"Python 4) Anaconda prompt ; DataFrame 연습문제 (1)"

DataFrame은 파이썬의 데이터 분석 라이브러리인 pandas에서 제공하는 2차원, 테이블 형식의 자료 구조입니다. DataFrame은 행(row)과 열(column)로 구성되며, 각 열은 서로 다른 데이터 타입을 가질 수 있습니다. 이는 엑셀 스프레드시트나 SQL 테이블과 유사합니다. DataFrame은 데이터 분석 및 조작 작업에 매우 유용합니다.

DataFrame의 특징

• 2차원 구조: 행과 열로 구성됩니다.
• 다양한 데이터 타입: 각 열은 서로 다른 데이터 타입을 가질 수 있습니다.
• 레이블 인덱싱: 행과 열 모두 레이블 인덱싱을 지원합니다.
• 다양한 데이터 소스: 리스트, 딕셔너리, NumPy 배열, 외부 파일(CSV, Excel 등) 등 다양한 데이터 소스로부터 생성할 수 있습니다.

 

 

pandas DataFrame을 활용한 세 가지 예시 문제와 그 해결 방법입니다. 각 문제는 DataFrame의 생성, 접근, 조작 및 분석 방법을 익히는 데 도움이 됩니다.

예시 문제 1: DataFrame 생성 및 기본 조작

문제:

1. 아래 데이터를 사용하여 DataFrame을 생성하세요.
   • 데이터:
     • 이름: ['Alice', 'Bob', 'Charlie', 'David', 'Eva']
     • 나이: [25, 30, 35, 40, 45]
     • 성별: ['F', 'M', 'M', 'M', 'F']
2. '나이' 열의 평균을 구하세요.
3. '성별'이 'M'인 행만 선택하여 출력하세요.
4. '주소'라는 새로운 열을 추가하고 모든 값을 'Unknown'으로 설정하세요.

import pandas as pd

# 1. DataFrame 생성
data = {
    '이름': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
    '나이': [25, 30, 35, 40, 45],
    '성별': ['F', 'M', 'M', 'M', 'F']
}
df = pd.DataFrame(data)
print("DataFrame:\n", df)

# 2. '나이' 열의 평균 구하기
age_mean = df['나이'].mean()
print("\n나이의 평균:", age_mean)

# 3. '성별'이 'M'인 행 선택
male_rows = df[df['성별'] == 'M']
print("\n성별이 'M'인 행:\n", male_rows)

# 4. '주소' 열 추가
df['주소'] = 'Unknown'
print("\n'주소' 열 추가 후 DataFrame:\n", df)

 

예시 문제 2: DataFrame 필터링 및 그룹화

문제:

1. 다음 데이터를 사용하여 DataFrame을 생성하세요.
   • 데이터:
     • 제품: ['A', 'B', 'A', 'C', 'B', 'A']
     • 가격: [100, 150, 100, 200, 150, 100]
     • 수량: [1, 2, 3, 1, 2, 1]
2. 제품별 총 판매 금액(가격 * 수량)을 계산하여 새로운 열 '총 판매 금액'을 추가하세요.
3. 제품별로 그룹화하여 각 제품의 총 판매 금액 합계를 구하세요.

import pandas as pd

# 1. DataFrame 생성
data = {
    '제품': ['A', 'B', 'A', 'C', 'B', 'A'],
    '가격': [100, 150, 100, 200, 150, 100],
    '수량': [1, 2, 3, 1, 2, 1]
}
df = pd.DataFrame(data)
print("DataFrame:\n", df)

# 2. '총 판매 금액' 열 추가
df['총 판매 금액'] = df['가격'] * df['수량']
print("\n'총 판매 금액' 열 추가 후 DataFrame:\n", df)

# 3. 제품별 총 판매 금액 합계 구하기
grouped = df.groupby('제품')['총 판매 금액'].sum()
print("\n제품별 총 판매 금액 합계:\n", grouped)

 

예시 문제 3: 데이터 변형 및 정렬

문제:

1. 아래 데이터를 사용하여 DataFrame을 생성하세요.
   • 데이터:
     • 도시: ['서울', '부산', '인천', '대구', '대전']
     • 인구: [10000000, 3500000, 3000000, 2500000, 1500000]
     • 면적: [605, 770, 1063, 884, 539]
2. 인구 밀도(인구 / 면적)를 계산하여 '인구 밀도'라는 새로운 열을 추가하세요.
3. 인구 밀도가 높은 순서대로 DataFrame을 정렬하세요.

