcnt_y'] - target['viewcnt_x']
target = target[['videoname','viewcnt']].set_index('videoname')
target

Out[175]:

	viewcnt
videoname
공범 EP1	13298
공범 EP2	10300
공범 EP3	9927
공범 EP6	14141
공범 EP4	9824
공범 EP5	10824
공범 EP8	89147
공범 EP7	26949

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

In [179]:

target = video.loc[video.index.isin(set(video.index)-set(video.drop_duplicates().index))]
target[['videoname','ct']]

Out[179]:

	videoname	ct
722	공범 EP1	2021-10-13 09:41:37
3927	공범 EP2	2021-10-13 09:41:37

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

In [191]:

import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/worldcup/worldcupgoals.csv')
df.head()

target = df.groupby('Country').sum().sort_values('Goals', ascending=False).head(5)
target

Out[191]:

	Goals
Country
Brazil	228
Germany	226
Argentina	135
Italy	123
France	115

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

In [208]:

target = df.groupby('Country').size().sort_values(ascending=False).head(5)
target

Out[208]:

Country
Brazil       81
Germany      78
Italy        60
Argentina    59
France       58
dtype: int64

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

In [217]:

def solution(x):
    str_list = x.split('-')
    for i in str_list:
        if len(i) != 4:
            return True
        else:
            return False
        
df['check'] = df['Years'].apply(solution)
target = len(df.loc[df['check']== True])
target

Out[217]:

45

24. Q3에서 발생한 예외 케이스를 제외한 데이터프레임을 df2라고 정의하고 데이터의 행의 숫자를 출력하라¶

In [221]:

df2 = df.loc[df['check']==False]
len(df2)

Out[221]:

1250

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

In [233]:

df2['yearList'] = df2['Years'].str.split('-')
df2['LenCup'] = df2['yearList'].str.len()
#target = df2.loc[df2['LenCup']==4]
#print(len(target))
df2

C:\Users\Public\Documents\ESTsoft\CreatorTemp/ipykernel_31380/79792409.py:1: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  df2['yearList'] = df2['Years'].str.split('-')
C:\Users\Public\Documents\ESTsoft\CreatorTemp/ipykernel_31380/79792409.py:2: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  df2['LenCup'] = df2['yearList'].str.len()

Out[233]:

	Player	Goals	Years	Country	check	LenCup	yearList
0	Miroslav Klose	16	2002-2006-2010-2014	Germany	False	4	[2002, 2006, 2010, 2014]
1	Ronaldo	15	1998-2002-2006	Brazil	False	3	[1998, 2002, 2006]
2	Gerd Muller	14	1970-1974	Germany	False	2	[1970, 1974]
3	Just Fontaine	13	1958	France	False	1	[1958]
4	Pele	12	1958-1962-1966-1970	Brazil	False	4	[1958, 1962, 1966, 1970]
...	...	...	...	...	...	...	...
1290	Josip Skoblar	1	1962	Yugoslavia	False	1	[1962]
1291	Safet Susic	1	1982-1990	Yugoslavia	False	2	[1982, 1990]
1292	Aleksandar Tirnanic	1	1930	Yugoslavia	False	1	[1930]
1293	Djordje Vujadinovic	1	1930	Yugoslavia	False	1	[1930]
1294	Branko Zebec	1	1954-1958	Yugoslavia	False	2	[1954, 1958]

1250 rows × 7 columns

26. Yugoslavia 국가의 월드컵 출전횟수가 2회인 선수들의 숫자를 구하여라¶

In [237]:

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

7

27. 2002년도에 출전한 전체 선수는 몇명인가?¶

In [248]:

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

156

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

In [262]:

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

13

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

In [268]:

target = df2.loc[df2['LenCup']==1].sort_values(by='Goals', ascending=False)
print(target.loc[3,'Player'])

Just Fontaine

30. 월드컵 출전횟수가 1회 뿐인 선수들이 가장 많은 국가는 어디인가?¶

In [278]:

target = df2.loc[df2['LenCup']==1].Country.value_counts().index[0]
target

Out[278]:

'Brazil'

In [269]:

df2

Out[269]:

	Player	Goals	Years	Country	check	LenCup	yearList
0	Miroslav Klose	16	2002-2006-2010-2014	Germany	False	4	[2002, 2006, 2010, 2014]
1	Ronaldo	15	1998-2002-2006	Brazil	False	3	[1998, 2002, 2006]
2	Gerd Muller	14	1970-1974	Germany	False	2	[1970, 1974]
3	Just Fontaine	13	1958	France	False	1	[1958]
4	Pele	12	1958-1962-1966-1970	Brazil	False	4	[1958, 1962, 1966, 1970]
...	...	...	...	...	...	...	...
1290	Josip Skoblar	1	1962	Yugoslavia	False	1	[1962]
1291	Safet Susic	1	1982-1990	Yugoslavia	False	2	[1982, 1990]
1292	Aleksandar Tirnanic	1	1930	Yugoslavia	False	1	[1930]
1293	Djordje Vujadinovic	1	1930	Yugoslavia	False	1	[1930]
1294	Branko Zebec	1	1954-1958	Yugoslavia	False	2	[1954, 1958]

1250 rows × 7 columns

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

In [123]:

import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/bicycle/seoul_bi.csv')
df.head()

Out[123]:

	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

In [2]:

target = df.groupby('대여일자').size().sort_values(ascending=False)
print(target.index[0])

2021-06-04

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

In [3]:

df['대여일자'] = pd.to_datetime(df['대여일자'])
df['day_name'] = df['대여일자'].dt.day_name()
target = df.groupby('day_name').size()
target = target.to_frame().sort_values(by=0, ascending=False)
target.rename(columns={0: 'count'}, inplace=True)
target

Out[3]:

	count
day_name
Wednesday	110607
Friday	108877
Monday	107568
Tuesday	103704
Saturday	101299
Sunday	90918
Thursday	55977

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

In [4]:

target = df.groupby(['day_name','대여소번호']).size().to_frame('size').reset_index()
target.sort_values(by='size', ascending=False, inplace = True)
target= target.drop_duplicates('day_name', keep='first').reset_index(drop=True)
target

Out[4]:

	day_name	대여소번호	size
0	Saturday	502	378
1	Sunday	502	372
2	Wednesday	502	282
3	Friday	502	277
4	Tuesday	502	267
5	Monday	502	242
6	Thursday	2715	137

