PYTHON을 사용한 데이터 분석 및 시각화

Python은 강력한 라이브러리와 데이터 관리 도구로 인해 데이터 분석 언어로 널리 사용됩니다. 이러한 라이브러리 중에는 데이터 탐색 조작 및 분석을 더 쉽게 해주는 Pandas가 있습니다. 우리는 사용할 것이다 팬더 라는 데이터세트를 분석하기 위해 국가 데이터.csv 캐글에서. 이 데이터를 사용하는 동안 Pandas의 몇 가지 중요한 개념도 소개합니다.

1. 설치

pandas를 설치하는 가장 쉬운 방법은 pip를 사용하는 것입니다.

Python

    pip   install   pandas

또는 다음에서 다운로드하세요. 여기 .

2. Pandas에서 DataFrame 만들기

에이 데이터프레임 행과 열에 데이터가 저장된 Pandas의 테이블과 같은 데이터 구조입니다. DataFrame은 여러 Python 시리즈 객체를 전달하여 생성할 수 있습니다. DataFrame 수업 ( pd.데이터프레임() )를 사용하여 pd.Series 방법. 이 예에서는 두 개의 Series 객체가 사용됩니다. s1 첫 번째 행과 s2 두 번째 행으로.

예 1: 시리즈에서 DataFrame 생성:

Python

    import   pandas   as   pd   # Creating two Series: s1 (numbers) and s2 (names)   s1   =   pd  .  Series  ([  1     2  ])   s2   =   pd  .  Series  ([  'Ashish'     'Sid'  ])   # Creating DataFrame by combining Series as rows   dataframe   =   pd  .  DataFrame  ([  s1     s2  ])   # Displaying the DataFrame   print  (  dataframe  )

산출:

예 2: 사용자 정의 인덱스 및 열 이름이 있는 목록의 DataFrame:

Python

    dataframe1   =   pd  .  DataFrame  ([[  1     2  ]   [  'Ashish'     'Sid'  ]]   index  =  [  'r1'     'r2'  ]   columns  =  [  'c1'     'c2'  ])   print  (  dataframe1  )

산출:

예 3: 사전의 DataFrame:

Python

    dataframe2   =   pd  .  DataFrame  ({   'c1'  :   [  1     'Ashish'  ]   'c2'  :   [  2     'Sid'  ]   })   print  (  dataframe2  )

산출:

3. Pandas로 데이터 가져오기

첫 번째 단계는 데이터를 읽는 것입니다. 우리의 경우 데이터는 각 행이 새 줄로 구분되고 각 열이 쉼표로 구분되는 CSV(쉼표로 구분된 값) 파일로 저장됩니다. Python에서 데이터를 사용하려면 csv를 읽어야 합니다. 파일 Pandas DataFrame에 넣습니다.

Python

    import   pandas   as   pd   # Read Country-data.csv into a DataFrame   df   =   pd  .  read_csv  (  'Country-data.csv'  )   # Prints the first 5 rows of a DataFrame as default   df  .  head  ()   # Prints no. of rows and columns of a DataFrame   df  .  shape

산출:

(167 10)

4. Pandas로 DataFrame 인덱싱하기

Pandas는 강력한 인덱싱 기능을 제공합니다. 두 가지를 모두 사용하여 DataFrame을 인덱싱할 수 있습니다. 위치 기반 그리고 라벨 기반 행동 양식.

위치 기반 인덱싱(사용 iloc ):

Python # prints first 5 rows and every column which replicates df.head() df . iloc [ 0 : 5 :] # prints entire rows and columns df . iloc [::] # prints from 5th rows and first 5 columns df . iloc [ 5 :: 5 ]

산출:

레이블 기반 색인화(사용 loc ):

인덱싱은 다음을 사용하여 레이블로 작업할 수 있습니다. 팬더.DataFrame.loc 위치 대신 레이블을 사용하여 색인을 생성할 수 있는 방법입니다.

예:

Python # prints first five rows including 5th index and every columns of df df . loc [ 0 : 5 :] # prints from 5th rows onwards and entire columns df . loc [ 5 ::]

산출:

위의 내용은 실제로 df.iloc[0:5:]와 크게 다르지 않습니다. 이는 행 레이블이 모든 값을 가질 수 있지만 행 레이블은 위치와 정확히 일치하기 때문입니다. 그러나 열 레이블을 사용하면 데이터 작업 시 작업이 훨씬 쉬워집니다.

예:

Python # Prints the first 5 rows of Time period # value df . loc [: 5 'child_mort' ]

산출:

5. Pandas를 사용한 DataFrame 수학

Pandas를 사용하면 데이터프레임에 저장된 데이터에 대한 수학적 연산을 더 쉽게 수행할 수 있습니다. 팬더에서 수행할 수 있는 작업은 벡터화되어 있어 빠르고 루프를 사용하지 않고도 모든 요소에 자동으로 적용됩니다.

예 - 열별 수학:

Python # Adding 5 to every element in column A df [ 'child_mort' ] = df [ 'child_mort' ] + 5 # Multiplying values in column B by 10 df [ 'exports' ] = df [ 'exports' ] * 10 df

산출:

Pandas의 통계 함수:

팬더 도구의 통계 기능을 사용하여 데이터 프레임 계산을 수행할 수 있습니다. 다음과 같은 기능을 사용할 수 있습니다.

df.sum() → 값의 합
df.mean() → 평균
df.max() / df.min() → 최대값과 최소값
df.describe() → 빠른 통계 요약

Python # computes various summary statistics excluding NaN values df . describe () # Provides sum of all the values for each column df . sum ()

산출:

6. Pandas와 Matplotlib를 사용한 데이터 시각화

Pandas는 사용하기가 매우 쉽습니다. Matplotlib 기본 플롯과 차트를 만드는 데 사용되는 강력한 라이브러리입니다. 단 몇 줄의 코드만으로 데이터를 시각화하고 더 잘 이해할 수 있습니다. 다음은 Pandas 및 Matplotlib를 사용하여 플로팅을 시작하는 데 도움이 되는 몇 가지 간단한 예입니다.

Python # Import the library first import matplotlib.pyplot as plt

히스토그램

히스토그램은 열의 값 분포를 보여줍니다.

Python df [ 'income' ] . hist ( bins = 10 ) plt . title ( 'Histogram of Income' ) plt . xlabel ( 'Income Value' ) plt . ylabel ( 'Frequency' ) plt . show ()

산출:

박스 플롯

에이 상자 그림 이상값을 감지하고 데이터 확산을 이해하는 데 유용합니다.

Python df = df . head ( 10 ) plt . figure ( figsize = ( 20 6 )) # Increase width to make x-axis labels clearer df . boxplot ( column = 'imports' by = 'country' ) plt . title ( 'Boxplot by Country' ) plt . suptitle ( '' ) # Removes default title plt . xlabel ( 'Country' ) plt . ylabel ( 'Imports' ) plt . xticks ( rotation = 45 ) # Optional: Rotate x-axis labels for better visibility plt . tight_layout () # Adjust layout to avoid clipping plt . show ()

산출:

산점도

에이 산점도 두 변수 사이의 관계를 보여줍니다.

Python x = df [ 'health' ] y = df [ 'life_expec' ] plt . scatter ( x y label = 'Data Points' color = 'm' marker = '*' s = 30 ) plt . xlabel ( 'Health' ) plt . ylabel ( 'Life Expectancy' ) plt . title ( 'Scatter Plot of Health vs Life Expectancy' ) plt . legend () plt . show ()

산출: