[Python과제] 타이타닉 데이터 분석하기(2)✔️ - 딕셔너리, len, count, sum의 차이, idxmax, 데이터 만들기 (복습필요)

 

# 6.특정 연령대 승객 추출

문제) 20세 이하의 승객의 이름들을 추출 하여 승객의 이름을 key로, 승객의 나이를 value로 하는 딕셔너리를 완성하세요.

 

dict1 = {}
length = len(df)

for i in range(length):
  if df['Age'][i] <= 20:
    name = df['Name'][i]
    age = df['Age'][i]
    dict1[name] = age

for key in dict1:
  print(key, ":", dict1[key])

 

[ 결과 ]

Cor, Mr. Liudevit : 19.0
Doling, Miss. Elsie : 18.0
Hegarty, Miss. Hanora "Nora" : 18.0
Lindqvist, Mr. Eino William : 20.0
Edvardsson, Mr. Gustaf Hjalmar : 18.0
Turja, Miss. Anna Sofia : 18.0
Olsvigen, Mr. Thor Anderson : 20.0
Goodwin, Mr. Charles Edward : 14.0
Panula, Mr. Jaako Arnold : 14.0
Dakic, Mr. Branko : 19.0
Fischer, Mr. Eberhard Thelander : 18.0
Madill, Miss. Georgette Alexandra : 15.0
Karun, Miss. Manca : 4.0
Astor, Mrs. John Jacob (Madeleine Talmadge Force) : 18.0
Barbara, Miss. Saiide : 18.0
Soholt, Mr. Peter Andreas Lauritz Andersen : 19.0
Harper, Miss. Annie Jessie "Nina" : 6.0
Jensen, Mr. Svend Lauritz : 17.0
Oreskovic, Mr. Luka : 20.0
Hassan, Mr. Houssein G N : 11.0
Abbott, Mr. Rossmore Edward : 16.0
Marvin, Mr. Daniel Warner : 19.0
Wells, Miss. Joan : 4.0
Moor, Master. Meier : 6.0
Hamalainen, Master. Viljo : 0.67
Bailey, Mr. Percy Andrew : 18.0
Barah, Mr. Hanna Assi : 20.0
Eklund, Mr. Hans Linus : 16.0
Myhrman, Mr. Pehr Fabian Oliver Malkolm : 18.0
Emanuel, Miss. Virginia Ethel : 5.0
Ayoub, Miss. Banoura : 13.0
Dick, Mrs. Albert Adrian (Vera Gillespie) : 17.0
Sjoblom, Miss. Anna Sofia : 18.0
Rice, Master. George Hugh : 8.0
Dean, Master. Bertram Vere : 1.0
Gaskell, Mr. Alfred : 16.0
Carter, Master. William Thornton II : 11.0
Thomas, Master. Assad Alexander : 0.42
Pettersson, Miss. Ellen Natalia : 18.0
Andersson, Miss. Ebba Iris Alfrida : 6.0
Skoog, Master. Karl Thorsten : 10.0
Panula, Master. Urho Abraham : 2.0
Mallet, Master. Andre : 1.0
Yasbeck, Mrs. Antoni (Selini Alexander) : 15.0
Richards, Master. George Sibley : 0.83
Allum, Mr. Owen George : 18.0
Alhomaki, Mr. Ilmari Rudolf : 20.0
Mudd, Mr. Thomas Charles : 16.0
Culumovic, Mr. Jeso : 17.0
Andersson, Master. Sigvard Harald Elias : 4.0
Boulos, Miss. Nourelain : 9.0
Lines, Miss. Mary Conover : 16.0
Aks, Mrs. Sam (Leah Rosen) : 18.0
Johnson, Master. Harold Theodor : 4.0
Najib, Miss. Adele Kiamie "Jane" : 15.0
Gustafsson, Mr. Alfred Ossian : 20.0
Petroff, Mr. Nedelio : 19.0
Graham, Miss. Margaret Edith : 19.0

 

 

# 딕셔너리 개념

1) 추가하기

딕셔너리 [ 키 ] = 값

 

2) 삭제하기

del 딕셔너리 [ 키 ]

 

3) 딕셔너리 값 가져오기

딕셔너리 [ 키 ]

 

4) 딕셔너리 내부에 키가 있는지 확인

if key in dict1:
   print(dict1[key])

 

5) 딕셔너리 값 출력

for key in dict1:
   print(key, ':', dict1[key])

 

 

 

# 7. 가장 많은 탑승객 수를 가진 선실 등급 찾기

타이타닉의 선실 등급 중에서 가장 많은 탑승객이 이용한 선실 등급을 찾으세요

tip!) 선실 등급은 ‘Pclass’ column에 있으며 1,2,3 등급으로 이루어져 있습니다.