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

In [5]:

target = df[['연령대코드','대여구분코드']].groupby('연령대코드').size().to_frame('total_count').reset_index()
target

target1 = df.loc[df['대여구분코드'].isin(['일일권','일일권(비회원)'])].groupby('연령대코드').size().to_frame('count').reset_index()
target1

end_target = pd.merge(target, target1, on='연령대코드', how='inner')
end_target['ratio'] = end_target['count']/end_target['total_count']
end_target.sort_values(by='ratio', ascending=False, inplace=True)
print(end_target.loc[6,'연령대코드'])

~10대

35. 연령대별 평균 이동거리를 구하여라¶

In [6]:

target = df[['연령대코드','이동거리']].groupby('연령대코드').mean()
target

Out[6]:

	이동거리
연령대코드
20대	3211.890552
30대	3341.443859
40대	3514.857416
50대	3593.668100
60대	3538.145737
70대~	3085.039641
~10대	2634.426279

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¶

In [43]:

target = df.loc[df['연령대코드']== '20대']
target = target.loc[target['이동거리'] >= target['이동거리'].mean()]
target.sort_values(by=['대여일자','대여소번호'], ascending=False, inplace=True)
target = target.iloc[0:200]
target['탄소량'] = target['탄소량'].astype('float')
print(round(target['탄소량'].mean(),3))

1.613

37. 6월 7일 ~10대의 “이용건수”의 중앙값은?¶

중앙값은 median() 으로 구함¶

In [50]:

target = df.loc[(df['대여일자']=='2021-06-07') & (df['연령대코드']=='~10대')]
print(target['이용건수'].median())

1.0

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¶

In [92]:

target = df.loc[(df['day_name'].isin(['Monday','Tuesday','Wednesday','Thursday','Friday'])) & (df['대여시간'].isin([6,7,8]))]
target = target.groupby(['대여시간','대여소번호']).size().to_frame('이용횟수')
target = target.sort_values(['대여시간','이용횟수'], ascending=False).groupby('대여시간').head(3)
target

Out[92]:

		이용횟수
대여시간	대여소번호
8	2701	119
	646	115
	1152	92
7	259	104
	230	77
	726	77
6	2744	45
	1125	40
	1028	36

39. 이동거리의 평균 이상의 이동거리 값을 가지는 데이터를 추출하여 추출데이터의 이동거리의 표본표준편차 값을 구하여라¶

In [101]:

target = df.loc[df['이동거리'] >= df['이동거리'].mean()]
print(target['이동거리'].std())

5092.139707505305

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

In [124]:

df['sex'] = df['성별'].map(lambda x : '남' if ((x=='M') | (x=='m')) else '여')
target = df[['sex','이동거리']].groupby('sex').mean()
target

Out[124]:

	이동거리
sex
남	3209.110871
여	3468.575025

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

In [220]:

import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/happy2/happiness.csv', encoding='utf')
df

Out[220]:

	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
...	...	...	...	...	...	...	...	...	...	...
307	152	Yemen	3.355	0.442	1.073	0.343	0.244	0.083	0.064	2018
308	153	Tanzania	3.303	0.455	0.991	0.381	0.481	0.270	0.097	2018
309	154	South Sudan	3.254	0.337	0.608	0.177	0.112	0.224	0.106	2018
310	155	Central African Republic	3.083	0.024	0.000	0.010	0.305	0.218	0.038	2018
311	156	Burundi	2.905	0.091	0.627	0.145	0.065	0.149	0.076	2018

312 rows × 10 columns

In [221]:

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

7.259

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

In [222]:

target = df.loc[df['행복랭킹']<=50]
target = target[['년도','점수']].groupby('년도').mean()
target

Out[222]:

	점수
년도
2018	6.64678
2019	6.67002

43. 2018년도 데이터들만 추출하여 행복점수와 부패에 대한 인식에 대한 상관계수를 구하여라¶

In [223]:

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

0.40529152271510027

44. 2018년도와 2019년도의 행복랭킹이 변화하지 않은 나라명의 수를 구하여라¶

In [224]:

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

Out[224]:

15

45. 2019년도 데이터들만 추출하여 각변수간 상관계수를 구하고 내림차순으로 정렬한 후 상위 5개를 데이터 프레임으로 출력하라. 컬럼명은 v1,v2,corr으로 표시하라¶

In [225]:

target = df.loc[df['년도']==2019].corr().unstack().to_frame().reset_index().dropna()
target = target.loc[target[0]!=1].sort_values(by=0, ascending=False).drop_duplicates(0)
target.columns = ['v1','v2','corr']
target.head(5)

Out[225]:

	v1	v2	corr
38	행복기대치	상대GDP	0.835462
19	상대GDP	점수	0.793883
37	행복기대치	점수	0.779883
28	사회적지원	점수	0.777058
29	사회적지원	상대GDP	0.754906

46. 각 년도별 하위 행복점수의 하위 5개 국가의 평균 행복점수를 구하여라¶

In [226]:

target = df[['년도','점수']].sort_values(by=['년도','점수'], ascending = True).groupby('년도').head(5)
target = target.groupby('년도').mean()
target

Out[226]:

	점수
년도
2018	3.1800
2019	3.1408

47. 2019년 데이터를 추출하고 해당데이터의 상대 GDP 평균 이상의 나라들과 평균 이하의 나라들의 행복점수 평균을 각각 구하고 그 차이값을 출력하라¶

In [227]:

target = df.loc[df['년도']==2019]
target

avg_up = target.loc[target['상대GDP']>=target['상대GDP'].mean()]
avg_down = target.loc[target['상대GDP']<=target['상대GDP'].mean()]
avg_up_score = avg_up['점수'].mean()
avg_down_score = avg_down['점수'].mean()

print(avg_up_score)
print(avg_down_score)
print(avg_up_score-avg_down_score)

6.013204545454547
4.6227205882352935
1.3904839572192538

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

In [233]:

target = df[['년도','부패에 대한인식']].sort_values(by=['년도','부패에 대한인식'], ascending=False).groupby('년도').head(20)
target = target.groupby('년도').mean()
target

Out[233]:

	부패에 대한인식
년도
2018	0.3267
2019	0.3201

In [229]:

df

Out[229]:

	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
...	...	...	...	...	...	...	...	...	...	...
307	152	Yemen	3.355	0.442	1.073	0.343	0.244	0.083	0.064	2018
308	153	Tanzania	3.303	0.455	0.991	0.381	0.481	0.270	0.097	2018
309	154	South Sudan	3.254	0.337	0.608	0.177	0.112	0.224	0.106	2018
310	155	Central African Republic	3.083	0.024	0.000	0.010	0.305	0.218	0.038	2018
311	156	Burundi	2.905	0.091	0.627	0.145	0.065	0.149	0.076	2018

