2주차- 데이터 살펴보기

1. 데이터프레임의 구조

1-1 데이터 내용 미리보기

앞부분 미리보기: df.head(n)	#처음 n개 미리보기
뒷부분 미리보기: df.tail(n)	#뒤에꺼 n개 미리보기

 

1-2 데이터 요약 정보 확인하기

• 데이터프레임의 크기(행, 열)

데이터프레임의 크기 확인: df.shape

• 데이터프레임의 기본 정보

데이터프레임의 기본 정보 확인: df.info()

• 데이터프레임의 기술 통계 요약

데이터프레임 기술적 요약: df.describe()
# 산술데이터가 아닌 열에 대한 정보를 확인하고 싶다면 include=all 옵션을 추가

 

1-3 데이터 개수 확인

• 각 열의 데이터 개수

df.info() 메소드는 화면에 각 열의 데이터 개수 정보를 출력하지만, 반환해 주는 값이 없어서 다시 사용하는데 어려움이 있다. 이를 해결하기 위해서

열 데이터 개수 확인: df.count()

위 메소드는 데이터프레임의 각 열이 가지고 있는 데이터 개수를 시리즈 객체로 반환한다.

 

• 각 열의 고윳값 개수

df의 특정 열이 가지고 있는 고윳값, 즉 유일한 값을 가지는 데이터의 개수를 세는 데 사용한다.

열 데이터의 고유값 갯수: df["열이름"].value_counts()
#dropna= true 옵션을 설정하면 NaN을 제외하고 개수를 계산(디폴트는 NaN포함)

 

 

2. 통계 함수 적용

2-1 평균값

모든 열의 평균값: df.mean()
특정 열의 평균값: df["열이름"].mean()

 

2-2 중간값

모든 열의 중간값: df.median()
특정 열의 중간값: df["열이름"].median()

 

2-3 최대값

모든 열의 최대값: df.max()
특정 열의 최대값: df["열이름"].max()

 

2-4 최소값

모든 열의 최소값: df.min()
특정 열의 최소값: df["열이름"].min()

 

2-5 표준편차

모든 열의 표준편차: df.std()
특정 열의 표준편차: df["열이름"].std()

 

2-6 상관계수

모든 열의 상관계수: df.corr()
특정 열의 상관계수: df[열 이름의 리스트].corr() 	#이때는 2개 이상의 열을 지정하기 때문에 리스트

 

 

3. 판다스 내장 그래프 도구 활용

판다스 내장 함수 이용하기: df.plot()

plot 메소드의 옵션

• 선 그래프

#예제 3-4
import pandas as pd
import matplotlib.pyplot as plt

# 엑셀 파일 로드 (역슬래시 두 번 사용)
df = pd.read_excel("C:\\Users\\sajog\\Downloads\\5674-980\\pandas-data-analysis-main\\part3\\data\\남북한발전전력량.xlsx", engine='openpyxl')

# 또는 원시 문자열 사용
# df = pd.read_excel(r"C:\Users\sajog\Downloads\5674-980\pandas-data-analysis-main\part3\data\남북한발전전력량.xlsx", engine='openpyxl')

# 1행과 6행, 4번째 열부터 끝까지 선택
df_ns = df.iloc[[0, 5], 3:]

# 인덱스 설정
df_ns.index = ['South', 'North']

# 열 이름의 자료형을 정수형으로 변경
df_ns.columns = df_ns.columns.map(int)

# 데이터 전치
tdf_ns = df_ns.T

# 데이터프레임 출력 (선택 사항)
print(tdf_ns.head())

# 선 그래프 그리기
tdf_ns.plot()

# 그래프 제목과 레이블 설정
plt.title('Electricity Consumption Over Time')
plt.xlabel('Year')
plt.ylabel('Electricity Consumption')

# 그래프에 격자 추가
plt.grid(True)

# 그래프 출력
plt.show()

transpose를 하기 전의 모습

인덱스 설정을 따로 해주었기 때문에 가장 왼쪽에 인덱스 열이 생성된 모습

 

궁금증: 왜 transpose 를 통해 테이블을 전치시켜야 하는건가?

gpt에게 물어보니 다음과 같이 대답했다

    2021  2022  2023
A     10    15    20	#전치 전의 테이블
B     5     10    15

       A   B
2021  10   5
2022  15  10	#전치 후의 테이블
2023  20  15

물어보니 전치 전에는 년도별로 A,B의 값을 비교하기가 불편하지만, 전치 후에는 년도별로 구분이 쉽다라고 했다.

 

아무래도 x축을 년도로 하는게 나중에 그래프로 그릴때도 보기 유리하니까 그런게 아닌가 싶다.

즉 plot 메소드를 이용한다면 행 인덱스는 x축으로, 열 인덱스는 y축으로 간다는 것을 알 수 있다.

 

• 막대 그래프

막대 그래프: df.plot(kind='bar')

 

• 히스토그램

히스토그램: df.plot(kind='hist')

 

• 산점도

산점도: df.plot(x='weight', y='mpg', kind='scatter')

 

• 박스플롯

박스플롯: df['열 이름'].plot(kind='box')

 

다음은 데이터의 종류에 따라서 사용하는 그래프를 정리한 사진이다