[SQL 입문반 33기] 2주차 복습(Python ver)-2

이번 글에서는 파이썬으로 2주차 학습 내용인 집계 함수, 데이터 요약과 조건문 대한 복습 내용을 작성하겠습니다.

 

이전 글 링크: https://whda.tistory.com/10

[SQL 입문반 33기] 2주차 복습(Python ver)-1

 

데이터 설명

이번에도 타이타닉 생존자 데이터를 사용하고자 합니다. 

변수명	정의
PassengerId	승객 번호
Survived	생존여부
Pclass	티켓 등급
Name	이름
Sex	성별
Age	연령
SibSp	승선 중인 형제나 배우자의 수
Parch	승선 중인 부모나 자녀의 수
Ticket	티켓 번호
Fare	티켓 요금
Cabin	방 번호
Embarked	승선한 항구의 이름

 

데이터 출처: 타이타닉 데이터

Titanic - Machine Learning from Disaster

 

 

전체 데이터 일부

 

1. 집계 함수

아래 코드를 활용하면 대부분의 통계 관련 수치는 확인할 수 있습니다.

titanic_train.describe()

 

 

• 개수

Q. Fare 컬럼의 데이터 개수를 구하세요.

# 개수
# 1
titanic_train['Fare'].count()

# 2
len(titanic_train['Fare'])

# 3
titanic_train['Fare'].value_counts().sum()

다양한 방식으로 행의 수를 확인할 수 있습니다.

MySQL과 개수가 달라 확인해본 결과 총 개수는 891이 맞습니다. 

다만 CSV파일에서 MySQL로 파일을 업로드하는 과정에서 Age컬럼에서 Null인 행 데이터가 삭제되어 올라가는 것을 확인했습니다.

여러 작업을 해봤지만 수정되지 않아 일단 그대로 진행하기로 결정했습니다. 참고 부탁드립니다.

 

• 합계

Q. Fare 컬럼의 총 합계를 구하세요.

titanic_train['Fare'].sum()

 

 

Q. Fare 컬럼의 총 합계를 구하세요.(소수점 첫째 자리에서 반올림하세요.)

titanic_train['Fare'].sum().round(0)

 

• 평균

Q. Fare 컬럼의 평균을 구하세요.

titanic_train['Fare'].mean()

 

 

• 최소

Q. Age 컬럼의 최소값을 구하세요.

titanic_train['Age'].min()

 

MySQL로 수행했을 때와 결과가 달라 추가로 확인해봤습니다.

원본 파일에도 0.42로 되어 있는 것을 확인했습니다.

MySQL로 파일을 업로드하면서 정수형으로 데이터 타입이 변환된 것 같습니다.

 

• 최대

Q. Age 컬럼의 최대값을 구하세요.

titanic_train['Age'].max()

 

2. 데이터 요약하기 

Q. 성별별 티켓 가격의 평균을 구하세요.

titanic_train.groupby('Sex')['Fare'].mean()

성별을 기준으로 평균 가격을 확인할 수 있습니다.

 

 

Q. 성별별 티켓 등급별 티켓 가격의 평균을 구하세요.

titanic_train.groupby(['Sex', 'Pclass'])['Fare'].mean()

MySQL보다는 시각적으로 보기 더 편하다고 느꼈습니다.

 

• 조건 추가(HAVING)

Q. 성별별 티켓 가격의 평균을 구하고 평균 티켓 가격이 30이상인 것만 나타내세요.

group = titanic_train.groupby('Sex')['Fare'].mean()
group[group >= 30]

 

• 정렬 추가(ORDER BY)

Q. 성별별 티켓 등급별 티켓 가격의 평균을 구하세요.(정렬순서: 티켓 등급 오름차순, 만일 같다면 성별 알파벳 오름차순)

titanic_train.groupby(['Sex', 'Pclass'])['Fare'].mean().reset_index().sort_values(by = ['Pclass', 'Sex'])

 

Pclass 컬럼은 만약 내림차순으로 정렬해야 한다면 아래와 같이 작성하면 됩니다.

titanic_train.groupby(['Sex', 'Pclass'])['Fare'].mean().reset_index().sort_values(by = ['Pclass', 'Sex'], ascending = [False, True])

 

 

3. 조건문

• CASE문 조건 1개

Q. 나이가 60세이상면 'old'이고 미만이면 'young'인 'age_category' 컬럼을 추가하세요.

titanic_train['age_category'] = np.where(titanic_train['Age'] >= 60, 'old', 'young' )
titanic_train.loc[30:35,['Age', 'age_category']]

 

 

• CASE문 조건 2개 이상

Q. 나이가 19세 미만이면 '미성년', 19이상 40미만이면 '청년', 40세이상 65세미만 '중장년', 65세이상면 '노년'인 'age_group' 컬럼을 추가하세요.

filtered = titanic_train[titanic_train['Age'].notna()]

conditions = [
    (filtered['Age'] < 19),
    (filtered['Age'] < 40),
    (filtered['Age'] < 65),
    (filtered['Age'] >= 65),
]

values = ['미성년', '청년', '중장년', '노년']

filtered['age_group'] = np.select(conditions, values)

filtered.loc[24:35,['Age', 'age_group']]

 

 

• GROUP BY 추가

Q. 성별별 age_group별 사람 수를 구하세요.(정렬순서: age_group 오름차순, 성별 오름차순)

filtered.groupby(['Sex', 'age_group'])['PassengerId'].count().reset_index().sort_values(by = ['age_group', 'Sex'])

 

이것으로 파이썬으로 하는 2주차 복습을 마무리하겠습니다.

다음 글에서는 3주차 후기에 대해 작성하겠습니다.

 

 

 

 

전체 소스코드가 궁금하다면 아래 깃허브 주소를 참고해주세요.

https://github.com/HSYhrae/TIL/tree/master/MySQL/Datarian

TIL/MySQL/Datarian at master · HSYhrae/TIL

 

본 내용은 데이터리안 'SQL 데이터 분석 캠프 입문반' 을 수강하며 작성한 내용입니다.