새싹 인공지능 응용sw 개발자 양성 교육 프로그램 심선조 강사님 수업 정리 글입니다.
1. 깔끔한 데이터
-
넓은 데이터
데이터프레임의 열은 파이썬의 변수와 비슷한 역할을 한다.
데이터프레임의 열이 옆으로 길게 늘어선 형태가 넓은 데이터라고 한다. -
melt메서드
지정한 열의 데이터를 모두 행으로 정리해 준다. -
melt메서드 인자
id_vars : 위치를 그대로 유지할 열의 이름을 지정
value_vars : 행을 위치를 변경할 열의 이름을 지정
var_name: value_vars로 위치를 변경한 열의 이름을 지정
value_name: var_name으로 위치를 변경한 열의 데이터를 지정한 열의 이름을 지정 -
pd.melt(
frame: 'DataFrame',
id_vars=None,
value_vars=None,
var_name=None,
value_name='value',
col_level=None,
ignore_index: 'bool' = True, #기존의 index을 무시하고 새로 부여하겠다.
) -> 'DataFrame'
import pandas as pddf = pd.read_csv('data/pew.csv')df.head(2)| religion | <$10k | $10-20k | $20-30k | $30-40k | $40-50k | $50-75k | $75-100k | $100-150k | >150k | Don't know/refused | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | Agnostic | 27 | 34 | 60 | 81 | 76 | 137 | 122 | 109 | 84 | 96 |
| 1 | Atheist | 12 | 27 | 37 | 52 | 35 | 70 | 73 | 59 | 74 | 76 |
data=pd.melt(df,id_vars='religion') #id_vars='religion' , religion만 고정한다. df의 열이 variable로 들어가고 variable의 값이 value로 들어간다.
data| religion | variable | value | |
|---|---|---|---|
| 0 | Agnostic | <$10k | 27 |
| 1 | Atheist | <$10k | 12 |
| 2 | Buddhist | <$10k | 27 |
| 3 | Catholic | <$10k | 418 |
| 4 | Don’t know/refused | <$10k | 15 |
| ... | ... | ... | ... |
| 175 | Orthodox | Don't know/refused | 73 |
| 176 | Other Christian | Don't know/refused | 18 |
| 177 | Other Faiths | Don't know/refused | 71 |
| 178 | Other World Religions | Don't know/refused | 8 |
| 179 | Unaffiliated | Don't know/refused | 597 |
180 rows × 3 columns
#열이름 바꾸기1
data.columns = ['religion', 'income', 'count'] #column이름 바꿔줌
data.sample() #sample은 1개만 추출| religion | income | count | |
|---|---|---|---|
| 61 | Historically Black Prot | $30-40k | 238 |
#열이름 바꾸기2
data=pd.melt(df,id_vars='religion',var_name='income',value_name='count') #var_name= variable, value_name=count
data.sample()| religion | income | count | |
|---|---|---|---|
| 69 | Other Faiths | $30-40k | 46 |
#열이름 바꾸기3 - rename메서드
data.rename(columns={"income":"소득영역","count":"갯수"}) #원본에 적용하고 싶으면 inplace = True| religion | 소득영역 | 갯수 | |
|---|---|---|---|
| 0 | Agnostic | <$10k | 27 |
| 1 | Atheist | <$10k | 12 |
| 2 | Buddhist | <$10k | 27 |
| 3 | Catholic | <$10k | 418 |
| 4 | Don’t know/refused | <$10k | 15 |
| ... | ... | ... | ... |
| 175 | Orthodox | Don't know/refused | 73 |
| 176 | Other Christian | Don't know/refused | 18 |
| 177 | Other Faiths | Don't know/refused | 71 |
| 178 | Other World Religions | Don't know/refused | 8 |
| 179 | Unaffiliated | Don't know/refused | 597 |
180 rows × 3 columns
df=pd.read_csv('data/billboard.csv')
df.head(1)| year | artist | track | time | date.entered | wk1 | wk2 | wk3 | wk4 | wk5 | ... | wk67 | wk68 | wk69 | wk70 | wk71 | wk72 | wk73 | wk74 | wk75 | wk76 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2000 | 2 Pac | Baby Don't Cry (Keep... | 4:22 | 2000-02-26 | 87 | 82.0 | 72.0 | 77.0 | 87.0 | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
1 rows × 81 columns
df.columnsIndex(['year', 'artist', 'track', 'time', 'date.entered', 'wk1', 'wk2', 'wk3',
'wk4', 'wk5', 'wk6', 'wk7', 'wk8', 'wk9', 'wk10', 'wk11', 'wk12',
'wk13', 'wk14', 'wk15', 'wk16', 'wk17', 'wk18', 'wk19', 'wk20', 'wk21',
'wk22', 'wk23', 'wk24', 'wk25', 'wk26', 'wk27', 'wk28', 'wk29', 'wk30',
'wk31', 'wk32', 'wk33', 'wk34', 'wk35', 'wk36', 'wk37', 'wk38', 'wk39',
'wk40', 'wk41', 'wk42', 'wk43', 'wk44', 'wk45', 'wk46', 'wk47', 'wk48',
'wk49', 'wk50', 'wk51', 'wk52', 'wk53', 'wk54', 'wk55', 'wk56', 'wk57',
'wk58', 'wk59', 'wk60', 'wk61', 'wk62', 'wk63', 'wk64', 'wk65', 'wk66',
'wk67', 'wk68', 'wk69', 'wk70', 'wk71', 'wk72', 'wk73', 'wk74', 'wk75',
'wk76'],
dtype='object')#1개의 column에 합칠 수 있는 wk를 합쳐야 한다.
df_melt = pd.melt(df,
id_vars=['year', 'artist', 'track', 'time', 'date.entered'],
var_name='week',
value_name='rating')df.shape(317, 81)df_melt.shape(24092, 7)하나의 열이 여러 의미를 가지고 있는 경우
예를 들어 ebola데이터 집합에 Deaths_Guinea는 '사망자 수'와 '나라 이름'을 합쳐 만든 이름이다.
df=pd.read_csv('data/country_timeseries.csv')
df.sample()| Date | Day | Cases_Guinea | Cases_Liberia | Cases_SierraLeone | Cases_Nigeria | Cases_Senegal | Cases_UnitedStates | Cases_Spain | Cases_Mali | Deaths_Guinea | Deaths_Liberia | Deaths_SierraLeone | Deaths_Nigeria | Deaths_Senegal | Deaths_UnitedStates | Deaths_Spain | Deaths_Mali | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19 | 11/18/2014 | 241 | 2047.0 | 7082.0 | 6190.0 | 20.0 | 1.0 | 4.0 | 1.0 | 6.0 | 1214.0 | 2963.0 | 1267.0 | 8.0 | 0.0 | 1.0 | 0.0 | 6.0 |
#melt메서드를 통해서 column합치기
df_melt=pd.melt(df,id_vars=['Date','Day'])#데이터프레임은 str이 아니기 때문에 series에 split 사용 불가 -> .str을 붙여서 stringmehod(split)메소드 사용 가능
df_melt.variable0 Cases_Guinea
1 Cases_Guinea
2 Cases_Guinea
3 Cases_Guinea
4 Cases_Guinea
...
1947 Deaths_Mali
1948 Deaths_Mali
1949 Deaths_Mali
1950 Deaths_Mali
1951 Deaths_Mali
Name: variable, Length: 1952, dtype: objectdf_melt['variable'] #df_melt.variable와 동일0 Cases_Guinea
1 Cases_Guinea
2 Cases_Guinea
3 Cases_Guinea
4 Cases_Guinea
...
1947 Deaths_Mali
1948 Deaths_Mali
1949 Deaths_Mali
1950 Deaths_Mali
1951 Deaths_Mali
Name: variable, Length: 1952, dtype: objectdf_melt.variable.str.split('_') #.str붙이면 stringmehod(split)를 적용할 수 있는 형태로 바뀐다.
#분리했는데 데이터가 여러개라서 리스트형태로 결과값이 나온다.0 [Cases, Guinea]
1 [Cases, Guinea]
2 [Cases, Guinea]
3 [Cases, Guinea]
4 [Cases, Guinea]
...