 

length = len(df)
type1, type2, type3 = 0,0,0

for i in range(length):
  if df['Pclass'][i] == 1:
    type1 += 1
  if df['Pclass'][i] == 2:
    type2 += 1
  if df['Pclass'][i] == 3:
    type3 += 1

print(type1, type2, type3)

if type1 == max(type1, type2, type3):
  print("1등급")
elif type2 == max(type1, type2, type3):
  print("2등급")
elif type3 == max(type1, type2, type3):
  print("3등급")

 

[ 결과 ]

216 184 491
3등급

 

 

[ 데이터 분석으로 풀기 ]

grouped = df.groupby('Pclass')['Name'].count()
print(grouped)
print(f"인원수가 가장 많은 Pclass는 {grouped.idxmax()} 입니다")

 

[ 결과 ]

Pclass
1    216
2    184
3    491
Name: Name, dtype: int64
인원수가 가장 많은 Pclass는 3 입니다

 

 

# count()

 

결측값이 아닌 요소의 수 구하기

axis에 대해서 기본값은 0으로 열에 대해서 결측치가 아닌 값의 갯수를 구합니다. (당연히 열에 대해서 구해야겠지..?)

 

count() : 이 메서드는 각 열 또는 시리즈에서 비어 있지 않은(non-null) 요소의 수를 세어줍니다

이는 데이터셋에서 유효한 데이터의 수를 파악할 때 유용합니다.

len() : 이 함수는 데이터프레임 또는 시리즈의 전체 요소 수를 반환합니다. 결측치(null 값)를 포함하여 모든 요소를 세어줍니다.

 

[ 예시 ]

[N,T,F]=[pd.NA,True,False]
idx = ['row1','row2','row3','row4']
data = {'col1':[1,N,N,4.0],'col2':['A','B','C',N],'col3':[N,N,N,7],'col4':[1,2.4,3.6,4]}
df = pd.DataFrame(data,idx)
print(df)
>>
      col1  col2  col3  col4
row1     1     A  <NA>   1.0
row2  <NA>     B  <NA>   2.4
row3  <NA>     C  <NA>   3.6
row4   4.0  <NA>     7   4.0

 

print(df.count())

>>
col1    2
col2    3
col3    1
col4    4
dtype: int64

 

 

axis=1인 경우 행에 대해서 결측치가 아닌 값의 갯수를 구합니다.

 

[ 예시 ]

print(df.count(axis=1))
>>
row1    3
row2    2
row3    2
row4    3
dtype: int64

 

 

# idxmax

 

idxmax와 idxmin은 각각 축에서 최대/최소값의 인덱스를 반환하는 메서드입니다.

 

import pandas as pd

# 예시 데이터 생성
data = {'A': [10, 20, 30, 40, 50],
        'B': [5, 15, 25, 35, 45]}
df = pd.DataFrame(data)

# 'A' 열에서 최댓값을 가지는 요소의 인덱스 출력
idx_max_A = df['A'].idxmax()
print("Index with maximum value in column 'A':", idx_max_A)

# 'B' 열에서 최댓값을 가지는 요소의 인덱스 출력
idx_max_B = df['B'].idxmax()
print("Index with maximum value in column 'B':", idx_max_B)

 

[ 결과 ]

Index with maximum value in column 'A': 4
Index with maximum value in column 'B': 4

 

※ 현재 예시에서는 group by가 존재하지 않고 최대값의 단순 인덱스를 출력하기 때문에 4가 출력되었지만

문제에서는 groupby로 묶어주었으므로 3이 출력된다

만약 groupby의 묶어주는 카테고리가 문자열일 경우 idxmax() 사용시 그 문자열이 출력된다

 

 

 

# 데이터 만들기

n=np.NaN
idx =  ['row1','row2','row3']
col =  ['col1','col2','col3']
data = [[1,2,200],[100,5,6],[7,300,n]]
df = pd.DataFrame(data, idx, col)
print(df)
>>
      col1  col2   col3
row1     1     2  200.0
row2   100     5    6.0
row3     7   300    NaN

 

 

 

 

 