312 rows × 10 columns

49. 2018년도 행복랭킹 50위 이내에 포함됐다가 2019년 50위 밖으로 밀려난 국가의 숫자를 구하여라¶

In [261]:

target_2018 = set(df.loc[(df['년도']==2018)&(df['행복랭킹']<=50)]['나라명'])
target_2019 = set(df.loc[(df['년도']==2019)&(df['행복랭킹']<=50)]['나라명'])
target = target_2018 - target_2019
print(len(target))

4

50. 2018년,2019년 모두 기록이 있는 나라들 중 년도별 행복점수가 가장 증가한 나라와 그 증가 수치는?¶

In [403]:

target = df['나라명'].value_counts()
list = target.loc[target==2].index
target = df.loc[df['나라명'].isin(list)]
target_18 = target.loc[target['년도']==2018][['나라명','점수']]
target_19 = target.loc[target['년도']==2019][['나라명','점수']]
target_18['점수'] = target_18['점수'].map(lambda x: -x)
#display(target_18)
#display(target_19)

target = pd.merge(target_19, target_18, on='나라명')
target['점수'] = target['점수_x'] + target['점수_y']
target.sort_values(by='점수', ascending = False, inplace=True)
print(target.loc[140,['나라명','점수']])

나라명    Burundi
점수        0.87
Name: 140, dtype: object

51. DateTime컬럼을 통해 각 월별로 몇개의 데이터가 있는지 데이터 프레임으로 구하여라¶

In [492]:

import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/consum/Tetuan%20City%20power%20consumption.csv')

df['DateTime'] = pd.to_datetime(df['DateTime'])
target = df.groupby(df['DateTime'].dt.month).size().to_frame('count')
target

Out[492]:

	count
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

52. 3월달의 각 시간대별 온도의 평균들 중 가장 낮은 시간대의 온도를 출력하라¶

In [493]:

target = df.loc[df['DateTime'].dt.month==3]
target = target.groupby(target['DateTime'].dt.hour).mean()
target = target.sort_values(by='Temperature', ascending=True)
print(target.loc[7,'Temperature'])

11.506612903225806

53. 3월달의 각 시간대별 온도의 평균들 중 가장 높은 시간대의 온도를 출력하라¶

In [494]:

target = df.loc[df['DateTime'].dt.month==3]
target = target.groupby(target['DateTime'].dt.hour).mean()
target = target.sort_values(by='Temperature', ascending=False)
print(target.loc[15,'Temperature'])

18.393602150537635

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

In [495]:

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

68.23624448055094

55. 각 zone의 에너지 소비량의 상관관계를 구해서 데이터 프레임으로 표기하라¶

In [496]:

target = df[['Zone 1 Power Consumption','Zone 2  Power Consumption','Zone 3  Power Consumption']]
target.corr()

Out[496]:

	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

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

In [497]:

target = df.copy()
target['Temperature'] = target['Temperature'].map(lambda x: 'A' if x < 10 else 'B' if 10 <= x < 20 else 'C' if 20 <= x < 30 else 'D')
target['Temperature'].value_counts()

Out[497]:

B    26993
C    21105
A     2874
D     1444
Name: Temperature, dtype: int64

57. 6월 데이터중 12시의 Temperature의 표준편차를 구하여라¶

In [500]:

import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/consum/Tetuan%20City%20power%20consumption.csv')

df['DateTime'] = pd.to_datetime(df['DateTime'])

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

2.049941782795103

58. 6월 데이터중 12시의 Temperature의 분산을 구하여라¶

In [507]:

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

4.202261312849164

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

In [512]:

target = df.loc[df['Temperature']>=df['Temperature'].mean()].sort_values(by='Temperature', ascending=True)
print(prtarget['Humidity'].values[3])

Out[512]:

87.9

60. Temperature의 중간값 이상의 Temperature의 값을 가지는 데이터를Temperature를 기준으로 정렬 했을때 4번째 행의 Humidity 값은?¶

In [516]:

target = df.loc[df['Temperature']>=df['Temperature'].median()].sort_values(by='Temperature', ascending=True)
print(target['Humidity'].values[3])

80.3

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

In [12]:

#데이터 불러오기
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/pok/Pokemon.csv')
df

leg = df.loc[df['Legendary']==True]
no_leg = df.loc[df['Legendary']==False]
print(leg['HP'].mean() - no_leg['HP'].mean())

25.55614861329147

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

In [13]:

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

Flying

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

In [14]:

df['Type 1'].value_counts()
target = df.loc[df['Type 1']=='Water']
print(target['Attack'].mean()/target['Defense'].mean())

1.0165238678090576

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

In [15]:

target = df.loc[df['Legendary']==True].Generation.value_counts().index[0]
target

Out[15]:

3

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

In [16]:

target = df[['HP','Attack','Defense','Sp. Atk','Sp. Def','Speed']].corr().unstack().reset_index(drop=False).rename(columns={0:'corr'})
target = target.loc[target['corr']!=1].sort_values(by='corr', ascending=False).drop_duplicates('corr', keep='first')
target.iloc[0,:]

Out[16]:

level_0     Sp. Def
level_1     Defense
corr       0.510747
Name: 26, dtype: object

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

In [17]:

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

Out[17]:

19.5

67. 각 Generation의 Attack으로 내림차순 정렬시 상위 5개 데이터들(30개)의 Attack의 전체 평균을 구하여라¶

In [18]:

target = df[['Generation','Attack']].sort_values(by=['Generation','Attack'], ascending=False)
target = target.groupby('Generation').head(5)
print(target['Attack'].mean())

157.23333333333332

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

In [19]:

target = df[['Type 1','Type 2']].value_counts().to_frame('count').reset_index(drop=False)
print(target.iloc[0,:])
target

Type 1    Normal
Type 2    Flying
count         24
Name: 0, dtype: object

Out[19]:

	Type 1	Type 2	count
0	Normal	Flying	24
1	Grass	Poison	15
2	Bug	Flying	14
3	Bug	Poison	12
4	Ghost	Grass	10
...	...	...	...
131	Fire	Rock	1
132	Ice	Ghost	1
133	Fire	Dragon	1
134	Fighting	Flying	1
135	Water	Steel	1

136 rows × 3 columns

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

In [20]:

target = df[['Type 1','Type 2']].value_counts().to_frame('count').reset_index(drop=False)
target = target.loc[target['count']==1]
print(len(target))

39

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

In [21]:

target = df[['Type 1','Type 2']].value_counts().to_frame('count').reset_index(drop=False)
target = target.loc[target['count']==1]
target
a = target[['Type 1','Type 2']].values
list = []
for i in a:
    sp = df.loc[(df['Type 1']==i[0]) & (df['Type 2']==i[1])]
    list.append(sp)

