20250202 모각코 활동 4회차
오늘의 목표 : Pandas 공부와 타이타닉 데이터 분석
Pandas 🐼
판다스 특징
- 판다스(Pandas) : 파이썬에서의 데이터 분석과 처리를 위해 사용되는 라이브러리.
- 엑셀, CSV, SQL 같은 다양한 형식의 데이터를 쉽게 다룰 수 있음.
- numpy기반으로 만들어져 빠르고 효율적임.
주요 데이터 구조와 불러오기
Series (1차원 데이터)
- 리스트나 배열과 비슷하지만, 인덱스를 가질 수 있음.
data = pd.Series([10, 20, 30, 40], index=['A', 'B', 'C', 'D'])
DataFrame (2차원 데이터)
- 표 형태의 데이터 구조로, 행과 열로 구성됨.
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], 'Score': [85, 90, 95]}
데이터 불러오기
.read_csv('파일경로.csv') # CSV 파일 불러오기
.read_excel('파일경로.xlsx') # 엑셀 파일 불러오기
주요 함수
.info() # 데이터 요약 정보
.describe() # 수치형 데이터 통계 요약 (이 때, include = 'object' 라는 파라미터를 넣어주면, 범주형 변수에 대한 통계정보를 볼 수 있음. )
.shape # (행, 열) 크기 확인
.columns # 컬럼(열) 이름 확인
.dtypes # 데이터 타입 확인
.isnull().sum() # 결측치(NaN) 개수 확인
.head() # 상위 5개 행 출력
.tail() # 하위 5개 행 출력
.dropna() # 결측치가 하나라도 있는 행 삭제
.
.
.
등등...
타이타닉 데이터 분석
데이터 준비
# 필요한 모듈 불러오기
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# 데이터 불러오기
df = sns.load_dataset('titanic')
# 데이터 기본 정보 확인
print(df.info())
print(df.isnull().sum()) # 결측치 확인
# 결측치 처리 (결측치가 하나라도 있는 행은 그냥 없애버릴것이다~!)
df = df.dropna()
df = df.reset_index(drop=True) # 인덱스 정리
결과
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 15 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 survived 891 non-null int64
1 pclass 891 non-null int64
2 sex 891 non-null object
3 age 714 non-null float64
4 sibsp 891 non-null int64
5 parch 891 non-null int64
6 fare 891 non-null float64
7 embarked 889 non-null object
8 class 891 non-null category
9 who 891 non-null object
10 adult_male 891 non-null bool
11 deck 203 non-null category
12 embark_town 889 non-null object
13 alive 891 non-null object
14 alone 891 non-null bool
dtypes: bool(2), category(2), float64(2), int64(4), object(5)
memory usage: 80.7+ KB
None
survived 0
pclass 0
sex 0
age 177
sibsp 0
parch 0
fare 0
embarked 2
class 0
who 0
adult_male 0
deck 688
embark_town 2
alive 0
alone 0
dtype: int64
기본 통계 분석
print(df.describe())
print(df.describe(include = 'object')) # 범주형 변수에 대한 통계정보
결과
survived pclass age sibsp parch fare
count 182.000000 182.000000 182.000000 182.000000 182.000000 182.000000
mean 0.675824 1.192308 35.623187 0.467033 0.478022 78.919735
std 0.469357 0.516411 15.671615 0.645007 0.755869 76.490774
min 0.000000 1.000000 0.920000 0.000000 0.000000 0.000000
25% 0.000000 1.000000 24.000000 0.000000 0.000000 29.700000
50% 1.000000 1.000000 36.000000 0.000000 0.000000 57.000000
75% 1.000000 1.000000 47.750000 1.000000 1.000000 90.000000
max 1.000000 3.000000 80.000000 3.000000 4.000000 512.329200
sex embarked who embark_town alive
count 182 182 182 182 182
unique 2 3 3 3 2
top male S man Southampton yes
freq 94 115 87 115 123
생존률 분석
# 성별에 따른 생존률
print(df.groupby('sex')['survived'].mean() * 100)
# 객실 등급에 따른 생존률
print(df.groupby('pclass')['survived'].mean() * 100)
# 연령대별 생존률
print(df.groupby('age')['survived'].mean() * 100)
결과
sex
female 93.181818
male 43.617021
Name: survived, dtype: float64
pclass
1 67.515924
2 80.000000
3 50.000000
Name: survived, dtype: float64
age
0.92 100.000000
1.00 100.000000
2.00 33.333333
3.00 100.000000
4.00 100.000000
...
64.00 0.000000
65.00 0.000000
70.00 0.000000
71.00 0.000000
80.00 100.000000
Name: survived, Length: 63, dtype: float64
상관관계 분석과 시각화
corr_data = df.select_dtypes(include=['number']).corr() # 숫자형 데이터만 추출하여 상관관계 분석
# 상관관계 시각화
plt.figure(figsize=(10, 6))
sns.heatmap(corr_data, annot=True, cmap='coolwarm', fmt=".2f", linewidths=0.5)
plt.title("heatmap - titanic data")
plt.show()
# 주요 변수들간의 상관관계 시각화
sns.pairplot(df[['survived', 'age', 'sibsp', 'fare']])
plt.show()
