6장 자유자재로 데이터 가공하기 (3)

6-3 필요한 변수만 추출하기

변수 추출하기

데이터 프레임명 뒤에 []를 입력한 다음 추출한 변수명을 따옴표로 감싸서 입력

exam['math']

"""
0     50
1     60
2     45
3     30
4     25
5     50
6     80
7     90
8     20
9     50
10    65
11    45
12    46
13    48
14    75
15    58
16    65
17    80
18    89
19    78
Name: math, dtype: int64
"""

exam['english']

"""
0     98
1     97
2     86
3     98
4     80
5     89
6     90
7     78
8     98
9     98
10    65
11    85
12    98
13    87
14    56
15    98
16    68
17    78
18    68
19    83
Name: english, dtype: int64
"""

exam[['nclass', 'math', 'english']]

변수 제거하기

df.drop()을 이용

exam.drop(columns = 'math')

exam.drop(columns = ['math', 'english'])

pandas 함수 조합하기

query()와 []조합하기

exam.query('nclass == 1')['english']

"""
0    98
1    97
2    86
3    98
Name: english, dtype: int64
"""

exam.query('math >= 50')[['id', 'math']]

일부만 출력하기

exam.query('math >= 50')[['id', 'math']].head()

exam.query('math >= 50')[['id', 'math']].head(10)

가독성 있게 코드 줄 바꾸기

exam.query('math >= 50')\
      [['id', 'math']]\
      .head(10)

 

혼자서 해보기 - mpg 데이터를 이용해 분석 문제를 해결해 보세요

Q1 mpg 데이터는 11개 변수로 구성됩니다. 이 중 일부만 추출해 분석에 활용하려고 합니다. mpg 데이터에서 category(자동차 종류), cty(도시 연비) 변수를 추출해 새로운 데이터를 만드세요. 새로 만든 데이터의 일부를 출력해 두 변수로만 구성되어 있는지 확인하세요.

mpg = pd.read_csv('mpg.csv')
mpg_p = mpg[['category', 'cty']]
mpg_p.head()

Q2 자동차 종류에 따라 도시 연비가 어떻게 다른지 알아보려고 합니다. 앞에서 추출한 데이터를 이용해 category(자동차 종류)가 'suv'인 자동차와 'compact'인 자동차 중 어떤 자동차의 cty(도시 연비) 평균이 더 높은지 알아보세요.

mpg_p.query('category == "suv"')['cty'].mean()
##출력: 13.5

mpg_p.query('category == "compact"')['cty'].mean()
##출력: 20.127659574468087

 

 

 

 

 

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