3장 데이터 분석에 필요한 연장 챙기기 (2)

3-3 함수 꾸러미, '패키지' 이해하기

패키지에는 다양한 함수들이 들어있음

ex) 그래프를 만들때 사용하는 패키지 seaborn에는 scatterplot(), barplot(), lineplot() 등 수십 가지 그래프 관련 함수가 있음

스마트폰에 앱을 깔듯 입맛대로 골라 설치 가능

패키지 활용하기

패키지 로드

import seaborn

패키지 함수 사용

var = ['a', 'a', 'b', 'c']
var

##출력: ['a', 'a', 'b', 'c']

seaborn.countplot(x = var)

패키지 약어 활용하기

import seaborn as sns

sns.countplot(x = var)

seaborn의 titanic 데이터로 그래프 만들기

seaborn의 load_dataset()으로 titanic 데이터 불러오기

함수의 다양한 기능 이용하기

df = sns.load_dataset('titanic')
df

sns.countplot(data = df, x='sex')

sns.countplot(data = df, x = 'class')

sns.countplot(data = df, x = 'class', hue = 'alive')

sns.countplot(data = df, y = 'class', hue = 'alive')  # y축 class, alive별 색 표현

함수 사용법이 궁금할 땐 Help 함수 활용

모듈(module)

패키지 안에 있는 비슷한 함수끼리 묶어둔 것

# sklearn 패키지의 metrics 모듈 로드하기
import sklearn.metrics

# sklearn 패키지 metrics 모듈의 accuracy_score() 사용하기
#sklearn.metrics.accuracy_score()

모듈명.함수명()으로 함수 사용

# sklearn 패키지의 metrics 모듈 로드하기
from sklearn import metrics
metrics.accuracy_score()

함수명()으로 함수 사용

# sklearn 패키지 metrics 모듈의 accuracy_score() 로드하기
from sklearn.metrics import accuracy_score
accuracy_score()

as로 약어 지정

import sklearn.metrics as met 
met.accuracy_score()

from sklearn import metrics as met 
met.accuracy_score()

from sklearn.metrics import accuracy_score as accuracy 
accuracy()

패키지 설치하기

pip install pydataset

"""
Looking in indexes: https://pypi.org/simple, https://us-python.pkg.dev/colab-wheels/public/simple/
Collecting pydataset
  Downloading pydataset-0.2.0.tar.gz (15.9 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 15.9/15.9 MB 34.7 MB/s eta 0:00:00
  Preparing metadata (setup.py) ... done
Requirement already satisfied: pandas in /usr/local/lib/python3.8/dist-packages (from pydataset) (1.3.5)
Requirement already satisfied: python-dateutil>=2.7.3 in /usr/local/lib/python3.8/dist-packages (from pandas->pydataset) (2.8.2)
Requirement already satisfied: numpy>=1.17.3 in /usr/local/lib/python3.8/dist-packages (from pandas->pydataset) (1.21.6)
Requirement already satisfied: pytz>=2017.3 in /usr/local/lib/python3.8/dist-packages (from pandas->pydataset) (2022.7.1)
Requirement already satisfied: six>=1.5 in /usr/local/lib/python3.8/dist-packages (from python-dateutil>=2.7.3->pandas->pydataset) (1.15.0)
Building wheels for collected packages: pydataset
  Building wheel for pydataset (setup.py) ... done
  Created wheel for pydataset: filename=pydataset-0.2.0-py3-none-any.whl size=15939432 sha256=a15b0660d5b1ae233d4704ab3f5595eb5d51d63065db2cd1689218966ef05160
  Stored in directory: /root/.cache/pip/wheels/d7/e5/36/85d319586b4a405d001029d489102f526ce5546248c295932a
Successfully built pydataset
Installing collected packages: pydataset
Successfully installed pydataset-0.2.0
"""

패키지 함수 사용하기

import pydataset
pydataset.data()

df = pydataset.data('mtcars')  # mtcars 데이터를 df에 할당
df                             # df 출력

반응형

혼자서 해보기

Q1 시험 점수 변수 만들고 출력하기

score = [80, 60, 70, 50, 90]
score

##출력: [80, 60, 70, 50, 90]

Q2 합계 점수 구하기

sum(score)

##출력: 350

Q3 합계 점수 변수 만들어 출력하기

score_total = sum(score)
score_total

##출력: 350

 

 

 

 

 

※ 해당 내용은 <Do it! 파이썬 데이터 분석>의 내용을 토대로 학습하며 정리한 내용입니다.