데이터분석/빅분기 실기

2. Filtering & Sorting

John.Cho 2022. 5. 21. 15:11

02 Filtering & Sorting

In [11]:

import pandas as pd

In [12]:

url='https://raw.githubusercontent.com/Datamanim/pandas/main/chipo.csv'

In [13]:

df=pd.read_csv(url)

In [14]:

df.head()

Out[14]:

	order_id	quantity	item_name	choice_description	item_price
0	1	1	Chips and Fresh Tomato Salsa	NaN	$2.39
1	1	1	Izze	[Clementine]	$3.39
2	1	1	Nantucket Nectar	[Apple]	$3.39
3	1	1	Chips and Tomatillo-Green Chili Salsa	NaN	$2.39
4	2	2	Chicken Bowl	[Tomatillo-Red Chili Salsa (Hot), [Black Beans...	$16.98

quantity컬럼 값이 3인 데이터를 추출하여 첫 5행을 출력하라¶

In [17]:

df.loc[df["quantity"]==3].head()

Out[17]:

	order_id	quantity	item_name	choice_description	item_price
409	178	3	Chicken Bowl	[[Fresh Tomato Salsa (Mild), Tomatillo-Green C...	$32.94
445	193	3	Bowl	[Braised Carnitas, Pinto Beans, [Sour Cream, C...	$22.20
689	284	3	Canned Soft Drink	[Diet Coke]	$3.75
818	338	3	Bottled Water	NaN	$3.27
850	350	3	Canned Soft Drink	[Sprite]	$3.75

quantity컬럼 값이 3인 데이터를 추출하여 index를 0부터 정렬하고 첫 5행을 출력하라¶

In [19]:

df.loc[df["quantity"]==3].head().reset_index(drop=True)

Out[19]:

	order_id	quantity	item_name	choice_description	item_price
0	178	3	Chicken Bowl	[[Fresh Tomato Salsa (Mild), Tomatillo-Green C...	$32.94
1	193	3	Bowl	[Braised Carnitas, Pinto Beans, [Sour Cream, C...	$22.20
2	284	3	Canned Soft Drink	[Diet Coke]	$3.75
3	338	3	Bottled Water	NaN	$3.27
4	350	3	Canned Soft Drink	[Sprite]	$3.75

quantity , item_price 두개의 컬럼으로 구성된 새로운 데이터 프레임을 정의하라¶

In [22]:

new_df=df[["quantity","item_price"]]

In [23]:

print(new_df)

      quantity item_price
0            1     $2.39 
1            1     $3.39 
2            1     $3.39 
3            1     $2.39 
4            2    $16.98 
...        ...        ...
4617         1    $11.75 
4618         1    $11.75 
4619         1    $11.25 
4620         1     $8.75 
4621         1     $8.75 

[4622 rows x 2 columns]

item_price 컬럼의 달러표시 문자를 제거하고 float 타입으로 저장하여 new_price 컬럼에 저장하라¶

In [35]:

df["new_price"]=new_df["item_price"].str[1:].astype('float')

In [37]:

new_df.head()
print(df.head())

   order_id  quantity                              item_name  \
0         1         1           Chips and Fresh Tomato Salsa   
1         1         1                                   Izze   
2         1         1                       Nantucket Nectar   
3         1         1  Chips and Tomatillo-Green Chili Salsa   
4         2         2                           Chicken Bowl   

                                  choice_description item_price  new_price  
0                                                NaN     $2.39        2.39  
1                                       [Clementine]     $3.39        3.39  
2                                            [Apple]     $3.39        3.39  
3                                                NaN     $2.39        2.39  
4  [Tomatillo-Red Chili Salsa (Hot), [Black Beans...    $16.98       16.98

new_price 컬럼이 5이하의 값을 가지는 데이터프레임을 추출하고, 전체 갯수를 구하여라¶

In [29]:

len(new_df.loc[new_df["new_price"]<=5])