# 8.가장 많은 요금을 낸 승객 정보 출력

타이타닉의 승객 중 가장 많은 요금을 낸 승객을 찾으세요
tip!) 요금 정보는 ‘Fare’ column에 있습니다

 

length = len(df)
max_value = 0

for i in range(length):
  if df['Fare'][i] > max_value:
    max_value = df['Fare'][i]

print(f"가장 많은 돈을 낸 금액은 {max_value} 입니다")

for i in range(length):
  if df['Fare'][i] == max_value:
    print(df['Name'][i])

 

[ 결과 ]

가장 많은 돈을 낸 금액은 512.3292 입니다
Ward, Miss. Anna
Cardeza, Mr. Thomas Drake Martinez
Lesurer, Mr. Gustave J

 

[ 데이터분석으로 풀기 ]

max_money = max(df['Fare'])

for idx,value in enumerate(df['Fare']):
  if value == max_money:
    print(df['Name'][idx])

 

 

[ 결과 ]

Ward, Miss. Anna
Cardeza, Mr. Thomas Drake Martinez
Lesurer, Mr. Gustave J

 

 

 

 

# 9번 문제 : 각 성별의 생존율 계산

문제) 타이타닉 각 성별 (남성/여성) 각각의 생존율을 계산하세요**

Tip ) 각 성별 별로 -> 같은 값을 그룹으로 묶어주는 group by 생각해보기

 

length = len(df)
man_total, woman_total = 0,0
man_alive, woman_alive = 0,0

for i in range(length):
  if df['Sex'][i] == 'male':
    man_total += 1
    if df['Survived'][i] == 1:
      man_alive += 1
  elif df['Sex'][i] == 'female':
    woman_total += 1
    if df['Survived'][i] == 1:
      woman_alive += 1

man_result = man_alive / man_total
woman_result = woman_alive / woman_total

print(f"남성의 생존율은 {man_result} 입니다")
print(f"여성의 생존율은 {woman_result} 입니다")

 

 

[ 결과 ]

남성의 생존율은 0.18890814558058924 입니다
여성의 생존율은 0.7420382165605095 입니다

 

 

[ 데이터분석으로 풀기 ]

survived_rate = df.groupby('Sex')['Survived'].sum() / df.groupby('Sex')['Survived'].count()
print(round(survived_rate,2))

print("\n\n")

print(round(survived_rate['female'],2))
print(round(survived_rate['male'],2))

 

[ 결과 ]

Sex
female    0.74
male      0.19
Name: Survived, dtype: float64



0.74
0.19

 

 

 

 

# 10. 가장 많은 출발 항구 찾기

승객들이 출발한 항구 중에서 가장 많은 항구를 찾고 그 항구를 출발한 승객 수를 출력하세요.
tip!) 출발 항구에 대한 정보는 ‘Embarked’ column에 C, Q, S로 정의되어 있습니다.
tip!) ‘Embarked’ column에는 결측값이 일부 존재합니다. 코드가 결측값으로 인한 문제가 발생하는 코드인지 확인하세요.

 

c,q,s = 0,0,0
length = len(df)

for i in range(length):
  if pd.isnull(df['Embarked'][i]) == False:
    if df['Embarked'][i] == 'C':
      c += 1
    elif df['Embarked'][i] == 'Q':
      q += 1
    elif df['Embarked'][i] == 'S':
      s += 1
  
print(f"c의 인원수는 {c}이고 q의 인원수는 {q}이고 s의 인원수는 {s}이다")

if c == max(c,q,s):
  print("가장 많이 출발한 항구는 C이고 인원수는 {c} 이다")
if q == max(c,q,s):
  print("가장 많이 출발한 항구는 Q이고 인원수는 {q} 이다")
if s == max(c,q,s):
  print("가장 많이 출발한 항구는 S이고 인원수는 {s} 이다")

 

[ 결과 ]

c의 인원수는 168이고 q의 인원수는 77이고 s의 인원수는 644이다
가장 많이 출발한 항구는 S이고 인원수는 {s} 이다

 

 

[ 데이터분석으로 풀기 ]

grouped = df.groupby('Embarked')['Name'].count()
print(f"가장 많이 출발한 항구는 {grouped.idxmax()} 이고 그 인원수는 {max(grouped)} 입니다")

 

 

[ 결과 ]

가장 많이 출발한 항구는 S 이고 그 인원수는 644 입니다

 

 

 

# Reference

https://wikidocs.net/154755

12-05 결측값이 아닌 요소의 수 (count)