python3. Grouping

파이썬 기초 익히기3

 

Q44. 데이터를 로드하고 상위 5개 컬럼을 출력하라

import pandas as pd
DriveUrl = 'https://drive.google.com/~'
df= pd.read_csv(DriveUrl)
Ans =df.head(5)
Ans

 

Q45. 데이터의 각 host_name의 빈도수를 구하고 host_name으로 정렬하여 상위 5개를 출력하라

#1
Ans = df.groupby('host_name').size().sort_index()
#2
Ans = df.host_name.value_counts().sort_index()

✔size는 null까지 포함해서 셈

✔ count는 null 세지 않음

✔ grouping을 하면 index가 선언 -> sort_index() = 알파벳순으로 정렬

 

Q46. 데이터의 각 host_name의 빈도수를 구하고 빈도수로 정렬하여 상위 5개를 출력하라

#1
df.host_name.value_counts().to.frame().head()

✔  value_counts() 자동으로 내림차순 정렬되어 출력

Ans = df.groupby('host_name').size().￦
				to.frame().rename(columns={0:'counts'}.￦
                sort_values('counts',ascending=False)
Ans.head()

✔ ￦는 enter기능

 

Q47. neighbourhood_group의 값에 따른 neighbourhood컬럼 값의 갯수를 구하여라

Ans = df.groupby(['neighbourhood_group','neighbourhood'],as_index=False).size()
Ans.head()

 

Q48. neighbourhood_group의 값에 따른 neighbourhood컬럼 값 중 neighbourhood_group그룹의 최댓값들을 출력하라

Ans = df.groupby(['neighbourhood_group','neighbourhood'],as_index=False).size()￦
				 .groupby(['neighbourhood_group'],as_index=False).max()
Ans

 

Q49. neighbourhood_group의 값에 따른 price컬럼 값 중 neighbourhood_group그룹의 최댓값들을 출력하라

Ans = df.groupby('neighbourhood_group')['price'].agg(['mean','var','max','min'])
Ans 

✔ agg(): 어떤 사칙연산을 할지 선언해주는 함수

 

Q50. neighbourhood_group 값에 따른 reviews_per_month 평균, 분산, 최대, 최소 값을 구하여라

Ans = df.groupby('neighbourhood_group')['reviews_per_month'].agg(['mean','var','max','min'])
Ans

 

Q51.neighbourhood 값과 neighbourhood_group 값에 따른 price 의 평균을 구하라

Ans = df.groupby(['neighbourhood_group',' neighbourhood'],as_index=False).price.mean()
Ans

 

Q52. neighbourhood 값과 neighbourhood_group 값에 따른 price 의 평균을 계층적 indexing 없이 구하라

Ans = df.groupby(['neighbourhood_group',' neighbourhood'],as_index=False).price.mean().unstack()
Ans

✔ pivot한 느낌

 

Q53. neighbourhood 값과 neighbourhood_group 값에 따른 price 의 평균을 계층적 indexing 없이 구하고 nan 값은 -999값으로 채워라

Ans = df.groupby(['neighbourhood_group',' neighbourhood'],as_index=False).price.mean()￦
					.unstack().fillna(-999)
Ans

 

Q54. 데이터중 neighbourhood_group 값이 Queens값을 가지는 데이터들 중 neighbourhood 그룹별로 price값의 평균, 분산, 최대, 최소값을 구하라

Ans = df.[df.neighbourhood_group == 'Queens'].groupby(['neighbourhood']).￦
			.price.agg(['mean','var','max','min'])
#Ans.sort_values('mean',ascending=False)
Ans

 

Q55. 데이터중 neighbourhood_group 값에 따른 room_type 컬럼의 숫자를 구하고 neighbourhood_group 값을 기준으로 각 값의 비율을 구하여라

Ans = df[['neighbourhood_group','room_type']]. ## grouping에 필요한 컬럼만 뽑아서 groupby
			groupby(['neighbourhood_group','room_type']).size().unstack()
Ans.loc[:,:] = (Ans.values/Ans.sum(axis=1).values.reshape(-1,1)
Ans

✔  Ans.loc[:,:] = -> Ans의 모든 행과 열은 다음 값으로 대체하겠다

✔  사칙연산을 하기 위해서는 차원과 배열이 맞아야 함

✔  Ans.sum(axis=1).values -> Ans.sum(axis=1)의 값만 뽑아오고

✔  reshape(-1,1)으로 1차원으로 만들어줌