 

import pandas as pd

# 1. DataFrame 생성
data = {
    '도시': ['서울', '부산', '인천', '대구', '대전'],
    '인구': [10000000, 3500000, 3000000, 2500000, 1500000],
    '면적': [605, 770, 1063, 884, 539]
}
df = pd.DataFrame(data)
print("DataFrame:\n", df)

# 2. '인구 밀도' 열 추가
df['인구 밀도'] = df['인구'] / df['면적']
print("\n'인구 밀도' 열 추가 후 DataFrame:\n", df)

# 3. 인구 밀도가 높은 순서대로 정렬
df_sorted = df.sort_values(by='인구 밀도', ascending=False)
print("\n인구 밀도 순서대로 정렬된 DataFrame:\n", df_sorted)

 

 

예시 문제 4: 기본 데이터 조작

문제:

1. 다음 데이터를 사용하여 DataFrame을 생성하세요.
   • 데이터:
     • 학생: ['John', 'Alice', 'Bob', 'Eva', 'Charlie']
     • 수학 점수: [85, 92, 78, 90, 88]
     • 영어 점수: [78, 95, 80, 85, 92]
     • 과학 점수: [89, 94, 76, 88, 90]
2. 각 학생의 평균 점수를 계산하여 '평균 점수' 열을 추가하세요.
3. '평균 점수'가 85점 이상인 학생들을 선택하여 출력하세요.

다시 해보기

import pandas as pd

# 1. DataFrame 생성
data = {
    '학생': ['John', 'Alice', 'Bob', 'Eva', 'Charlie'],
    '수학 점수': [85, 92, 78, 90, 88],
    '영어 점수': [78, 95, 80, 85, 92],
    '과학 점수': [89, 94, 76, 88, 90]
}
df = pd.DataFrame(data)

# 2. '평균 점수' 열 추가
df['평균 점수'] = df[['수학 점수', '영어 점수', '과학 점수']].mean(axis=1)

# 3. '평균 점수'가 85점 이상인 학생 선택
high_achievers = df[df['평균 점수'] >= 85]
print(high_achievers)

*** 추가 공부)

axis=1은 pandas에서 메서드를 사용할 때 행(row)을 따라 연산을 수행하라는 의미입니다.

axis 매개변수는 0과 1의 값을 가질 수 있으며, 각각 열(column)과 행(row)을 나타냅니다.

• axis=0: 열(column)을 따라 연산을 수행합니다. 즉, 각 열의 값들을 기준으로 연산을 수행합니다.
• axis=1: 행(row)을 따라 연산을 수행합니다. 즉, 각 행의 값들을 기준으로 연산을 수행합니다.

 

예시 문제 5: 데이터 필터링 및 집계

문제:

1. 다음 데이터를 사용하여 DataFrame을 생성하세요.
   • 데이터:
     • 제품: ['A', 'B', 'A', 'C', 'B', 'A']
     • 가격: [100, 150, 100, 200, 150, 100]
     • 수량: [1, 2, 3, 1, 2, 1]
     • 지역: ['서울', '부산', '서울', '대구', '부산', '서울']
2. '가격'과 '수량'을 곱하여 각 제품의 '총 판매 금액'을 계산하고 새로운 열로 추가하세요.
3. 지역별로 그룹화하여 각 지역의 총 판매 금액 합계를 구하세요.

import pandas as pd

# 1. DataFrame 생성
data = {
    '제품': ['A', 'B', 'A', 'C', 'B', 'A'],
    '가격': [100, 150, 100, 200, 150, 100],
    '수량': [1, 2, 3, 1, 2, 1],
    '지역': ['서울', '부산', '서울', '대구', '부산', '서울']
}
df = pd.DataFrame(data)

# 2. '총 판매 금액' 열 추가
df['총 판매 금액'] = df['가격'] * df['수량']

# 3. 지역별 총 판매 금액 합계 구하기
region_sales = df.groupby('지역')['총 판매 금액'].sum()
print(region_sales)

 

예시 문제 6: 데이터 정렬 및 시각화

문제:

1. 다음 데이터를 사용하여 DataFrame을 생성하세요.
   • 데이터:
     • 나라: ['한국', '미국', '중국', '일본', '독일']
     • 인구: [51780000, 331000000, 1439323776, 126476461, 83166711]
     • GDP: [1693200000000, 21433000000000, 14342900000000, 5065000000000, 3846000000000]
2. '인구' 열을 기준으로 내림차순으로 정렬하세요.
3. '나라'와 'GDP' 열만 선택하여 출력하세요.

import pandas as pd

# 1. DataFrame 생성
data = {
    '나라': ['한국', '미국', '중국', '일본', '독일'],
    '인구': [51780000, 331000000, 1439323776, 126476461, 83166711],
    'GDP': [1693200000000, 21433000000000, 14342900000000, 5065000000000, 3846000000000]
}
df = pd.DataFrame(data)

# 2. '인구' 열을 기준으로 내림차순 정렬
df_sorted = df.sort_values(by='인구', ascending=False)

# 3. '나라'와 'GDP' 열만 선택하여 출력
result = df_sorted[['나라', 'GDP']]
print(result)

 

"Python 4) Anaconda prompt ; DataFrame 연습문제 (2)"

"Python 4) Anaconda prompt ; DataFrame 연습문제 (2)"

 

 

 

"Python 3) Anaconda prompt 데이터 유형과 구조에 대해 공부하자"

"Python 3) Anaconda prompt 데이터 유형과 구조에 대해 공부하자"