Out[29]:

item_name명이 Chicken Salad Bowl 인 데이터 프레임을 추출하라고 index 값을 초기화 하여라¶

In [33]:

df.loc[df["item_name"]=="Chicken Salad Bowl"].reset_index(drop=True)

Out[33]:

	order_id	quantity	item_name	choice_description	item_price
0	20	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Pinto...	$8.75
1	60	2	Chicken Salad Bowl	[Tomatillo Green Chili Salsa, [Sour Cream, Che...	$22.50
2	94	2	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Pinto...	$22.50
3	111	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Rice,...	$8.75
4	137	2	Chicken Salad Bowl	[Fresh Tomato Salsa, Fajita Vegetables]	$17.50
...	...	...	...	...	...
105	1813	2	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Pinto...	$17.50
106	1822	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Black Beans, Cheese, Gua...	$11.25
107	1834	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Pinto...	$11.25
108	1834	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Lettu...	$8.75
109	1834	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Pinto...	$8.75

110 rows × 5 columns

new_price값이 9 이하이고 item_name 값이 Chicken Salad Bowl 인 데이터 프레임을 추출하라¶

In [41]:

df.loc[(df["new_price"]<=9)&(df["item_name"]=="Chicken Salad Bowl")].head()

Out[41]:

	order_id	quantity	item_name	choice_description	item_price	new_price
44	20	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Pinto...	$8.75	8.75
256	111	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Rice,...	$8.75	8.75
526	220	1	Chicken Salad Bowl	[Roasted Chili Corn Salsa, [Black Beans, Sour ...	$8.75	8.75
528	221	1	Chicken Salad Bowl	[Tomatillo Green Chili Salsa, [Fajita Vegetabl...	$8.75	8.75
529	221	1	Chicken Salad Bowl	[Tomatillo Green Chili Salsa, [Fajita Vegetabl...	$8.75	8.75

In [43]:

df.loc[(df.new_price<=9)&(df.item_name=="Chicken Salad Bowl")].head()

Out[43]:

	order_id	quantity	item_name	choice_description	item_price	new_price
44	20	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Pinto...	$8.75	8.75
256	111	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Rice,...	$8.75	8.75
526	220	1	Chicken Salad Bowl	[Roasted Chili Corn Salsa, [Black Beans, Sour ...	$8.75	8.75
528	221	1	Chicken Salad Bowl	[Tomatillo Green Chili Salsa, [Fajita Vegetabl...	$8.75	8.75
529	221	1	Chicken Salad Bowl	[Tomatillo Green Chili Salsa, [Fajita Vegetabl...	$8.75	8.75

df의 new_price 컬럼 값에 따라 오름차순으로 정리하고 index를 초기화 하여라¶

In [47]:

df.sort_values(by='new_price').reset_index(drop=True)

Out[47]:

	order_id	quantity	item_name	choice_description	item_price	new_price
0	471	1	Bottled Water	NaN	$1.09	1.09
1	338	1	Canned Soda	[Coca Cola]	$1.09	1.09
2	1575	1	Canned Soda	[Dr. Pepper]	$1.09	1.09
3	47	1	Canned Soda	[Dr. Pepper]	$1.09	1.09
4	1014	1	Canned Soda	[Coca Cola]	$1.09	1.09
...	...	...	...	...	...	...
4617	1443	3	Veggie Burrito	[Fresh Tomato Salsa, [Fajita Vegetables, Rice,...	$33.75	33.75
4618	1443	4	Chicken Burrito	[Fresh Tomato Salsa, [Rice, Black Beans, Chees...	$35.00	35.00
4619	511	4	Chicken Burrito	[Fresh Tomato Salsa, [Fajita Vegetables, Rice,...	$35.00	35.00
4620	1398	3	Carnitas Bowl	[Roasted Chili Corn Salsa, [Fajita Vegetables,...	$35.25	35.25
4621	1443	15	Chips and Fresh Tomato Salsa	NaN	$44.25	44.25