1947 [Deaths, Mali]
1948 [Deaths, Mali]
1949 [Deaths, Mali]
1950 [Deaths, Mali]
1951 [Deaths, Mali]
Name: variable, Length: 1952, dtype: objectdf_melt['status'] = df_melt.variable.str.split('_').str.get(0) #.str.get(0) = 앞쪽 데이터를 가져와라df_melt['country'] = df_melt.variable.str.split('_').str.get(1)
df_melt.sample(3)| Date | Day | variable | value | status | country | |
|---|---|---|---|---|---|---|
| 360 | 3/28/2014 | 6 | Cases_SierraLeone | 2.0 | Cases | SierraLeone |
| 190 | 8/1/2014 | 132 | Cases_Liberia | 468.0 | Cases | Liberia |
| 804 | 7/20/2014 | 120 | Cases_Spain | NaN | Cases | Spain |
여러 열을 하나로 정리하기
df = pd.read_csv('data/weather.csv')
df.head(1)| id | year | month | element | d1 | d2 | d3 | d4 | d5 | d6 | ... | d22 | d23 | d24 | d25 | d26 | d27 | d28 | d29 | d30 | d31 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | MX17004 | 2010 | 1 | tmax | NaN | NaN | NaN | NaN | NaN | NaN | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 27.8 | NaN |
1 rows × 35 columns
df_melt = pd.melt(df,
id_vars=['id','year','month','element'],
var_name='day',
value_name='temp')#pivot_table()사용하면 index에 뭘 지정하고, column에 뭘 지정하고, value에 뭘 지정할 것 인지 정하는 것, #tmax, tmin이 column으로 갔다.
df_pivot = df_melt.pivot_table(index=['id','year','month','day'],
columns='element',
values='temp') df_pivot.indexMultiIndex([('MX17004', 2010, 1, 'd30'),
('MX17004', 2010, 2, 'd11'),
('MX17004', 2010, 2, 'd2'),
('MX17004', 2010, 2, 'd23'),
('MX17004', 2010, 2, 'd3'),
('MX17004', 2010, 3, 'd10'),
('MX17004', 2010, 3, 'd16'),
('MX17004', 2010, 3, 'd5'),
('MX17004', 2010, 4, 'd27'),
('MX17004', 2010, 5, 'd27'),
('MX17004', 2010, 6, 'd17'),
('MX17004', 2010, 6, 'd29'),
('MX17004', 2010, 7, 'd3'),
('MX17004', 2010, 7, 'd14'),
('MX17004', 2010, 8, 'd23'),
('MX17004', 2010, 8, 'd5'),
('MX17004', 2010, 8, 'd29'),
('MX17004', 2010, 8, 'd13'),
('MX17004', 2010, 8, 'd25'),
('MX17004', 2010, 8, 'd31'),
('MX17004', 2010, 8, 'd8'),
('MX17004', 2010, 10, 'd5'),
('MX17004', 2010, 10, 'd14'),
('MX17004', 2010, 10, 'd15'),
('MX17004', 2010, 10, 'd28'),
('MX17004', 2010, 10, 'd7'),
('MX17004', 2010, 11, 'd2'),
('MX17004', 2010, 11, 'd5'),
('MX17004', 2010, 11, 'd27'),
('MX17004', 2010, 11, 'd26'),
('MX17004', 2010, 11, 'd4'),
('MX17004', 2010, 12, 'd1'),
('MX17004', 2010, 12, 'd6')],
names=['id', 'year', 'month', 'day'])df_pivot.columnsIndex(['tmax', 'tmin'], dtype='object', name='element')df_pivot.valuesarray([[27.8, 14.5],
[29.7, 13.4],
[27.3, 14.4],
[29.9, 10.7],
[24.1, 14.4],
[34.5, 16.8],
[31.1, 17.6],
[32.1, 14.2],
[36.3, 16.7],
[33.2, 18.2],
[28. , 17.5],
[30.1, 18. ],
[28.6, 17.5],
[29.9, 16.5],
[26.4, 15. ],
[29.6, 15.8],
[28. , 15.3],
[29.8, 16.5],
[29.7, 15.6],
[25.4, 15.4],
[29. , 17.3],
[27. , 14. ],
[29.5, 13. ],
[28.7, 10.5],
[31.2, 15. ],
[28.1, 12.9],
[31.3, 16.3],
[26.3, 7.9],
[27.7, 14.2],
[28.1, 12.1],
[27.2, 12. ],
[29.9, 13.8],
[27.8, 10.5]])df_pivot.reset_index(inplace=True) #원본에 적용하려면 inplace=True 또는 x =df_pivot.reset_index() 이름 저장하기df_pivot.indexRangeIndex(start=0, stop=33, step=1)df_pivot.valuesarray([[0, 0, 'MX17004', 2010, 1, 'd30', 27.8, 14.5],
[1, 1, 'MX17004', 2010, 2, 'd11', 29.7, 13.4],
[2, 2, 'MX17004', 2010, 2, 'd2', 27.3, 14.4],
[3, 3, 'MX17004', 2010, 2, 'd23', 29.9, 10.7],
[4, 4, 'MX17004', 2010, 2, 'd3', 24.1, 14.4],
[5, 5, 'MX17004', 2010, 3, 'd10', 34.5, 16.8],
[6, 6, 'MX17004', 2010, 3, 'd16', 31.1, 17.6],
[7, 7, 'MX17004', 2010, 3, 'd5', 32.1, 14.2],
[8, 8, 'MX17004', 2010, 4, 'd27', 36.3, 16.7],
[9, 9, 'MX17004', 2010, 5, 'd27', 33.2, 18.2],
[10, 10, 'MX17004', 2010, 6, 'd17', 28.0, 17.5],
[11, 11, 'MX17004', 2010, 6, 'd29', 30.1, 18.0],
[12, 12, 'MX17004', 2010, 7, 'd3', 28.6, 17.5],
[13, 13, 'MX17004', 2010, 7, 'd14', 29.9, 16.5],
[14, 14, 'MX17004', 2010, 8, 'd23', 26.4, 15.0],
[15, 15, 'MX17004', 2010, 8, 'd5', 29.6, 15.8],
[16, 16, 'MX17004', 2010, 8, 'd29', 28.0, 15.3],
[17, 17, 'MX17004', 2010, 8, 'd13', 29.8, 16.5],
[18, 18, 'MX17004', 2010, 8, 'd25', 29.7, 15.6],
[19, 19, 'MX17004', 2010, 8, 'd31', 25.4, 15.4],
[20, 20, 'MX17004', 2010, 8, 'd8', 29.0, 17.3],
[21, 21, 'MX17004', 2010, 10, 'd5', 27.0, 14.0],
[22, 22, 'MX17004', 2010, 10, 'd14', 29.5, 13.0],
[23, 23, 'MX17004', 2010, 10, 'd15', 28.7, 10.5],
[24, 24, 'MX17004', 2010, 10, 'd28', 31.2, 15.0],
[25, 25, 'MX17004', 2010, 10, 'd7', 28.1, 12.9],
[26, 26, 'MX17004', 2010, 11, 'd2', 31.3, 16.3],
[27, 27, 'MX17004', 2010, 11, 'd5', 26.3, 7.9],
[28, 28, 'MX17004', 2010, 11, 'd27', 27.7, 14.2],
[29, 29, 'MX17004', 2010, 11, 'd26', 28.1, 12.1],
[30, 30, 'MX17004', 2010, 11, 'd4', 27.2, 12.0],
[31, 31, 'MX17004', 2010, 12, 'd1', 29.9, 13.8],
[32, 32, 'MX17004', 2010, 12, 'd6', 27.8, 10.5]], dtype=object)df = pd.read_csv('data/billboard.csv')