#print(list)
target_df = pd.concat(list).drop(columns='#')
target_df['Generation'].value_counts().sort_index()

Out[21]:

1     1
2     4
3     5
4    13
5     7
6     9
Name: Generation, dtype: int64

71. 전체데이터의 수축기혈압(최고) - 이완기혈압(최저)의 평균을 구하여라¶

In [26]:

import pandas as pd
df= pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/body/body.csv')
display(df)
target = (df['수축기혈압(최고) : mmHg'] - df['이완기혈압(최저) : mmHg']).mean()
target

	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
...	...	...	...	...	...	...	...	...	...	...	...	...
13391	61.0	M	167.0	65.8	22.2	71.0	130.0	33.7	14.5	37.0	182.0	C
13392	25.0	M	170.7	64.2	22.4	57.0	121.0	32.5	11.8	48.0	196.0	C
13393	47.0	M	166.2	77.5	22.8	84.0	133.0	52.4	11.9	45.0	220.0	B
13394	29.0	M	175.4	74.4	16.1	77.0	124.0	58.4	23.5	48.0	245.0	B
13395	28.0	M	173.8	78.5	17.3	88.0	119.0	50.1	19.9	57.0	237.0	A

13396 rows × 12 columns

Out[26]:

52.19539414750672

72. 50~59세의 신장평균을 구하여라¶

In [23]:

target = df.loc[(df['측정나이']>=50) & (df['측정나이']<=59)]
target['신장 : cm'].mean()

Out[23]:

164.07490107405295

In [24]:

df

Out[24]:

	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
...	...	...	...	...	...	...	...	...	...	...	...	...
13391	61.0	M	167.0	65.8	22.2	71.0	130.0	33.7	14.5	37.0	182.0	C
13392	25.0	M	170.7	64.2	22.4	57.0	121.0	32.5	11.8	48.0	196.0	C
13393	47.0	M	166.2	77.5	22.8	84.0	133.0	52.4	11.9	45.0	220.0	B
13394	29.0	M	175.4	74.4	16.1	77.0	124.0	58.4	23.5	48.0	245.0	B
13395	28.0	M	173.8	78.5	17.3	88.0	119.0	50.1	19.9	57.0	237.0	A

13396 rows × 12 columns

73. 연령대 (20~29 : 20대 …) 별 인원수를 구하여라¶

In [35]:

def solution(x):
    if 20<=x<=29:
        return '20대'
    elif 30<=x<=39:
        return '30대'
    elif 40<=x<=49:
        return '40대'
    elif 50<=x<=59:
        return '50대'
    else:
        return '60대'

df['연령대'] = df['측정나이'].apply(solution)
target = df['연령대'].value_counts()
target

Out[35]:

20대    5831
30대    2660
40대    1801
50대    1769
60대    1335
Name: 연령대, dtype: int64

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

In [41]:

target = df.groupby(['연령대','등급']).size().to_frame('count').reset_index(drop=False)
target

Out[41]:

	연령대	등급	count
0	20대	A	1585
1	20대	B	1443
2	20대	C	1455
3	20대	D	1348
4	30대	A	743
5	30대	B	697
6	30대	C	626
7	30대	D	594
8	40대	A	386
9	40대	B	428
10	40대	C	455
11	40대	D	532
12	50대	A	321
13	50대	B	410
14	50대	C	474
15	50대	D	564
16	60대	A	314
17	60대	B	371
18	60대	C	339
19	60대	D	311

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

In [52]:

target_A = df.loc[(df['측정회원성별']=='M') & (df['등급']=='A')]
display(target_A.head())

target_D = df.loc[(df['측정회원성별']=='M') & (df['등급']=='D')]
display(target_D.head())

print(target_D['체지방율 : %'].mean() - target_A['체지방율 : %'].mean())

	측정나이	측정회원성별	신장 : cm	체중 : kg	체지방율 : %	이완기혈압(최저) : mmHg	수축기혈압(최고) : mmHg	악력D : kg	앉아윗몸앞으로굽히기 : cm	교차윗몸일으키기 : 회	제자리 멀리뛰기 : cm	등급	연령대
3	38.0	M	167.6	76.70	24.7	63.0	132.0	43.6	16.0	45.0	231.0	A	30대
23	49.0	M	166.4	66.60	21.5	67.0	117.0	40.5	21.3	53.0	215.0	A	40대
30	28.0	M	167.8	65.18	19.0	82.0	140.0	47.6	20.6	67.0	235.0	A	20대
32	29.0	M	182.4	91.30	19.9	91.0	159.0	60.0	25.5	51.0	215.0	A	20대
45	26.0	M	169.4	68.50	12.7	85.0	128.0	45.7	20.0	63.0	250.0	A	20대

	측정나이	측정회원성별	신장 : cm	체중 : kg	체지방율 : %	이완기혈압(최저) : mmHg	수축기혈압(최고) : mmHg	악력D : kg	앉아윗몸앞으로굽히기 : cm	교차윗몸일으키기 : 회	제자리 멀리뛰기 : cm	등급	연령대
7	33.0	M	173.4	76.90	25.5	74.0	116.0	45.6	6.0	33.0	226.0	D	30대
10	39.0	M	171.0	80.20	27.9	83.0	120.0	38.9	4.2	44.0	183.0	D	30대
11	60.0	M	166.4	70.80	25.6	92.0	154.0	35.6	11.7	38.0	193.0	D	60대
12	21.0	M	172.9	72.50	21.7	66.0	128.0	47.9	7.9	41.0	208.0	D	20대
13	27.0	M	181.4	88.74	26.1	75.0	131.0	40.9	11.0	56.0	195.0	D	20대

7.932086486137457

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

In [59]:

target_A = df.loc[(df['측정회원성별']=='F') & (df['등급']=='A')]
target_D = df.loc[(df['측정회원성별']=='F') & (df['등급']=='D')]

print(target_D['체중 : kg'].mean() - target_A['체중 : kg'].mean())

5.176211590296511

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

In [68]:

df['bmi'] = df['체중 : kg'] / (df['신장 : cm']/100)**2
target = df.loc[df['측정회원성별']=='M']
target['bmi'].mean()

Out[68]:

24.461344098193027

78. bmi보다 체지방율이 높은 사람들의 체중평균을 구하여라¶

In [71]:

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

Out[71]:

61.740880639254314

79. 남성과 여성의 악력 평균의 차이를 구하여라¶

In [74]:

target_m = df.loc[df['측정회원성별']=='M']['악력D : kg'].mean()
target_f = df.loc[df['측정회원성별']=='F']['악력D : kg'].mean()

print(target_m - target_f)