4622 rows × 6 columns

df의 item_name 컬럼 값중 Chips 포함하는 경우의 데이터를 출력하라¶

In [50]:

df.loc[df.item_name.str.contains('Chips')]

Out[50]:

	order_id	quantity	item_name	choice_description	item_price	new_price
0	1	1	Chips and Fresh Tomato Salsa	NaN	$2.39	2.39
3	1	1	Chips and Tomatillo-Green Chili Salsa	NaN	$2.39	2.39
6	3	1	Side of Chips	NaN	$1.69	1.69
10	5	1	Chips and Guacamole	NaN	$4.45	4.45
14	7	1	Chips and Guacamole	NaN	$4.45	4.45
...	...	...	...	...	...	...
4596	1826	1	Chips and Guacamole	NaN	$4.45	4.45
4600	1827	1	Chips and Guacamole	NaN	$4.45	4.45
4605	1828	1	Chips and Guacamole	NaN	$4.45	4.45
4613	1831	1	Chips	NaN	$2.15	2.15
4616	1832	1	Chips and Guacamole	NaN	$4.45	4.45

1084 rows × 6 columns

df의 짝수번째 컬럼만을 포함하는 데이터프레임을 출력하라¶

In [52]:

df.iloc[:,::2]

Out[52]:

	order_id	item_name	item_price
0	1	Chips and Fresh Tomato Salsa	$2.39
1	1	Izze	$3.39
2	1	Nantucket Nectar	$3.39
3	1	Chips and Tomatillo-Green Chili Salsa	$2.39
4	2	Chicken Bowl	$16.98
...	...	...	...
4617	1833	Steak Burrito	$11.75
4618	1833	Steak Burrito	$11.75
4619	1834	Chicken Salad Bowl	$11.25
4620	1834	Chicken Salad Bowl	$8.75
4621	1834	Chicken Salad Bowl	$8.75

4622 rows × 3 columns

df의 new_price 컬럼 값에 따라 내림차순으로 정리하고 index를 초기화 하여라¶

In [56]:

df.sort_values(by='new_price',ascending=False).reset_index(drop=True).head()

Out[56]:

	order_id	quantity	item_name	choice_description	item_price	new_price
0	1443	15	Chips and Fresh Tomato Salsa	NaN	$44.25	44.25
1	1398	3	Carnitas Bowl	[Roasted Chili Corn Salsa, [Fajita Vegetables,...	$35.25	35.25
2	511	4	Chicken Burrito	[Fresh Tomato Salsa, [Fajita Vegetables, Rice,...	$35.00	35.00
3	1443	4	Chicken Burrito	[Fresh Tomato Salsa, [Rice, Black Beans, Chees...	$35.00	35.00
4	1443	3	Veggie Burrito	[Fresh Tomato Salsa, [Fajita Vegetables, Rice,...	$33.75	33.75

df의 item_name 컬럼 값이 Steak Salad 또는 Bowl 인 데이터를 인덱싱하라¶

In [59]:

df.loc[(df['item_name']=='Steak Salad')|(df['item_name']=='Bowl')]

Out[59]:

	order_id	quantity	item_name	choice_description	item_price	new_price
445	193	3	Bowl	[Braised Carnitas, Pinto Beans, [Sour Cream, C...	$22.20	22.20
664	276	1	Steak Salad	[Tomatillo-Red Chili Salsa (Hot), [Black Beans...	$8.99	8.99
673	279	1	Bowl	[Adobo-Marinated and Grilled Steak, [Sour Crea...	$7.40	7.40
752	311	1	Steak Salad	[Tomatillo-Red Chili Salsa (Hot), [Black Beans...	$8.99	8.99
893	369	1	Steak Salad	[Fresh Tomato Salsa (Mild), [Rice, Cheese, Sou...	$8.99	8.99
3502	1406	1	Steak Salad	[[Lettuce, Fajita Veggies]]	$8.69	8.69

df의 item_name 컬럼 값이 Steak Salad 또는 Bowl 인 데이터를 데이터 프레임화 한 후, item_name를 기준으로 중복행이 있으면 제거하되 첫번째 케이스만 남겨라¶