df| year | artist | track | time | date.entered | wk1 | wk2 | wk3 | wk4 | wk5 | ... | wk67 | wk68 | wk69 | wk70 | wk71 | wk72 | wk73 | wk74 | wk75 | wk76 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2000 | 2 Pac | Baby Don't Cry (Keep... | 4:22 | 2000-02-26 | 87 | 82.0 | 72.0 | 77.0 | 87.0 | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 1 | 2000 | 2Ge+her | The Hardest Part Of ... | 3:15 | 2000-09-02 | 91 | 87.0 | 92.0 | NaN | NaN | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 2 | 2000 | 3 Doors Down | Kryptonite | 3:53 | 2000-04-08 | 81 | 70.0 | 68.0 | 67.0 | 66.0 | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 3 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | 76 | 76.0 | 72.0 | 69.0 | 67.0 | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 4 | 2000 | 504 Boyz | Wobble Wobble | 3:35 | 2000-04-15 | 57 | 34.0 | 25.0 | 17.0 | 17.0 | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 312 | 2000 | Yankee Grey | Another Nine Minutes | 3:10 | 2000-04-29 | 86 | 83.0 | 77.0 | 74.0 | 83.0 | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 313 | 2000 | Yearwood, Trisha | Real Live Woman | 3:55 | 2000-04-01 | 85 | 83.0 | 83.0 | 82.0 | 81.0 | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 314 | 2000 | Ying Yang Twins | Whistle While You Tw... | 4:19 | 2000-03-18 | 95 | 94.0 | 91.0 | 85.0 | 84.0 | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 315 | 2000 | Zombie Nation | Kernkraft 400 | 3:30 | 2000-09-02 | 99 | 99.0 | NaN | NaN | NaN | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 316 | 2000 | matchbox twenty | Bent | 4:12 | 2000-04-29 | 60 | 37.0 | 29.0 | 24.0 | 22.0 | ... | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
317 rows × 81 columns
df_melt = pd.melt(df,
id_vars=['year','artist','track','time','date.entered'],
var_name='week',
value_name='rating')
df_melt| year | artist | track | time | date.entered | week | rating | |
|---|---|---|---|---|---|---|---|
| 0 | 2000 | 2 Pac | Baby Don't Cry (Keep... | 4:22 | 2000-02-26 | wk1 | 87.0 |
| 1 | 2000 | 2Ge+her | The Hardest Part Of ... | 3:15 | 2000-09-02 | wk1 | 91.0 |
| 2 | 2000 | 3 Doors Down | Kryptonite | 3:53 | 2000-04-08 | wk1 | 81.0 |
| 3 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | wk1 | 76.0 |
| 4 | 2000 | 504 Boyz | Wobble Wobble | 3:35 | 2000-04-15 | wk1 | 57.0 |
| ... | ... | ... | ... | ... | ... | ... | ... |
| 24087 | 2000 | Yankee Grey | Another Nine Minutes | 3:10 | 2000-04-29 | wk76 | NaN |
| 24088 | 2000 | Yearwood, Trisha | Real Live Woman | 3:55 | 2000-04-01 | wk76 | NaN |
| 24089 | 2000 | Ying Yang Twins | Whistle While You Tw... | 4:19 | 2000-03-18 | wk76 | NaN |
| 24090 | 2000 | Zombie Nation | Kernkraft 400 | 3:30 | 2000-09-02 | wk76 | NaN |
| 24091 | 2000 | matchbox twenty | Bent | 4:12 | 2000-04-29 | wk76 | NaN |
24092 rows × 7 columns
df.shape, df_melt.shape #데이터 건수 확인 = 24092개, column은 7개((317, 81), (24092, 7))df_melt[df_melt.track == 'Loser'] #중복값 확인| year | artist | track | time | date.entered | week | rating | |
|---|---|---|---|---|---|---|---|
| 3 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | wk1 | 76.0 |
| 320 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | wk2 | 76.0 |
| 637 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | wk3 | 72.0 |
| 954 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | wk4 | 69.0 |
| 1271 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | wk5 | 67.0 |
| ... | ... | ... | ... | ... | ... | ... | ... |
| 22510 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | wk72 | NaN |
| 22827 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | wk73 | NaN |
| 23144 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | wk74 | NaN |
| 23461 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | wk75 | NaN |
| 23778 | 2000 | 3 Doors Down | Loser | 4:24 | 2000-10-21 | wk76 | NaN |
76 rows × 7 columns
df_songs = df_melt[['year','artist','track','time']]
df_songs| year | artist | track | time | |
|---|---|---|---|---|
| 0 | 2000 | 2 Pac | Baby Don't Cry (Keep... | 4:22 |
| 1 | 2000 | 2Ge+her | The Hardest Part Of ... | 3:15 |
| 2 | 2000 | 3 Doors Down | Kryptonite | 3:53 |
| 3 | 2000 | 3 Doors Down | Loser | 4:24 |
| 4 | 2000 | 504 Boyz | Wobble Wobble | 3:35 |
| ... | ... | ... | ... | ... |
| 24087 | 2000 | Yankee Grey | Another Nine Minutes | 3:10 |
| 24088 | 2000 | Yearwood, Trisha | Real Live Woman | 3:55 |
| 24089 | 2000 | Ying Yang Twins | Whistle While You Tw... | 4:19 |
| 24090 | 2000 | Zombie Nation | Kernkraft 400 | 3:30 |
| 24091 | 2000 | matchbox twenty | Bent | 4:12 |
24092 rows × 4 columns
df_songs.drop_duplicates(inplace=True) #drop_duplicates = 중복된 값 빼내기, (inplace=True)= 원본에도 저장
df_songs.shape #갯수가 24092 -> 317로 줄었음C:\Users\user\AppData\Local\Temp\ipykernel_6124\2197431707.py:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
df_songs.drop_duplicates(inplace=True) #drop_duplicates = 중복된 값 빼내기, (inplace=True)= 원본에도 저장
(317, 4)df_songs['id'] = range(len(df_songs))
df_songs.head() #일련번호부여C:\Users\user\AppData\Local\Temp\ipykernel_6124\1941119944.py:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead
See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
df_songs['id'] = range(len(df_songs))| year | artist | track | time | id | |
|---|---|---|---|---|---|
| 0 | 2000 | 2 Pac | Baby Don't Cry (Keep... | 4:22 | 0 |
| 1 | 2000 | 2Ge+her | The Hardest Part Of ... | 3:15 | 1 |
| 2 | 2000 | 3 Doors Down | Kryptonite | 3:53 | 2 |
| 3 | 2000 | 3 Doors Down | Loser | 4:24 | 3 |
| 4 | 2000 | 504 Boyz | Wobble Wobble | 3:35 | 4 |
df_ratings = df_melt.merge(df_songs,on=['year','artist','track','time']) #'year','artist','track','time' = key로 씀, id값만 추가 되는 것이다.