17.559541850474677

80. 남성과 여성의 교차윗몸일으키기 횟수의 평균의 차이를 구하여라¶

In [77]:

target_M = df.loc[df['측정회원성별']=='M']['교차윗몸일으키기 : 회'].mean()
target_F = df.loc[df['측정회원성별']=='F']['교차윗몸일으키기 : 회'].mean()
print(target_M-target_F)

14.243156833157634

In [69]:

df

Out[69]:

	측정나이	측정회원성별	신장 : cm	체중 : kg	체지방율 : %	이완기혈압(최저) : mmHg	수축기혈압(최고) : mmHg	악력D : kg	앉아윗몸앞으로굽히기 : cm	교차윗몸일으키기 : 회	제자리 멀리뛰기 : cm	등급	연령대	bmi
0	59.0	M	175.0	70.6	19.2	91.0	150.0	40.6	12.2	30.0	179.0	C	50대	23.053061
1	40.0	F	161.4	45.8	21.7	62.0	119.0	22.1	16.0	32.0	165.0	B	40대	17.581601
2	27.0	M	176.6	84.8	19.2	87.0	153.0	45.9	13.2	61.0	216.0	B	20대	27.190328
3	38.0	M	167.6	76.7	24.7	63.0	132.0	43.6	16.0	45.0	231.0	A	30대	27.305324
4	21.0	M	165.2	66.2	21.5	83.0	106.0	33.5	10.6	46.0	198.0	C	20대	24.257046
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
13391	61.0	M	167.0	65.8	22.2	71.0	130.0	33.7	14.5	37.0	182.0	C	60대	23.593531
13392	25.0	M	170.7	64.2	22.4	57.0	121.0	32.5	11.8	48.0	196.0	C	20대	22.032713
13393	47.0	M	166.2	77.5	22.8	84.0	133.0	52.4	11.9	45.0	220.0	B	40대	28.056899
13394	29.0	M	175.4	74.4	16.1	77.0	124.0	58.4	23.5	48.0	245.0	B	20대	24.183199
13395	28.0	M	173.8	78.5	17.3	88.0	119.0	50.1	19.9	57.0	237.0	A	20대	25.987836

13396 rows × 14 columns

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

In [89]:

import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/weather/weather2.csv')
display(df)

df['time'] = pd.to_datetime(df['time'])
target = df.loc[(df['time'].dt.month.isin([6,7,8])) & (df['이화동기온'] > df['수영동기온'])]
print(len(target['time']))

	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
...	...	...	...	...	...
8779	2020-12-31 19:00:00	0.0	-9.5	0.0	-4.5
8780	2020-12-31 20:00:00	0.0	-9.5	0.0	-5.0
8781	2020-12-31 21:00:00	0.0	-9.3	0.0	-6.5
8782	2020-12-31 22:00:00	0.0	-9.2	0.0	-4.6
8783	2020-12-31 23:00:00	0.0	-7.8	0.0	-0.2

8784 rows × 5 columns

1415

82. 이화동과 수영동의 최대강수량의 시간대를 각각 구하여라¶

In [98]:

target_e_max = df.loc[df['이화동강수'] == df['이화동강수'].max()]
#target_e_max
target_s_max = df.loc[df['수영동강수'] == df['수영동강수'].max()]
#target_s_max
print(target_e_max['time'].values, target_s_max['time'].values)

['2020-09-30T09:00:00.000000000'] ['2020-07-23T12:00:00.000000000']

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

In [22]:

import pandas as pd
#서비스 이탈 예측 데이터
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/churn/train.csv')
display(df.head())

target = df.loc[(df['Exited'] == 1) & (df['Gender']=='Male')]['Geography'].value_counts()
target.head(1)

	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

Out[22]:

Germany    287
Name: Geography, dtype: int64

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

In [23]:

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

39.6102

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

In [24]:

target = df.loc[df['Balance']>= df['Balance'].median()]['CreditScore'].std()
print(round(target,3))

97.295

In [25]:

df.head()

Out[25]:

	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

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

In [26]:

# 데이터 설명 : 2018년도 성인의 건강검 진데이터 (흡연상태 1- 흡연, 0-비흡연 )
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/smoke/train.csv')
df['혈압차'] = df['수축기혈압'] - df['이완기혈압']
target = df.groupby('연령대코드(5세단위)')['혈압차'].agg(['std']).sort_values(by='std', ascending=False)
print(target.index[4])

60

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

In [27]:

df['WHtR'] = df['허리둘레'] / df['신장(5Cm단위)']
target_m = df.loc[(df['성별코드']=='M') & (df['WHtR']>=0.58)]
target_f = df.loc[(df['성별코드']=='F') & (df['WHtR']>=0.58)]
print(len(target_m) / len(target_f))

1.1693877551020408

In [28]:

df.head()

Out[28]:

	성별코드	연령대코드(5세단위)	신장(5Cm단위)	체중(5Kg단위)	허리둘레	시력(좌)	시력(우)	청력(좌)	청력(우)	수축기혈압	...	혈청크레아티닌	(혈청지오티)AST	(혈청지오티)ALT	감마지티피	흡연상태	구강검진수검여부	치아우식증유무	치석	혈압차	WHtR
0	F	55	145	55	73.0	0.7	0.5	1.0	1.0	129.0	...	0.9	172.0	209.0	15.0	0	Y	0.0	Y	45.0	0.503448
1	M	40	180	55	74.0	1.5	1.5	1.0	1.0	102.0	...	0.8	30.0	19.0	23.0	1	Y	0.0	Y	32.0	0.411111
2	F	55	150	50	72.0	1.0	0.2	1.0	1.0	116.0	...	1.0	31.0	19.0	10.0	0	Y	0.0	N	44.0	0.480000
3	M	40	170	85	89.0	1.0	0.8	1.0	1.0	124.0	...	1.0	26.0	38.0	108.0	1	Y	1.0	Y	44.0	0.523529
4	F	40	155	45	62.0	0.5	1.0	1.0	1.0	127.0	...	0.7	20.0	11.0	13.0	0	Y	0.0	N	42.0	0.400000

5 rows × 28 columns

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

In [40]:

#데이터 설명 : 자동차 보험 가입 예측
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/insurance/train.csv')
target = df.loc[(df['Vehicle_Age']=='> 2 Years') & (df['Annual_Premium']>=df['Annual_Premium'].median())]
print(target['Vintage'].mean())

154.43647182359118

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

In [46]:

target = df.groupby(['Vehicle_Age','Gender']).Annual_Premium.mean().unstack()
target