In [61]:

cut=df.loc[(df['item_name']=='Steak Salad')|(df['item_name']=='Bowl')]
cut.drop_duplicates('item_name')

Out[61]:

	order_id	quantity	item_name	choice_description	item_price	new_price
445	193	3	Bowl	[Braised Carnitas, Pinto Beans, [Sour Cream, C...	$22.20	22.20
664	276	1	Steak Salad	[Tomatillo-Red Chili Salsa (Hot), [Black Beans...	$8.99	8.99

In [63]:

cut.drop_duplicates('item_name',keep='last')

Out[63]:

	order_id	quantity	item_name	choice_description	item_price	new_price
673	279	1	Bowl	[Adobo-Marinated and Grilled Steak, [Sour Crea...	$7.40	7.40
3502	1406	1	Steak Salad	[[Lettuce, Fajita Veggies]]	$8.69	8.69

df의 데이터 중 new_price값이 new_price값의 평균값 이상을 가지는 데이터들을 인덱싱하라¶

In [66]:

mean=df.new_price.mean()
print(mean)

7.464335785374397

In [67]:

df.loc[df.new_price>=mean]

Out[67]:

	order_id	quantity	item_name	choice_description	item_price	new_price
4	2	2	Chicken Bowl	[Tomatillo-Red Chili Salsa (Hot), [Black Beans...	$16.98	16.98
5	3	1	Chicken Bowl	[Fresh Tomato Salsa (Mild), [Rice, Cheese, Sou...	$10.98	10.98
7	4	1	Steak Burrito	[Tomatillo Red Chili Salsa, [Fajita Vegetables...	$11.75	11.75
8	4	1	Steak Soft Tacos	[Tomatillo Green Chili Salsa, [Pinto Beans, Ch...	$9.25	9.25
9	5	1	Steak Burrito	[Fresh Tomato Salsa, [Rice, Black Beans, Pinto...	$9.25	9.25
...	...	...	...	...	...	...
4617	1833	1	Steak Burrito	[Fresh Tomato Salsa, [Rice, Black Beans, Sour ...	$11.75	11.75
4618	1833	1	Steak Burrito	[Fresh Tomato Salsa, [Rice, Sour Cream, Cheese...	$11.75	11.75
4619	1834	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Pinto...	$11.25	11.25
4620	1834	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Lettu...	$8.75	8.75
4621	1834	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Pinto...	$8.75	8.75

2890 rows × 6 columns

df의 데이터 중 item_name의 값이 Izze 데이터를 Fizzy Lizzy로 수정하라¶

In [74]:

df.loc[df['item_name']=='Izze']='Fizzy Lizzy'
df

Out[74]:

	order_id	quantity	item_name	choice_description	item_price	new_price
0	1	1	Chips and Fresh Tomato Salsa	NaN	$2.39	2.39
1	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy
2	1	1	Nantucket Nectar	[Apple]	$3.39	3.39
3	1	1	Chips and Tomatillo-Green Chili Salsa	NaN	$2.39	2.39
4	2	2	Chicken Bowl	[Tomatillo-Red Chili Salsa (Hot), [Black Beans...	$16.98	16.98
...	...	...	...	...	...	...
4617	1833	1	Steak Burrito	[Fresh Tomato Salsa, [Rice, Black Beans, Sour ...	$11.75	11.75
4618	1833	1	Steak Burrito	[Fresh Tomato Salsa, [Rice, Sour Cream, Cheese...	$11.75	11.75
4619	1834	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Pinto...	$11.25	11.25
4620	1834	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Lettu...	$8.75	8.75
4621	1834	1	Chicken Salad Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Pinto...	$8.75	8.75

4622 rows × 6 columns

In [75]:

df.loc[df.item_name=='Izze','item_name']='Fizzy Lizzy'

df의 데이터 중 choice_description 값이 NaN 인 데이터의 갯수를 구하여라¶

In [77]:

df.choice_description.isnull().sum()