df_ratings #year,artist,track,time 중복값이 제거된 song와 rating을 'year','artist','track','time'을 키값으로 연결| year | artist | track | time | date.entered | week | rating | id | |
|---|---|---|---|---|---|---|---|---|
| 0 | 2000 | 2 Pac | Baby Don't Cry (Keep... | 4:22 | 2000-02-26 | wk1 | 87.0 | 0 |
| 1 | 2000 | 2 Pac | Baby Don't Cry (Keep... | 4:22 | 2000-02-26 | wk2 | 82.0 | 0 |
| 2 | 2000 | 2 Pac | Baby Don't Cry (Keep... | 4:22 | 2000-02-26 | wk3 | 72.0 | 0 |
| 3 | 2000 | 2 Pac | Baby Don't Cry (Keep... | 4:22 | 2000-02-26 | wk4 | 77.0 | 0 |
| 4 | 2000 | 2 Pac | Baby Don't Cry (Keep... | 4:22 | 2000-02-26 | wk5 | 87.0 | 0 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 24087 | 2000 | matchbox twenty | Bent | 4:12 | 2000-04-29 | wk72 | NaN | 316 |
| 24088 | 2000 | matchbox twenty | Bent | 4:12 | 2000-04-29 | wk73 | NaN | 316 |
| 24089 | 2000 | matchbox twenty | Bent | 4:12 | 2000-04-29 | wk74 | NaN | 316 |
| 24090 | 2000 | matchbox twenty | Bent | 4:12 | 2000-04-29 | wk75 | NaN | 316 |
| 24091 | 2000 | matchbox twenty | Bent | 4:12 | 2000-04-29 | wk76 | NaN | 316 |
24092 rows × 8 columns
df_ratings = df_ratings[['id', 'date.entered', 'week', 'rating']]
df_ratings | id | date.entered | week | rating | |
|---|---|---|---|---|
| 0 | 0 | 2000-02-26 | wk1 | 87.0 |
| 1 | 0 | 2000-02-26 | wk2 | 82.0 |
| 2 | 0 | 2000-02-26 | wk3 | 72.0 |
| 3 | 0 | 2000-02-26 | wk4 | 77.0 |
| 4 | 0 | 2000-02-26 | wk5 | 87.0 |
| ... | ... | ... | ... | ... |
| 24087 | 316 | 2000-04-29 | wk72 | NaN |
| 24088 | 316 | 2000-04-29 | wk73 | NaN |
| 24089 | 316 | 2000-04-29 | wk74 | NaN |
| 24090 | 316 | 2000-04-29 | wk75 | NaN |
| 24091 | 316 | 2000-04-29 | wk76 | NaN |
24092 rows × 4 columns
df_songs | year | artist | track | time | id | |
|---|---|---|---|---|---|
| 0 | 2000 | 2 Pac | Baby Don't Cry (Keep... | 4:22 | 0 |
| 1 | 2000 | 2Ge+her | The Hardest Part Of ... | 3:15 | 1 |
| 2 | 2000 | 3 Doors Down | Kryptonite | 3:53 | 2 |
| 3 | 2000 | 3 Doors Down | Loser | 4:24 | 3 |
| 4 | 2000 | 504 Boyz | Wobble Wobble | 3:35 | 4 |
| ... | ... | ... | ... | ... | ... |
| 312 | 2000 | Yankee Grey | Another Nine Minutes | 3:10 | 312 |
| 313 | 2000 | Yearwood, Trisha | Real Live Woman | 3:55 | 313 |
| 314 | 2000 | Ying Yang Twins | Whistle While You Tw... | 4:19 | 314 |
| 315 | 2000 | Zombie Nation | Kernkraft 400 | 3:30 | 315 |
| 316 | 2000 | matchbox twenty | Bent | 4:12 | 316 |
317 rows × 5 columns
import numpy as npplt.rcParams['axes.unicode_minus'] = Falseimport warnings
warnings.filterwarnings('ignore')data = np.random.randint(-100,100,50).cumsum()
dataarray([ 6, 20, 101, 128, 187, 205, 152, 123, 146, 100, 47,
46, -19, -27, 55, -43, -113, -168, -112, -38, -87, -64,
-128, -163, -209, -198, -148, -173, -125, -115, -55, -45, -55,
-123, -78, 2, -85, 14, -6, -80, -29, 54, 42, -41,
3, 93, 65, 104, 9, -56], dtype=int32)import matplotlib.pyplot as plt
plt.plot(range(50),data,'r')
plt.title('시간별 가격 추이',fontproperties=fontprop)
plt.ylabel('주식가격',fontproperties=fontprop)
plt.xlabel('시간(분)',fontproperties=fontprop)Text(0.5, 0, '시간(분)')
import matplotlib.font_manager as fm
#맑은고딕 malgun Gothic
#1. FontProperties사용
path = 'malgun.ttf'
fontprop = fm.FontProperties(fname=path,size=16)
plt.plot(range(50),data,'r')
plt.title('시간별 가격 추이',fontproperties=fontprop)
plt.ylabel('주식가격',fontproperties=fontprop)
plt.xlabel('시간(분)',fontproperties=fontprop)Text(0.5, 0, '시간(분)')
# 2. 전역글꼴 설정 rcParams로 설정
plt.rcParams['font.size']14.0plt.rcParams['font.family'] #폰트이름['Nanum Pen Script']plt.rcParams['font.family'] = 'Nanum Pen Script'
plt.plot(range(50),data,'r')
plt.title('시간별 가격 추이')
plt.ylabel('주식가격')
plt.xlabel('시간(분)')Text(0.5, 0, '시간(분)')
import matplotlib
matplotlib.matplotlib_fname()'C:\\anaconda\\lib\\site-packages\\matplotlib\\mpl-data\\matplotlibrc'fm.findSystemFonts() #설치된 폰트의 목록이 보인다.['C:\\Windows\\Fonts\\H2MKPB.TTF',
'C:\\Windows\\Fonts\\ROCK.TTF',
'C:\\Windows\\Fonts\\FREESCPT.TTF',
'C:\\Windows\\Fonts\\JUICE___.TTF',
'C:\\Windows\\Fonts\\YuGothL.ttc',
'C:\\Windows\\Fonts\\comici.ttf',
'C:\\Windows\\Fonts\\ITCBLKAD.TTF',
'C:\\Windows\\Fonts\\DUBAI-REGULAR.TTF',
'C:\\Windows\\Fonts\\batang.ttc',
'C:\\Windows\\Fonts\\BOOKOSI.TTF',
'C:\\Windows\\Fonts\\HMKMMAG.TTF',
'C:\\Windows\\Fonts\\STZHONGS.TTF',
'C:\\Windows\\Fonts\\trebuc.ttf',
'C:\\Windows\\Fonts\\STCAIYUN.TTF',
'C:\\Windows\\Fonts\\consolaz.ttf',
'C:\\Windows\\Fonts\\FRABK.TTF',
'C:\\Windows\\Fonts\\marlett.ttf',
'C:\\Windows\\Fonts\\corbel.ttf',
'C:\\Windows\\Fonts\\cambriaz.ttf',
'C:\\Windows\\Fonts\\segoeuisl.ttf',
'C:\\Windows\\Fonts\\FRADM.TTF',
'C:\\Windows\\Fonts\\msyhbd.ttc',
'C:\\Windows\\Fonts\\constan.ttf',
'C:\\Windows\\Fonts\\TCM_____.TTF',
'C:\\Windows\\Fonts\\tahoma.ttf',
'C:\\Windows\\Fonts\\segoesc.ttf',
'C:\\Windows\\Fonts\\POORICH.TTF',
'C:\\Windows\\Fonts\\TCCM____.TTF',