Out[46]:

Gender	Female	Male
Vehicle_Age
1-2 Year	30762.245001	30413.088469
< 1 Year	29972.286702	30310.982212
> 2 Years	36108.366374	35303.870627

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

In [62]:

#데이터 설명 : 핸드폰 가격예측 (price_range컬럼 0(저렴) ~3(매우비쌈) 범위 )
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/mobile/train.csv')
df.columns

target = df.groupby(['price_range','n_cores']).size().to_frame('count').reset_index(drop=False).sort_values(by=['price_range','count'], ascending=False)
target.groupby('price_range').head(1).sort_values(by='count', ascending=True)

Out[62]:

	price_range	n_cores	count
1	0	2	69
28	3	5	70
19	2	4	73
8	1	1	76

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

In [86]:

target = df.loc[df['price_range']==3]
target = target.corr().unstack().to_frame('corr').dropna().reset_index(drop=False)
target = target.loc[target['corr'] != 1]
target['corr'] = abs(target['corr'])
target = target.sort_values(by='corr', ascending=False).reset_index(drop=True)
target.iloc[1,:]

Out[86]:

level_0          pc
level_1          fc
corr       0.635166
Name: 1, dtype: object

In [88]:

df.head()

Out[88]:

	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

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

In [131]:

#데이터 설명 : 비행탑승 경험 만족도 (satisfaction 컬럼 : ‘neutral or dissatisfied’ or satisfied ) (83123, 24) shape
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/airline/train.csv')
df.head()
target = df.loc[df['Arrival Delay in Minutes'].isnull()].groupby(['Class','satisfaction']).size().to_frame('size').unstack()
target = target.loc[(target[('size','neutral or dissatisfied')]) < (target[('size','satisfied')])]
target

Out[131]:

	size
satisfaction	neutral or dissatisfied	satisfied
Class
Business	36	76

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

In [146]:

#데이터 설명 : 수질 음용성 여부 (Potablillity 컬럼 : 0 ,1 )
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/waters/train.csv')
display(df.head())
target = df['ph'].dropna().loc[df['ph'] <= df['ph'].quantile(0.25)].mean()
target

	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

Out[146]:

5.057093462441732

94. 흡연자와 비흡연자 각각 charges의 상위 10% 그룹의 평균의 차이는?¶

In [160]:

import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/MedicalCost/train.csv')
display(df.head())
target_smoker = df.loc[df['smoker']=='yes']
target_nosmoker = df.loc[df['smoker']=='no']
target_smoker = target_smoker.loc[target_smoker['charges']>=target_smoker['charges'].quantile(0.90)]
target_nosmoker = target_nosmoker.loc[target_nosmoker['charges']>=target_nosmoker['charges'].quantile(0.90)]
print(target_smoker['charges'].mean()-target_nosmoker['charges'].mean())

	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

29297.954548156158

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

In [165]:

import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/kingcountyprice//train.csv')
display(df.head())
target = df.loc[df['bedrooms']==df['bedrooms'].value_counts().index[0]]
print(target['price'].quantile(0.90) - target['price'].quantile(0.10))

	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

505500.0

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)¶

In [188]:

#데이터 설명 : 대학원 입학 가능성 예측
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/admission/train.csv')
df.drop(columns = 'Serial No.', inplace=True)
display(df)

from sklearn.ensemble import RandomForestRegressor

x = df.drop(columns = 'Chance of Admit')
y = df['Chance of Admit']

RFR = RandomForestRegressor()
RFR.fit(x,y)

print(RFR.feature_importances_)
print(x.columns)
result = pd.DataFrame({'importance' : RFR.feature_importances_} , x.columns).sort_values(by='importance', ascending=False)
result

	GRE Score	TOEFL Score	University Rating	SOP	LOR	CGPA	Research	Chance of Admit
0	328	110	4	4.0	2.5	9.02	1	0.81
1	323	113	3	4.0	4.0	8.88	1	0.79
2	296	95	2	3.0	2.0	7.54	1	0.44
3	334	116	4	4.0	3.0	8.00	1	0.78
4	321	114	5	4.5	4.5	9.16	1	0.87
...	...	...	...	...	...	...	...	...
395	329	114	5	4.0	5.0	9.30	1	0.86
396	307	109	3	4.0	3.0	8.00	1	0.62
397	298	98	2	1.5	2.5	7.50	1	0.44
398	339	116	4	4.0	3.5	9.80	1	0.96
399	326	114	4	4.0	3.5	9.16	1	0.86

400 rows × 8 columns

[0.08773013 0.02849618 0.01258504 0.02501658 0.02502868 0.81364906
 0.00749434]
Index(['GRE Score', 'TOEFL Score', 'University Rating', 'SOP', 'LOR', 'CGPA',
       'Research'],
      dtype='object')

Out[188]:

	importance
CGPA	0.813649
GRE Score	0.087730
TOEFL Score	0.028496
LOR	0.025029
SOP	0.025017
University Rating	0.012585
Research	0.007494

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

In [212]:

#데이터 설명 : 레드 와인 퀄리티 예측문제
import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/Datamanim/datarepo/main/redwine/train.csv")
display(df)
target_q3 = df.loc[df['quality']==3].std().to_frame('std').reset_index(drop=False)
target_q8 = df.loc[df['quality']==8].std().to_frame('std').reset_index(drop=False)
display(target_q3)
display(target_q8)
result = pd.merge(target_q3, target_q8, on='index', how = 'inner')
result['std_chee'] = abs(result['std_x'] - result['std_y'])
print(result.loc[6,'index'])
result = result.sort_values(by='std_chee', ascending=False)
result

	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
...	...	...	...	...	...	...	...	...	...	...	...	...
1274	8.8	0.61	0.14	2.4	0.067	10.0	42.0	0.99690	3.19	0.59	9.5	5
1275	8.0	0.59	0.16	1.8	0.065	3.0	16.0	0.99620	3.42	0.92	10.5	7
1276	10.0	0.35	0.45	2.5	0.092	20.0	88.0	0.99918	3.15	0.43	9.4	5
1277	8.0	1.18	0.21	1.9	0.083	14.0	41.0	0.99532	3.34	0.47	10.5	5
1278	8.6	0.47	0.30	3.0	0.076	30.0	135.0	0.99760	3.30	0.53	9.4	5