Out[77]:

df의 데이터 중 choice_description 값이 NaN 인 데이터를 NoData 값으로 대체하라(loc 이용)¶

In [80]:

df.head()

Out[80]:

	order_id	quantity	item_name	choice_description	item_price	new_price
0	1	1	Chips and Fresh Tomato Salsa	NaN	$2.39	2.39
1	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy
2	1	1	Nantucket Nectar	[Apple]	$3.39	3.39
3	1	1	Chips and Tomatillo-Green Chili Salsa	NaN	$2.39	2.39
4	2	2	Chicken Bowl	[Tomatillo-Red Chili Salsa (Hot), [Black Beans...	$16.98	16.98

In [81]:

df.loc[df.choice_description.isnull(),'choice_description']='NoData'

In [82]:

df.head()

Out[82]:

	order_id	quantity	item_name	choice_description	item_price	new_price
0	1	1	Chips and Fresh Tomato Salsa	NoData	$2.39	2.39
1	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy	Fizzy Lizzy
2	1	1	Nantucket Nectar	[Apple]	$3.39	3.39
3	1	1	Chips and Tomatillo-Green Chili Salsa	NoData	$2.39	2.39
4	2	2	Chicken Bowl	[Tomatillo-Red Chili Salsa (Hot), [Black Beans...	$16.98	16.98

df의 데이터 중 choice_description 값에 Black이 들어가는 경우를 인덱싱하라¶

In [84]:

df[df.choice_description.str.contains('Black')]

Out[84]:

	order_id	quantity	item_name	choice_description	item_price	new_price
4	2	2	Chicken Bowl	[Tomatillo-Red Chili Salsa (Hot), [Black Beans...	$16.98	16.98
7	4	1	Steak Burrito	[Tomatillo Red Chili Salsa, [Fajita Vegetables...	$11.75	11.75
9	5	1	Steak Burrito	[Fresh Tomato Salsa, [Rice, Black Beans, Pinto...	$9.25	9.25
11	6	1	Chicken Crispy Tacos	[Roasted Chili Corn Salsa, [Fajita Vegetables,...	$8.75	8.75
12	6	1	Chicken Soft Tacos	[Roasted Chili Corn Salsa, [Rice, Black Beans,...	$8.75	8.75
...	...	...	...	...	...	...
4604	1828	1	Chicken Bowl	[Fresh Tomato Salsa, [Rice, Black Beans, Chees...	$8.75	8.75
4608	1829	1	Veggie Burrito	[Tomatillo Red Chili Salsa, [Fajita Vegetables...	$11.25	11.25
4611	1830	1	Veggie Burrito	[Tomatillo Green Chili Salsa, [Rice, Fajita Ve...	$11.25	11.25
4612	1831	1	Carnitas Bowl	[Fresh Tomato Salsa, [Fajita Vegetables, Rice,...	$9.25	9.25
4617	1833	1	Steak Burrito	[Fresh Tomato Salsa, [Rice, Black Beans, Sour ...	$11.75	11.75

1345 rows × 6 columns

df의 데이터 중 choice_description 값에 Vegetables 들어가지 않는 경우의 갯수를 출력하라¶

In [86]:

len(df.loc[~df.choice_description.str.contains('Vegetables')])

Out[86]:

df의 데이터 중 item_name 값이 N으로 시작하는 데이터를 모두 추출하라¶

In [90]:

df.loc[df.item_name.str.startswith('N')].head()

Out[90]:

	order_id	quantity	item_name	choice_description	item_price	new_price
2	1	1	Nantucket Nectar	[Apple]	$3.39	3.39
22	11	1	Nantucket Nectar	[Pomegranate Cherry]	$3.39	3.39
105	46	1	Nantucket Nectar	[Pineapple Orange Banana]	$3.39	3.39
173	77	1	Nantucket Nectar	[Apple]	$3.39	3.39
205	91	1	Nantucket Nectar	[Peach Orange]	$3.39	3.39

df의 데이터 중 item_name 값의 단어갯수가 15개 이상인 데이터를 인덱싱하라¶

In [93]:

df.loc[df.item_name.str.len()>=15].head(3)