'C:\\Windows\\Fonts\\LeelUIsl.ttf',
'C:\\Windows\\Fonts\\ITCKRIST.TTF',
'C:\\Windows\\Fonts\\ARIALN.TTF',
'C:\\Windows\\Fonts\\Candaral.ttf',
'C:\\Users\\user\\AppData\\Local\\Microsoft\\Windows\\Fonts\\NanumBrush.ttf',
'C:\\Windows\\Fonts\\MT.TTF',
'C:\\Windows\\Fonts\\micross.ttf',
'C:\\Windows\\Fonts\\MTEXTRA.TTF',
'C:\\Windows\\Fonts\\BELL.TTF',
'C:\\Windows\\Fonts\\framdit.ttf',
'C:\\Windows\\Fonts\\H2SA1M.TTF',
'C:\\Windows\\Fonts\\LTYPE.TTF',
'C:\\Windows\\Fonts\\BRLNSDB.TTF',
'C:\\Windows\\Fonts\\georgiaz.ttf',
'C:\\Windows\\Fonts\\LSANSI.TTF',
'C:\\Windows\\Fonts\\LTYPEO.TTF',
'C:\\Windows\\Fonts\\FRADMIT.TTF',
'C:\\Windows\\Fonts\\ROCC____.TTF',
'C:\\Windows\\Fonts\\seguihis.ttf',
'C:\\Windows\\Fonts\\BELLB.TTF',
'C:\\Windows\\Fonts\\TCMI____.TTF',
'C:\\Windows\\Fonts\\HTOWERT.TTF',
'C:\\Windows\\Fonts\\STLITI.TTF',
'C:\\Windows\\Fonts\\Sitka.ttc',
'C:\\Windows\\Fonts\\corbelb.ttf',
'C:\\Windows\\Fonts\\HARLOWSI.TTF',
'C:\\Windows\\Fonts\\ELEPHNT.TTF',
'C:\\Windows\\Fonts\\BOD_B.TTF',
'C:\\Windows\\Fonts\\georgiab.ttf',
'C:\\Windows\\Fonts\\LFAXI.TTF',
'C:\\Windows\\Fonts\\malgunsl.ttf',
'C:\\Windows\\Fonts\\l_10646.ttf',
'C:\\Windows\\Fonts\\MSUIGHUR.TTF',
'C:\\Windows\\Fonts\\segoepr.ttf',
'C:\\Windows\\Fonts\\timesbi.ttf',
'C:\\Windows\\Fonts\\simsunb.ttf',
'C:\\Windows\\Fonts\\TCCB____.TTF',
'C:\\Windows\\Fonts\\WINGDNG3.TTF',
'C:\\Windows\\Fonts\\MATURASC.TTF',
'C:\\Windows\\Fonts\\BOOKOSB.TTF',
'C:\\Windows\\Fonts\\PAPYRUS.TTF',
'C:\\Windows\\Fonts\\LEELAWAD.TTF',
'C:\\Windows\\Fonts\\PERTILI.TTF',
'C:\\Windows\\Fonts\\LSANSDI.TTF',
'C:\\Windows\\Fonts\\BSSYM7.TTF',
'C:\\Windows\\Fonts\\segoeuil.ttf',
'C:\\Windows\\Fonts\\PARCHM.TTF',
'C:\\Windows\\Fonts\\ROCKEB.TTF',
'C:\\Windows\\Fonts\\CURLZ___.TTF',
'C:\\Windows\\Fonts\\framd.ttf',
'C:\\Windows\\Fonts\\CHILLER.TTF',
'C:\\Windows\\Fonts\\HANBatangB.ttf',
'C:\\Windows\\Fonts\\ANTQUAB.TTF',
'C:\\Windows\\Fonts\\calibri.ttf',
'C:\\Windows\\Fonts\\gadugi.ttf',
'C:\\Windows\\Fonts\\SitkaI.ttc',
'C:\\Windows\\Fonts\\BERNHC.TTF',
'C:\\Windows\\Fonts\\verdanai.ttf',
'C:\\Windows\\Fonts\\FRAMDCN.TTF',
'C:\\Windows\\Fonts\\WINGDNG2.TTF',
'C:\\Windows\\Fonts\\MG.TTF',
'C:\\Windows\\Fonts\\ARIALNBI.TTF',
'C:\\Windows\\Fonts\\mvboli.ttf',
'C:\\Windows\\Fonts\\FZYTK.TTF',
'C:\\Windows\\Fonts\\SIMLI.TTF',
'C:\\Windows\\Fonts\\PERB____.TTF',
'C:\\Windows\\Fonts\\bahnschrift.ttf',
'C:\\Windows\\Fonts\\Candaraz.ttf',
'C:\\Windows\\Fonts\\georgiai.ttf',
'C:\\Windows\\Fonts\\SCRIPTBL.TTF',
'C:\\Windows\\Fonts\\YuGothR.ttc',
'C:\\Windows\\Fonts\\PERTIBD.TTF',
'C:\\Windows\\Fonts\\HANDotumExt.ttf',
'C:\\Windows\\Fonts\\HMKMRHD.TTF',
'C:\\Windows\\Fonts\\BOD_PSTC.TTF',
'C:\\Windows\\Fonts\\GOUDOS.TTF',
'C:\\Windows\\Fonts\\VINERITC.TTF',
'C:\\Windows\\Fonts\\H2PORL.TTF',
'C:\\Windows\\Fonts\\H2GTRE.TTF',
'C:\\Windows\\Fonts\\ERASBD.TTF',
'C:\\Windows\\Fonts\\arial.ttf',
'C:\\Windows\\Fonts\\ROCKBI.TTF',
'C:\\Windows\\Fonts\\OLDENGL.TTF',
'C:\\Windows\\Fonts\\BOD_CI.TTF',
'C:\\Windows\\Fonts\\cour.ttf',
'C:\\Windows\\Fonts\\calibrili.ttf',
'C:\\Windows\\Fonts\\BAUHS93.TTF',
'C:\\Windows\\Fonts\\HMFMMUEX.TTC',
'C:\\Windows\\Fonts\\calibriz.ttf',
'C:\\Windows\\Fonts\\MOD20.TTF',
'C:\\Windows\\Fonts\\GIGI.TTF',
'C:\\Windows\\Fonts\\segmdl2.ttf',
'C:\\Windows\\Fonts\\H2GTRM.TTF',
'C:\\Windows\\Fonts\\OUTLOOK.TTF',
'C:\\Windows\\Fonts\\SCHLBKB.TTF',
'C:\\Windows\\Fonts\\segoeuiz.ttf',
'C:\\Windows\\Fonts\\segoeui.ttf',
'C:\\Windows\\Fonts\\constanz.ttf',
'C:\\Windows\\Fonts\\simsun.ttc',
'C:\\Windows\\Fonts\\ANTQUAI.TTF',
'C:\\Windows\\Fonts\\HARNGTON.TTF',
'C:\\Windows\\Fonts\\NGULIM.TTF',
'C:\\Windows\\Fonts\\georgia.ttf',
'C:\\Windows\\Fonts\\TEMPSITC.TTF',
'C:\\Windows\\Fonts\\ebrima.ttf',
'C:\\Windows\\Fonts\\CASTELAR.TTF',
'C:\\Windows\\Fonts\\GOTHIC.TTF',
'C:\\Windows\\Fonts\\COPRGTL.TTF',
'C:\\Windows\\Fonts\\ENGR.TTF',
'C:\\Windows\\Fonts\\CALISTB.TTF',
'C:\\Windows\\Fonts\\BKANT.TTF',
'C:\\Windows\\Fonts\\GILI____.TTF',
'C:\\Windows\\Fonts\\NirmalaS.ttf',
'C:\\Windows\\Fonts\\GOTHICBI.TTF',
'C:\\Windows\\Fonts\\MAIAN.TTF',
'C:\\Windows\\Fonts\\LFAX.TTF',
'C:\\Windows\\Fonts\\msyh.ttc',
'C:\\Windows\\Fonts\\consolab.ttf',
'C:\\Windows\\Fonts\\H2MJRE.TTF',
'C:\\Windows\\Fonts\\msyhl.ttc',
'C:\\Windows\\Fonts\\GILBI___.TTF',
'C:\\Windows\\Fonts\\courbi.ttf',
'C:\\Windows\\Fonts\\DUBAI-BOLD.TTF',
'C:\\Windows\\Fonts\\SNAP____.TTF',
'C:\\Windows\\Fonts\\GOTHICI.TTF',
'C:\\Windows\\Fonts\\PRISTINA.TTF',
'C:\\Windows\\Fonts\\seguibl.ttf',
'C:\\Windows\\Fonts\\LBRITED.TTF',
'C:\\Windows\\Fonts\\BOD_BLAI.TTF',
'C:\\Windows\\Fonts\\STFANGSO.TTF',
'C:\\Windows\\Fonts\\OCRAEXT.TTF',
'C:\\Windows\\Fonts\\GILB____.TTF',
'C:\\Windows\\Fonts\\seguiemj.ttf',
'C:\\Windows\\Fonts\\malgunbd.ttf',
'C:\\Windows\\Fonts\\COLONNA.TTF',