1279 rows × 12 columns

	index	std
0	fixed acidity	1.773493
1	volatile acidity	0.348273
2	citric acid	0.259845
3	residual sugar	1.453683
4	chlorides	0.068274
5	free sulfur dioxide	10.187138
6	total sulfur dioxide	17.190113
7	density	0.002052
8	pH	0.141902
9	sulphates	0.127475
10	alcohol	0.867628
11	quality	0.000000

	index	std
0	fixed acidity	1.789254
1	volatile acidity	0.145104
2	citric acid	0.180818
3	residual sugar	0.562478
4	chlorides	0.011750
5	free sulfur dioxide	11.669251
6	total sulfur dioxide	27.054090
7	density	0.002061
8	pH	0.191977
9	sulphates	0.123855
10	alcohol	1.141094
11	quality	0.000000

total sulfur dioxide

Out[212]:

	index	std_x	std_y	std_chee
6	total sulfur dioxide	17.190113	27.054090	9.863977
5	free sulfur dioxide	10.187138	11.669251	1.482114
3	residual sugar	1.453683	0.562478	0.891206
10	alcohol	0.867628	1.141094	0.273466
1	volatile acidity	0.348273	0.145104	0.203168
2	citric acid	0.259845	0.180818	0.079027
4	chlorides	0.068274	0.011750	0.056523
8	pH	0.141902	0.191977	0.050075
0	fixed acidity	1.773493	1.789254	0.015761
9	sulphates	0.127475	0.123855	0.003621
7	density	0.002052	0.002061	0.000009
11	quality	0.000000	0.000000	0.000000

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

In [225]:

#데이터 설명 : 투약하는 약을 분류
def solution(x):
    if 10<=x<=19:
        return '10대'
    elif 20<=x<=29:
        return '20대'
    elif 30<=x<=39:
        return '30대'
    elif 40<=x<=49:
        return '40대'
    elif 50<=x<=59:
        return '50대'
    elif 60<=x<=69:
        return '60대'
    else:
        return '70대'

import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/drug/train.csv')
df['age_lange'] = df['Age'].apply(solution)
display(df)

target = df.loc[df['Sex']=='M'].groupby('age_lange').Na_to_K.mean().to_frame()
target

	Age	Sex	BP	Cholesterol	Na_to_K	Drug	age_lange
0	20	F	NORMAL	NORMAL	9.281	4	20대
1	24	M	HIGH	NORMAL	9.475	1	20대
2	34	M	NORMAL	HIGH	22.456	0	30대
3	17	M	NORMAL	NORMAL	10.832	4	10대
4	72	M	LOW	HIGH	16.310	0	70대
...	...	...	...	...	...	...	...
152	58	F	LOW	HIGH	26.645	0	50대
153	30	F	NORMAL	HIGH	10.443	4	30대
154	20	F	LOW	NORMAL	11.686	4	20대
155	58	M	HIGH	HIGH	18.991	0	50대
156	16	M	LOW	HIGH	12.006	3	10대

157 rows × 7 columns

Out[225]:

	Na_to_K
age_lange
10대	13.627000
20대	18.260769
30대	15.244143
40대	13.897273
50대	14.811273
60대	14.284308
70대	11.363857

99. 데이터의 Risk 값에 따른 score_a와 score_b의 평균값을 구하여라¶

In [231]:

# 데이터 설명 : 사기회사 분류
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/audit/train.csv')
display(df)
target = df[['Score_A','Score_B','Risk']].groupby('Risk').mean()
target

	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
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
615	1.85	19	4.04	0.6	2.424	0.00	0.2	0.000	4.04	5.0	...	1.2	0	0.2	0.0	2.8	4.782	1.2	0.5	2.8692	1
616	3.89	37	4.18	0.6	2.508	4.83	0.2	0.966	9.01	5.5	...	0.4	0	0.2	0.0	3.2	14.492	0.4	0.5	2.8984	1
617	3.89	15	1.00	0.4	0.400	0.00	0.2	0.000	1.00	5.0	...	0.4	0	0.2	0.0	2.2	1.872	0.4	0.5	0.3744	0
618	55.57	6	2.24	0.6	1.344	7.26	0.6	4.356	9.50	5.0	...	0.4	0	0.2	0.0	3.6	7.148	0.4	0.5	1.4296	1
619	55.57	8	2.41	0.6	1.446	4.69	0.6	2.814	7.10	5.0	...	0.4	0	0.2	0.0	3.6	5.710	0.4	0.5	1.1420	1

620 rows × 27 columns

Out[231]:

	Score_A	Score_B
Risk
0	0.262234	0.225532
1	0.490164	0.444262

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

In [242]:

# 테이터 설명 : 센서데이터로 동작 유형 분류
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/muscle/train.csv')
display(df)
target = df.groupby('pose').median().T
abs(target[0] - target[1]).sort_values(ascending=False).head(1)

	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
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
4645	40.0	-8.0	-14.0	-27.0	10.0	12.0	-35.0	12.0	-21.0	1.0	...	84.0	-1.0	2.0	-1.0	-1.0	-9.0	-21.0	-95.0	-90.0	0
4646	-35.0	-4.0	-6.0	0.0	-4.0	-11.0	-24.0	-27.0	46.0	12.0	...	-2.0	-2.0	-1.0	-3.0	2.0	5.0	36.0	51.0	6.0	0
4647	-34.0	-17.0	-4.0	10.0	14.0	-22.0	-6.0	-24.0	-17.0	26.0	...	-8.0	-23.0	-26.0	-6.0	-4.0	10.0	-13.0	-33.0	-14.0	0
4648	21.0	3.0	0.0	-15.0	5.0	2.0	48.0	22.0	-22.0	2.0	...	-7.0	-2.0	3.0	-4.0	-25.0	12.0	0.0	10.0	-33.0	0
4649	3.0	31.0	0.0	-6.0	-16.0	2.0	-38.0	-35.0	-19.0	-17.0	...	9.0	-3.0	-10.0	-9.0	14.0	-1.0	-1.0	-31.0	-18.0	0

4650 rows × 65 columns

Out[242]:

motion_54    4.0
dtype: float64

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

In [256]:

# 데이터 설명 : 현대차량가격 분류문제
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/hyundai/train.csv')
display(df.head())
print(df['model'].value_counts().index[:3])
target = df.loc[df['model'].isin(df['model'].value_counts().index[:3])].groupby('model').price.mean().to_frame()
target

	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

Index([' Tucson', ' I10', ' I30'], dtype='object')

Out[256]:

	price
model
I10	7646.137891
I30	11651.821759
Tucson	15805.441373

102. Outcome 값에 따른 각 그룹의 각 컬럼의 평균 차이를 구하여라¶

In [278]:

# 데이터 설명 : 당뇨여부 판단하기
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/diabetes/train.csv')
display(df.head())

target = df.groupby('Outcome').mean().diff().iloc[1,:]
target

	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

Out[278]:

