ASAC 24일차 _ 데이터 핸들링(2)

2024.01.03

 

 

데이터 핸들링 실습

지난번에 이어 다른 데이터 셋으로 연습

캐글의 titanic 데이터 활용

https://www.kaggle.com/competitions

Kaggle Competitions

 

- 패키지 설치 및 데이터 불러오기

!pip install --upgrade pandas

import pandas as pd
import numpy as np

import matplotlib.pyplot as plt
import seaborn as sns

path = '/content/drive/MyDrive/titanic_train.csv'
data = pd.read_csv(path,sep=',', index_col = 'PassengerId')
data.head()

 

기본적인 데이터 전처리는 지난 번과 비슷하여 생략

 

- 그래프 그리기

# 성별 인원 수 확인
data["Sex"].value_counts() # 일반 수치만 확인

data["Sex"].value_counts().plot(kind='bar', title= 'F/M Counts', color=['g','b'])

# 추가) 값에 따라 특정 색 지정
color_dict = { "male":"r", "female":"g"}
data["Sex"].value_counts().plot(kind="bar",
                                title="F/M Counts",
                                color=data["Sex"].replace(color_dict))

- crosstab을 활용하여 정보 확인

# 선실 등급에 따른 남성/여성 수 구하기

# 기본
pd.crosstab(data["Pclass"], data["Sex"])

# 색 지정
pd.crosstab(data["Pclass"], data["Sex"]).style.background_gradient(cmap="Greys")

cmap 파라미터에 들어갈 색 정보는 하단 사이트 참조

https://matplotlib.org/stable/gallery/color/colormap_reference.html#sphx-glr-gallery-color-colormap-reference-py

Colormap reference — Matplotlib 3.9.1 documentation

 

- 데이터 시각화 (seaborn 패키지)

# 객실 등급에 따른 요금 분포
sns.boxplot( data= data, x="Pclass", y="Fare")

# 이상치 처리를 위해 상위 95% 정보만 시각화
sns.boxplot( data= data[ data["Fare"] < data["Fare"].quantile(0.95)],
            x="Pclass", y="Fare")
            
# 객실 등급에 따른 생존률 시각화
data.groupby(by=["Pclass"]).agg({"Survived":"mean"}).plot(kind='bar')
data.groupby(by=["Pclass"])["Survived"].mean() # 간단한 표현식

 

 

# 객실별 승객 수와 생존율 그래프 한 번에 그리기 

fig, axes = plt.subplots( nrows=1, ncols=2)

# 왼쪽 그림 설정: pandas + plot
data.groupby(by=["Pclass"]).agg({"Survived":"mean"}).plot(kind='bar',color='r',ax=axes[0])
axes[0].set_ylabel("Pclass counts")

# 오른쪽 그림 설정: seaborn + countplot
sns.countplot(data=data, x="Pclass",hue="Survived",ax=axes[1])

# 서로 다른 패키지 함수를 하나의 판에 집어 넣을 수 있음
axes[1].set_title("Pclass vs. Survived")

fig.tight_layout()