'C:\\Windows\\Fonts\\PER_____.TTF',
'C:\\Windows\\Fonts\\ebrimabd.ttf',
'C:\\Windows\\Fonts\\sylfaen.ttf',
'C:\\Windows\\Fonts\\STENCIL.TTF',
'C:\\Windows\\Fonts\\wingding.ttf',
'C:\\Windows\\Fonts\\CALISTI.TTF',
'C:\\Windows\\Fonts\\Candarab.ttf',
'C:\\Windows\\Fonts\\gulim.ttc',
'C:\\Windows\\Fonts\\BRADHITC.TTF',
'C:\\Windows\\Fonts\\corbelli.ttf',
'C:\\Windows\\Fonts\\palab.ttf',
'C:\\Windows\\Fonts\\phagspab.ttf',
'C:\\Windows\\Fonts\\TCCEB.TTF',
'C:\\Windows\\Fonts\\MM.TTF',
'C:\\Windows\\Fonts\\Nirmala.ttf',
'C:\\Windows\\Fonts\\courbd.ttf',
'C:\\Windows\\Fonts\\seguibli.ttf',
'C:\\Windows\\Fonts\\BOD_BLAR.TTF',
'C:\\Windows\\Fonts\\calibrii.ttf',
'C:\\Windows\\Fonts\\arialbi.ttf',
'C:\\Windows\\Fonts\\RAVIE.TTF',
'C:\\Windows\\Fonts\\msyi.ttf',
'C:\\Windows\\Fonts\\corbell.ttf',
'C:\\Windows\\Fonts\\BRUSHSCI.TTF',
'C:\\Windows\\Fonts\\NirmalaB.ttf',
'C:\\Windows\\Fonts\\couri.ttf',
'C:\\Windows\\Fonts\\HATTEN.TTF',
'C:\\Windows\\Fonts\\ERASDEMI.TTF',
'C:\\Windows\\Fonts\\timesbd.ttf',
'C:\\Windows\\Fonts\\FELIXTI.TTF',
'C:\\Windows\\Fonts\\FRABKIT.TTF',
'C:\\Windows\\Fonts\\msjh.ttc',
'C:\\Windows\\Fonts\\ROCKI.TTF',
'C:\\Windows\\Fonts\\FTLTLT.TTF',
'C:\\Windows\\Fonts\\webdings.ttf',
'C:\\Windows\\Fonts\\corbeli.ttf',
'C:\\Windows\\Fonts\\GOUDOSB.TTF',
'C:\\Windows\\Fonts\\CENSCBK.TTF',
'C:\\Windows\\Fonts\\NIAGSOL.TTF',
'C:\\Windows\\Fonts\\CALIFR.TTF',
'C:\\Windows\\Fonts\\LTYPEB.TTF',
'C:\\Windows\\Fonts\\ntailu.ttf',
'C:\\Windows\\Fonts\\constani.ttf',
'C:\\Windows\\Fonts\\LSANSD.TTF',
'C:\\Windows\\Fonts\\ARIALNB.TTF',
'C:\\Windows\\Fonts\\PLAYBILL.TTF',
'C:\\Windows\\Fonts\\HTOWERTI.TTF',
'C:\\Windows\\Fonts\\BOD_CR.TTF',
'C:\\Windows\\Fonts\\HYHWPEQ.TTF',
'C:\\Windows\\Fonts\\comicz.ttf',
'C:\\Windows\\Fonts\\LHANDW.TTF',
'C:\\Windows\\Fonts\\BROADW.TTF',
'C:\\Users\\user\\AppData\\Local\\Microsoft\\Windows\\Fonts\\NanumBarunGothic-YetHangul.ttf',
'C:\\Windows\\Fonts\\ERASMD.TTF',
'C:\\Windows\\Fonts\\SCHLBKBI.TTF',
'C:\\Windows\\Fonts\\SIMYOU.TTF',
'C:\\Windows\\Fonts\\calibrib.ttf',
'C:\\Windows\\Fonts\\MK.TTF',
'C:\\Windows\\Fonts\\ROCKB.TTF',
'C:\\Windows\\Fonts\\BRITANIC.TTF',
'C:\\Windows\\Fonts\\MAGNETOB.TTF',
'C:\\Windows\\Fonts\\GLECB.TTF',
'C:\\Windows\\Fonts\\GLSNECB.TTF',
'C:\\Windows\\Fonts\\ARIALNI.TTF',
'C:\\Windows\\Fonts\\BOOKOS.TTF',
'C:\\Windows\\Fonts\\ROCCB___.TTF',
'C:\\Windows\\Fonts\\MB.TTF',
'C:\\Windows\\Fonts\\times.ttf',
'C:\\Windows\\Fonts\\LBRITEDI.TTF',
'C:\\Windows\\Fonts\\HMKMAMI.TTF',
'C:\\Windows\\Fonts\\RAGE.TTF',
'C:\\Windows\\Fonts\\STXINWEI.TTF',
'C:\\Windows\\Fonts\\COOPBL.TTF',
'C:\\Windows\\Fonts\\STXIHEI.TTF',
'C:\\Windows\\Fonts\\BOOKOSBI.TTF',
'C:\\Windows\\Fonts\\NIAGENG.TTF',
'C:\\Windows\\Fonts\\LBRITEI.TTF',
'C:\\Windows\\Fonts\\\x7f\x7f\x7f\x7fBOLD.TTF',
'C:\\Windows\\Fonts\\trebucbi.ttf',
'C:\\Users\\user\\AppData\\Local\\Microsoft\\Windows\\Fonts\\NanumPen.ttf',
'C:\\Windows\\Fonts\\seguisb.ttf',
'C:\\Windows\\Fonts\\CENTURY.TTF',
'C:\\Windows\\Fonts\\MP.TTF',
'C:\\Windows\\Fonts\\GOTHICB.TTF',
'C:\\Windows\\Fonts\\LATINWD.TTF',
'C:\\Windows\\Fonts\\BRLNSR.TTF',
'C:\\Windows\\Fonts\\HMFMOLD.TTF',
'C:\\Windows\\Fonts\\ntailub.ttf',
'C:\\Windows\\Fonts\\FZSTK.TTF',
'C:\\Windows\\Fonts\\corbelz.ttf',
'C:\\Windows\\Fonts\\STKAITI.TTF',
'C:\\Windows\\Fonts\\lucon.ttf',
'C:\\Windows\\Fonts\\PERBI___.TTF',
'C:\\Windows\\Fonts\\mmrtextb.ttf',
'C:\\Windows\\Fonts\\LeelaUIb.ttf',
'C:\\Windows\\Fonts\\GILSANUB.TTF',
'C:\\Windows\\Fonts\\palabi.ttf',
'C:\\Windows\\Fonts\\BOD_R.TTF',
'C:\\Windows\\Fonts\\FRSCRIPT.TTF',
'C:\\Windows\\Fonts\\seguisli.ttf',
'C:\\Windows\\Fonts\\segoeprb.ttf',
'C:\\Windows\\Fonts\\\x7f\x7f\x7f\x7f.TTF',
'C:\\Windows\\Fonts\\comic.ttf',
'C:\\Windows\\Fonts\\segoescb.ttf',
'C:\\Windows\\Fonts\\GARABD.TTF',
'C:\\Windows\\Fonts\\comicbd.ttf',
'C:\\Windows\\Fonts\\arialbd.ttf',
'C:\\Windows\\Fonts\\SitkaZ.ttc',
'C:\\Windows\\Fonts\\TCB_____.TTF',
'C:\\Windows\\Fonts\\MISTRAL.TTF',
'C:\\Windows\\Fonts\\consola.ttf',
'C:\\Windows\\Fonts\\GOUDYSTO.TTF',
'C:\\Windows\\Fonts\\cambriab.ttf',
'C:\\Windows\\Fonts\\H2GPRM.TTF',
'C:\\Windows\\Fonts\\\x7f\x7f\x7f\x7fEXTRABOLD.TTF',
'C:\\Windows\\Fonts\\DUBAI-LIGHT.TTF',
'C:\\Windows\\Fonts\\AGENCYB.TTF',
'C:\\Windows\\Fonts\\STSONG.TTF',
'C:\\Windows\\Fonts\\HANDotum.ttf',
'C:\\Windows\\Fonts\\trebucbd.ttf',
'C:\\Windows\\Fonts\\FRADMCN.TTF',
'C:\\Windows\\Fonts\\malgun.ttf',
'C:\\Windows\\Fonts\\H2GSRB.TTF',
'C:\\Windows\\Fonts\\ELEPHNTI.TTF',
'C:\\Windows\\Fonts\\COPRGTB.TTF',
'C:\\Windows\\Fonts\\BASKVILL.TTF',
'C:\\Windows\\Fonts\\CALIFI.TTF',
'C:\\Windows\\Fonts\\HMFMPYUN.TTF',
'C:\\Windows\\Fonts\\BOD_CBI.TTF',
'C:\\Windows\\Fonts\\CALIFB.TTF',
'C:\\Windows\\Fonts\\BRLNSB.TTF',
'C:\\Windows\\Fonts\\cambriai.ttf',
'C:\\Windows\\Fonts\\CENTAUR.TTF',
'C:\\Windows\\Fonts\\timesi.ttf',