Out[93]:

	order_id	quantity	item_name	choice_description	item_price	new_price
0	1	1	Chips and Fresh Tomato Salsa	NoData	$2.39	2.39
2	1	1	Nantucket Nectar	[Apple]	$3.39	3.39
3	1	1	Chips and Tomatillo-Green Chili Salsa	NoData	$2.39	2.39

df의 데이터 중 new_price값이 lst에 해당하는 경우의 데이터 프레임을 구하고 그 갯수를 출력하라 lst =[1.69, 2.39, 3.39, 4.45, 9.25, 10.98, 11.75, 16.98]¶

In [98]:

lst =[1.69, 2.39, 3.39, 4.45, 9.25, 10.98, 11.75, 16.98]
len(df.loc[df.new_price.isin(lst)])

Out[98]:

In [ ]:

저작자표시 비영리 변경금지

'데이터분석 > 빅분기 실기' 카테고리의 다른 글

1 Getting & Knowing Data (0)	2022.05.21
3. 데이터정제 실전과제 (0)	2021.10.30
2. 데이터 탐색과 정제 (0)	2021.10.30
1.파이썬 기초 (0)	2021.10.30

현재글2. Filtering & Sorting

데이터분석, Phython, SQL 공부 중입니다.

FSS DREAM, FSS, How.i.met.your.mother, 금융감독원, 가디언즈, 코넥스, Let it GO, KRX, konex, 재정낭비, 태그를 입력해 주세요., 외국인교도소, 건전재정, Life, 기초노령연금, Frozen, Frozen planet, 자본시장서포터즈, 금융교육봉사단, 한국거래소,

Today :
Yesterday :

Data Analyst

2. Filtering & Sorting

quantity컬럼 값이 3인 데이터를 추출하여 첫 5행을 출력하라¶

quantity컬럼 값이 3인 데이터를 추출하여 index를 0부터 정렬하고 첫 5행을 출력하라¶

quantity , item_price 두개의 컬럼으로 구성된 새로운 데이터 프레임을 정의하라¶

item_price 컬럼의 달러표시 문자를 제거하고 float 타입으로 저장하여 new_price 컬럼에 저장하라¶

new_price 컬럼이 5이하의 값을 가지는 데이터프레임을 추출하고, 전체 갯수를 구하여라¶

item_name명이 Chicken Salad Bowl 인 데이터 프레임을 추출하라고 index 값을 초기화 하여라¶

new_price값이 9 이하이고 item_name 값이 Chicken Salad Bowl 인 데이터 프레임을 추출하라¶

df의 new_price 컬럼 값에 따라 오름차순으로 정리하고 index를 초기화 하여라¶

df의 item_name 컬럼 값중 Chips 포함하는 경우의 데이터를 출력하라¶

df의 짝수번째 컬럼만을 포함하는 데이터프레임을 출력하라¶

df의 new_price 컬럼 값에 따라 내림차순으로 정리하고 index를 초기화 하여라¶

df의 item_name 컬럼 값이 Steak Salad 또는 Bowl 인 데이터를 인덱싱하라¶

df의 item_name 컬럼 값이 Steak Salad 또는 Bowl 인 데이터를 데이터 프레임화 한 후, item_name를 기준으로 중복행이 있으면 제거하되 첫번째 케이스만 남겨라¶