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

103. 매년 5월달의 open가격의 평균값을 데이터 프레임으로 표현하라¶

In [291]:

# 데이터 설명 : 넷플릭스 주식데이터
import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/nflx/NFLX.csv')
display(df.head())
df['Date'] = pd.to_datetime(df['Date'])
target = df.loc[df['Date'].dt.month==5].groupby(df['Date'].dt.year).Open.mean().to_frame()
target

	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

Out[291]:

	Open
Date
2002	1.155833
2003	1.641497
2004	4.261143
2005	1.951905
2006	4.163571
2007	3.159351
2008	4.435034
2009	5.790571
2010	14.417071
2011	34.650272
2012	10.523247
2013	31.936429
2014	51.121292
2015	85.057429
2016	92.705715
2017	158.255455
2018	329.779541
2019	359.664548
2020	433.880499
2021	496.923996

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

In [300]:

# 데이터 설명 : nba선수 능력치 데이터
import pandas as pd
df=pd.read_csv('https://raw.githubusercontent.com/Datamanim/datarepo/main/nba/nba.csv',encoding='latin',sep=';')
display(df.head())
target = df.loc[df['Tm']=='TOR'].Age.mean()
print(round(target,4))

	Rk	Player	Pos	Age	Tm	G	GS	MP	FG	FGA	...	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	...	0.595	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	...	0.543	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	...	0.753	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	...	0.625	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	...	0.873	1.6	3.9	5.5	0.9	0.3	1.0	0.9	1.7	12.9

5 rows × 30 columns

24.8696

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

In [308]:

target = df.loc[df['Age'] == df['Age'].min()]
target['Pos'].value_counts().index[0]

Out[308]:

'SG'

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

In [345]:

display(df.head())
target = df['Player'].map(lambda x:x.split(' ')[0]).value_counts().head(1)
target

	Rk	Player	Pos	Age	Tm	G	GS	MP	FG	FGA	...	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	...	0.595	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	...	0.543	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	...	0.753	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	...	0.625	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	...	0.873	1.6	3.9	5.5	0.9	0.3	1.0	0.9	1.7	12.9

5 rows × 30 columns

Out[345]:

Justin    14
Name: Player, dtype: int64

107. PTS컬럼은 경기당 평균득점수 이다. 각포지션별로 경기당 평균득점수의 평균을 구하여라¶

In [346]:

display(df.head())
target = df.groupby('Pos').PTS.mean().sort_values(ascending=False)
target

	Rk	Player	Pos	Age	Tm	G	GS	MP	FG	FGA	...	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	...	0.595	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	...	0.543	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	...	0.753	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	...	0.625	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	...	0.873	1.6	3.9	5.5	0.9	0.3	1.0	0.9	1.7	12.9

5 rows × 30 columns

Out[346]:

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

108. PTS컬럼은 경기당 평균득점수 이다. 각포지션별로 경기당 평균득점수의 평균을 구하여라¶

In [347]:

display(df.head())
target = df.groupby('Pos').PTS.mean().sort_values(ascending=False)
target

	Rk	Player	Pos	Age	Tm	G	GS	MP	FG	FGA	...	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	...	0.595	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	...	0.543	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	...	0.753	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	...	0.625	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	...	0.873	1.6	3.9	5.5	0.9	0.3	1.0	0.9	1.7	12.9

5 rows × 30 columns

Out[347]:

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

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

In [348]:

display(df.head())
target = df.groupby('Tm').G.max()
target.mean()

	Rk	Player	Pos	Age	Tm	G	GS	MP	FG	FGA	...	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	...	0.595	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	...	0.543	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	...	0.753	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	...	0.625	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	...	0.873	1.6	3.9	5.5	0.9	0.3	1.0	0.9	1.7	12.9

5 rows × 30 columns

Out[348]:

77.51612903225806

110. Tm의 값이 MIA이며 Pos는 C또는 PF인 선수의 MP값의 평균은?¶

In [349]:

display(df.head())
target = df.loc[(df['Tm']=='MIA') & (df['Pos'].isin(['C','PF']))].MP.mean()
print(round(target,4))

	Rk	Player	Pos	Age	Tm	G	GS	MP	FG	FGA	...	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	...	0.595	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	...	0.543	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	...	0.753	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	...	0.625	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	...	0.873	1.6	3.9	5.5	0.9	0.3	1.0	0.9	1.7	12.9

5 rows × 30 columns

16.7875

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

In [355]:

display(df.head())

target= df.loc[df['G']>=(df['G'].mean()*1.5)]['3P'].mean()
target

	Rk	Player	Pos	Age	Tm	G	GS	MP	FG	FGA	...	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	...	0.595	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	...	0.543	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	...	0.753	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	...	0.625	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	...	0.873	1.6	3.9	5.5	0.9	0.3	1.0	0.9	1.7	12.9

5 rows × 30 columns

Out[355]:

1.3853658536585358

112. Age의 평균 이상인 그룹과 평균 미만인 그룹간의 G값의 평균의 차이는?¶

In [361]:

display(df.head())
target_down_age = df.loc[df['Age']<df['Age'].mean()].G.mean()
target_up_age = df.loc[df['Age']>=df['Age'].mean()].G.mean()
print(target_up_age - target_down_age)

	Rk	Player	Pos	Age	Tm	G	GS	MP	FG	FGA	...	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	...	0.595	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	...	0.543	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	...	0.753	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	...	0.625	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	...	0.873	1.6	3.9	5.5	0.9	0.3	1.0	0.9	1.7	12.9

5 rows × 30 columns

3.787674551781862

113. 평균나이가 가장 젊은 팀은 어디인가¶

In [366]:

display(df.head())
target = df.groupby('Tm').Age.mean().sort_values(ascending=True)
target.index[0]

	Rk	Player	Pos	Age	Tm	G	GS	MP	FG	FGA	...	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	...	0.595	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	...	0.543	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	...	0.753	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	...	0.625	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	...	0.873	1.6	3.9	5.5	0.9	0.3	1.0	0.9	1.7	12.9

5 rows × 30 columns

Out[366]:

'MEM'

114. Pos그룹별 평균 MP값을 구하여라¶

In [370]:

display(df.head())
target = df.groupby('Pos').MP.mean().sort_values(ascending=False)
target

	Rk	Player	Pos	Age	Tm	G	GS	MP	FG	FGA	...	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	...	0.595	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	...	0.543	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	...	0.753	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	...	0.625	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	...	0.873	1.6	3.9	5.5	0.9	0.3	1.0	0.9	1.7	12.9

5 rows × 30 columns

Out[370]:

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