'C:\\Windows\\Fonts\\seguisym.ttf',
'C:\\Windows\\Fonts\\VIVALDII.TTF',
'C:\\Windows\\Fonts\\H2PORM.TTF',
'C:\\Windows\\Fonts\\JUMJA.TTF',
'C:\\Windows\\Fonts\\monbaiti.ttf',
'C:\\Windows\\Fonts\\HANBatang.ttf',
'C:\\Windows\\Fonts\\cambria.ttc',
'C:\\Windows\\Fonts\\KUNSTLER.TTF',
'C:\\Windows\\Fonts\\AGENCYR.TTF',
'C:\\Windows\\Fonts\\mingliub.ttc',
'C:\\Windows\\Fonts\\palai.ttf',
'C:\\Windows\\Fonts\\LBRITE.TTF',
'C:\\Windows\\Fonts\\ERASLGHT.TTF',
'C:\\Windows\\Fonts\\STHUPO.TTF',
'C:\\Windows\\Fonts\\Gabriola.ttf',
'C:\\Windows\\Fonts\\IMPRISHA.TTF',
'C:\\Windows\\Fonts\\tahomabd.ttf',
'C:\\Windows\\Fonts\\REFSAN.TTF',
'C:\\Windows\\Fonts\\ALGER.TTF',
'C:\\Windows\\Fonts\\TSPECIAL1.TTF',
'C:\\Windows\\Fonts\\segoeuii.ttf',
'C:\\Windows\\Fonts\\LFAXD.TTF',
'C:\\Windows\\Fonts\\seguisbi.ttf',
'C:\\Windows\\Fonts\\holomdl2.ttf',
'C:\\Windows\\Fonts\\HANBatangExt.ttf',
'C:\\Windows\\Fonts\\SHOWG.TTF',
'C:\\Windows\\Fonts\\VLADIMIR.TTF',
'C:\\Windows\\Fonts\\constanb.ttf',
'C:\\Windows\\Fonts\\msjhl.ttc',
'C:\\Windows\\Fonts\\impact.ttf',
'C:\\Windows\\Fonts\\TCBI____.TTF',
'C:\\Windows\\Fonts\\BOD_I.TTF',
'C:\\Windows\\Fonts\\CALIST.TTF',
'C:\\Windows\\Fonts\\seguili.ttf',
'C:\\Windows\\Fonts\\YuGothB.ttc',
'C:\\Windows\\Fonts\\msgothic.ttc',
'C:\\Windows\\Fonts\\ariali.ttf',
'C:\\Windows\\Fonts\\MJ.TTF',
'C:\\Windows\\Fonts\\Candarai.ttf',
'C:\\Windows\\Fonts\\segoeuib.ttf',
'C:\\Windows\\Fonts\\calibril.ttf',
'C:\\Windows\\Fonts\\trebucit.ttf',
'C:\\Windows\\Fonts\\STXINGKA.TTF',
'C:\\Windows\\Fonts\\FRAHVIT.TTF',
'C:\\Windows\\Fonts\\REFSPCL.TTF',
'C:\\Windows\\Fonts\\ITCEDSCR.TTF',
'C:\\Windows\\Fonts\\taileb.ttf',
'C:\\Windows\\Fonts\\LTYPEBO.TTF',
'C:\\Windows\\Fonts\\GIL_____.TTF',
'C:\\Windows\\Fonts\\gadugib.ttf',
'C:\\Windows\\Fonts\\LFAXDI.TTF',
'C:\\Windows\\Fonts\\CALISTBI.TTF',
'C:\\Windows\\Fonts\\verdanaz.ttf',
'C:\\Windows\\Fonts\\MN.TTF',
'C:\\Windows\\Fonts\\GARA.TTF',
'C:\\Windows\\Fonts\\SitkaB.ttc',
'C:\\Windows\\Fonts\\HANBatangExtBB.ttf',
'C:\\Windows\\Fonts\\msjhbd.ttc',
'C:\\Windows\\Fonts\\MSUIGHUB.TTF',
'C:\\Windows\\Fonts\\DUBAI-MEDIUM.TTF',
'C:\\Windows\\Fonts\\ANTQUABI.TTF',
'C:\\Windows\\Fonts\\pala.ttf',
'C:\\Windows\\Fonts\\INFROMAN.TTF',
'C:\\Windows\\Fonts\\GOUDOSI.TTF',
'C:\\Windows\\Fonts\\HANBatangExtB.ttf',
'C:\\Windows\\Fonts\\ariblk.ttf',
'C:\\Windows\\Fonts\\BELLI.TTF',
'C:\\Windows\\Fonts\\SCHLBKI.TTF',
'C:\\Windows\\Fonts\\Candarali.ttf',
'C:\\Windows\\Fonts\\PALSCRI.TTF',
'C:\\Windows\\Fonts\\LeelawUI.ttf',
'C:\\Windows\\Fonts\\symbol.ttf',
'C:\\Windows\\Fonts\\phagspa.ttf',
'C:\\Windows\\Fonts\\GARAIT.TTF',
'C:\\Windows\\Fonts\\LSANS.TTF',
'C:\\Windows\\Fonts\\JOKERMAN.TTF',
'C:\\Windows\\Fonts\\BOD_BI.TTF',
'C:\\Windows\\Fonts\\verdanab.ttf',
'C:\\Windows\\Fonts\\HANDotumB.ttf',
'C:\\Windows\\Fonts\\LEELAWDB.TTF',
'C:\\Windows\\Fonts\\ONYX.TTF',
'C:\\Windows\\Fonts\\Candara.ttf',
'C:\\Windows\\Fonts\\MH.TTF',
'C:\\Windows\\Fonts\\FORTE.TTF',
'C:\\Windows\\Fonts\\H2HDRM.TTF',
'C:\\Windows\\Fonts\\LCALLIG.TTF',
'C:\\Windows\\Fonts\\Inkfree.ttf',
'C:\\Windows\\Fonts\\consolai.ttf',
'C:\\Windows\\Fonts\\MTCORSVA.TTF',
'C:\\Windows\\Fonts\\FRAHV.TTF',
'C:\\Windows\\Fonts\\ARLRDBD.TTF',
'C:\\Windows\\Fonts\\PERI____.TTF',
'C:\\Windows\\Fonts\\H2MJSM.TTF',
'C:\\Windows\\Fonts\\javatext.ttf',
'C:\\Windows\\Fonts\\mmrtext.ttf',
'C:\\Windows\\Fonts\\YuGothM.ttc',
'C:\\Windows\\Fonts\\verdana.ttf',
'C:\\Windows\\Fonts\\GILLUBCD.TTF',
'C:\\Windows\\Fonts\\taile.ttf',
'C:\\Windows\\Fonts\\GILC____.TTF',
'C:\\Windows\\Fonts\\BOD_CB.TTF',
'C:\\Windows\\Fonts\\himalaya.ttf'][(f.fname, f.name) for f in fm.fontManager.ttflist if 'Malgun' in f.name] #fm = 폰트매니저 fname = 파일경로 [('C:\\Windows\\Fonts\\malgunbd.ttf', 'Malgun Gothic'),
('C:\\Windows\\Fonts\\malgun.ttf', 'Malgun Gothic'),
('C:\\Windows\\Fonts\\malgunsl.ttf', 'Malgun Gothic')][(f.fname, f.name) for f in fm.fontManager.ttflist if 'Nanum' in f.name] [('C:\\Users\\user\\AppData\\Local\\Microsoft\\Windows\\Fonts\\NanumPen.ttf',
'Nanum Pen Script'),
('C:\\Users\\user\\AppData\\Local\\Microsoft\\Windows\\Fonts\\NanumBarunGothic-YetHangul.ttf',
'NanumBarunGothic YetHangul'),
('C:\\Windows\\Fonts\\\x7f\x7f\x7f\x7fBOLD.TTF', 'NanumGothic'),
('C:\\Users\\user\\AppData\\Local\\Microsoft\\Windows\\Fonts\\NanumBrush.ttf',
'Nanum Brush Script'),
('C:\\Windows\\Fonts\\\x7f\x7f\x7f\x7fEXTRABOLD.TTF', 'NanumGothic'),
('C:\\Windows\\Fonts\\\x7f\x7f\x7f\x7f.TTF', 'NanumGothic')]#3. 설정파일에 정의 - 한 번 정하면 계속 쓸 수 있다
matplotlib.matplotlib_fname()'C:\\anaconda\\lib\\site-packages\\matplotlib\\mpl-data\\matplotlibrc'import pandas as pd
first_df = pd.read_csv('전국_평균_분양가격(2013년_9월부터_2015년_8월까지).csv',encoding='cp949')
#UnicodeDecodeError 이 자료는 유니코드가 아님, encoding='cp949' -> 보통 해결됨
#encoding='cp949' utf-8 -> utf949로 바꿔줌?