df의 데이터 중 new_price값이 new_price값의 평균값 이상을 가지는 데이터들을 인덱싱하라¶

df의 데이터 중 item_name의 값이 Izze 데이터를 Fizzy Lizzy로 수정하라¶

df의 데이터 중 choice_description 값이 NaN 인 데이터의 갯수를 구하여라¶

df의 데이터 중 choice_description 값이 NaN 인 데이터를 NoData 값으로 대체하라(loc 이용)¶

df의 데이터 중 choice_description 값에 Black이 들어가는 경우를 인덱싱하라¶

df의 데이터 중 choice_description 값에 Vegetables 들어가지 않는 경우의 갯수를 출력하라¶

df의 데이터 중 item_name 값이 N으로 시작하는 데이터를 모두 추출하라¶

df의 데이터 중 item_name 값의 단어갯수가 15개 이상인 데이터를 인덱싱하라¶

df의 데이터 중 new_price값이 lst에 해당하는 경우의 데이터 프레임을 구하고 그 갯수를 출력하라 lst =[1.69, 2.39, 3.39, 4.45, 9.25, 10.98, 11.75, 16.98]¶

'데이터분석 > 빅분기 실기' 카테고리의 다른 글

'데이터분석/빅분기 실기'의 다른글

티스토리툴바

« 2024/05 »
일	월	화	수	목	금	토
			1	2	3	4
5	6	7	8	9	10	11
12	13	14	15	16	17	18
19	20	21	22	23	24	25
26	27	28	29	30	31

2. Filtering & Sorting

quantity컬럼 값이 3인 데이터를 추출하여 첫 5행을 출력하라¶

quantity컬럼 값이 3인 데이터를 추출하여 index를 0부터 정렬하고 첫 5행을 출력하라¶

quantity , item_price 두개의 컬럼으로 구성된 새로운 데이터 프레임을 정의하라¶

item_price 컬럼의 달러표시 문자를 제거하고 float 타입으로 저장하여 new_price 컬럼에 저장하라¶

new_price 컬럼이 5이하의 값을 가지는 데이터프레임을 추출하고, 전체 갯수를 구하여라¶

item_name명이 Chicken Salad Bowl 인 데이터 프레임을 추출하라고 index 값을 초기화 하여라¶

new_price값이 9 이하이고 item_name 값이 Chicken Salad Bowl 인 데이터 프레임을 추출하라¶

df의 new_price 컬럼 값에 따라 오름차순으로 정리하고 index를 초기화 하여라¶

df의 item_name 컬럼 값중 Chips 포함하는 경우의 데이터를 출력하라¶

df의 짝수번째 컬럼만을 포함하는 데이터프레임을 출력하라¶

df의 new_price 컬럼 값에 따라 내림차순으로 정리하고 index를 초기화 하여라¶

df의 item_name 컬럼 값이 Steak Salad 또는 Bowl 인 데이터를 인덱싱하라¶

df의 item_name 컬럼 값이 Steak Salad 또는 Bowl 인 데이터를 데이터 프레임화 한 후, item_name를 기준으로 중복행이 있으면 제거하되 첫번째 케이스만 남겨라¶

df의 데이터 중 new_price값이 new_price값의 평균값 이상을 가지는 데이터들을 인덱싱하라¶

df의 데이터 중 item_name의 값이 Izze 데이터를 Fizzy Lizzy로 수정하라¶

df의 데이터 중 choice_description 값이 NaN 인 데이터의 갯수를 구하여라¶

df의 데이터 중 choice_description 값이 NaN 인 데이터를 NoData 값으로 대체하라(loc 이용)¶

df의 데이터 중 choice_description 값에 Black이 들어가는 경우를 인덱싱하라¶

df의 데이터 중 choice_description 값에 Vegetables 들어가지 않는 경우의 갯수를 출력하라¶

df의 데이터 중 item_name 값이 N으로 시작하는 데이터를 모두 추출하라¶

df의 데이터 중 item_name 값의 단어갯수가 15개 이상인 데이터를 인덱싱하라¶

df의 데이터 중 new_price값이 lst에 해당하는 경우의 데이터 프레임을 구하고 그 갯수를 출력하라 lst =[1.69, 2.39, 3.39, 4.45, 9.25, 10.98, 11.75, 16.98]¶

'데이터분석 > 빅분기 실기' 카테고리의 다른 글

'데이터분석/빅분기 실기'의 다른글

관련글

티스토리툴바