first_df.head(2)| 지역 | 2013년12월 | 2014년1월 | 2014년2월 | 2014년3월 | 2014년4월 | 2014년5월 | 2014년6월 | 2014년7월 | 2014년8월 | ... | 2014년11월 | 2014년12월 | 2015년1월 | 2015년2월 | 2015년3월 | 2015년4월 | 2015년5월 | 2015년6월 | 2015년7월 | 2015년8월 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 서울 | 18189 | 17925 | 17925 | 18016 | 18098 | 19446 | 18867 | 18742 | 19274 | ... | 20242 | 20269 | 20670 | 20670 | 19415 | 18842 | 18367 | 18374 | 18152 | 18443 |
| 1 | 부산 | 8111 | 8111 | 9078 | 8965 | 9402 | 9501 | 9453 | 9457 | 9411 | ... | 9208 | 9208 | 9204 | 9235 | 9279 | 9327 | 9345 | 9515 | 9559 | 9581 |
2 rows × 22 columns
first_df.info()<class 'pandas.core.frame.DataFrame'>
RangeIndex: 17 entries, 0 to 16
Data columns (total 22 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 지역 17 non-null object
1 2013년12월 17 non-null int64
2 2014년1월 17 non-null int64
3 2014년2월 17 non-null int64
4 2014년3월 17 non-null int64
5 2014년4월 17 non-null int64
6 2014년5월 17 non-null int64
7 2014년6월 17 non-null int64
8 2014년7월 17 non-null int64
9 2014년8월 17 non-null int64
10 2014년9월 17 non-null int64
11 2014년10월 17 non-null int64
12 2014년11월 17 non-null int64
13 2014년12월 17 non-null int64
14 2015년1월 17 non-null int64
15 2015년2월 17 non-null int64
16 2015년3월 17 non-null int64
17 2015년4월 17 non-null int64
18 2015년5월 17 non-null int64
19 2015년6월 17 non-null int64
20 2015년7월 17 non-null int64
21 2015년8월 17 non-null int64
dtypes: int64(21), object(1)
memory usage: 3.0+ KBlast_df = pd.read_csv('주택도시보증공사_전국_평균_분양가격(2019년_12월).csv', encoding='cp949')
last_df.head(2)| 지역명 | 규모구분 | 연도 | 월 | 분양가격(㎡) | |
|---|---|---|---|---|---|
| 0 | 서울 | 전체 | 2015 | 10 | 5841 |
| 1 | 서울 | 전용면적 60㎡이하 | 2015 | 10 | 5652 |
last_df.info()<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4335 entries, 0 to 4334
Data columns (total 5 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 지역명 4335 non-null object
1 규모구분 4335 non-null object
2 연도 4335 non-null int64
3 월 4335 non-null int64
4 분양가격(㎡) 4058 non-null object
dtypes: int64(2), object(3)
memory usage: 169.5+ KBlast_df.isna().sum() #null값 합계 구하기지역명 0
규모구분 0
연도 0
월 0
분양가격(㎡) 277
dtype: int64last_df['분양가격']=pd.to_numeric(last_df['분양가격(㎡)'],errors='coerce') #문자형 -> 숫자형from numpy import nan
type(nan) #nan값은 float이기때문에 숫자형으로 바꾸기 편하다.floatlast_df.info()<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4335 entries, 0 to 4334
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 지역명 4335 non-null object
1 규모구분 4335 non-null object
2 연도 4335 non-null int64
3 월 4335 non-null int64
4 분양가격(㎡) 4058 non-null object
5 분양가격 3957 non-null float64
6 평당분양가격 3957 non-null float64
7 전용면적 4335 non-null object
dtypes: float64(2), int64(2), object(4)
memory usage: 271.1+ KBlast_df['평당분양가격']=last_df['분양가격']*3.3last_df['평당분양가격'].describe()count 3957.000000
mean 10685.824488
std 4172.222780
min 6164.400000
25% 8055.300000
50% 9484.200000
75% 11751.300000
max 42002.400000
Name: 평당분양가격, dtype: float64last_df| 지역명 | 규모구분 | 연도 | 월 | 분양가격(㎡) | 분양가격 | 평당분양가격 | 전용면적 | |
|---|---|---|---|---|---|---|---|---|
| 0 | 서울 | 전체 | 2015 | 10 | 5841 | 5841.0 | 19275.3 | 전체 |
| 1 | 서울 | 전용면적 60㎡이하 | 2015 | 10 | 5652 | 5652.0 | 18651.6 | 60㎡~ |
| 2 | 서울 | 전용면적 60㎡초과 85㎡이하 | 2015 | 10 | 5882 | 5882.0 | 19410.6 | 60㎡~85㎡~ |
| 3 | 서울 | 전용면적 85㎡초과 102㎡이하 | 2015 | 10 | 5721 | 5721.0 | 18879.3 | 85㎡~102㎡~ |
| 4 | 서울 | 전용면적 102㎡초과 | 2015 | 10 | 5879 | 5879.0 | 19400.7 | 102㎡~ |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 4330 | 제주 | 전체 | 2019 | 12 | 3882 | 3882.0 | 12810.6 | 전체 |
| 4331 | 제주 | 전용면적 60㎡이하 | 2019 | 12 | NaN | NaN | NaN | 60㎡~ |
| 4332 | 제주 | 전용면적 60㎡초과 85㎡이하 | 2019 | 12 | 3898 | 3898.0 | 12863.4 | 60㎡~85㎡~ |
| 4333 | 제주 | 전용면적 85㎡초과 102㎡이하 | 2019 | 12 | NaN | NaN | NaN | 85㎡~102㎡~ |
| 4334 | 제주 | 전용면적 102㎡초과 | 2019 | 12 | 3601 | 3601.0 | 11883.3 | 102㎡~ |
4335 rows × 8 columns
last_df.규모구분.unique()array(['전체', '전용면적 60㎡이하', '전용면적 60㎡초과 85㎡이하', '전용면적 85㎡초과 102㎡이하',
'전용면적 102㎡초과'], dtype=object)last_df.전용면적 = last_df.규모구분.str.replace('전용면적', '') #'전용면적'을 없애기 위해서
last_df| 지역명 | 규모구분 | 연도 | 월 | 분양가격(㎡) | 분양가격 | 평당분양가격 | 전용면적 | |
|---|---|---|---|---|---|---|---|---|
| 0 | 서울 | 전체 | 2015 | 10 | 5841 | 5841.0 | 19275.3 | 전체 |
| 1 | 서울 | 전용면적 60㎡이하 | 2015 | 10 | 5652 | 5652.0 | 18651.6 | 60㎡~ |
| 2 | 서울 | 전용면적 60㎡초과 85㎡이하 | 2015 | 10 | 5882 | 5882.0 | 19410.6 | 60㎡~85㎡~ |
| 3 | 서울 | 전용면적 85㎡초과 102㎡이하 | 2015 | 10 | 5721 | 5721.0 | 18879.3 | 85㎡~102㎡~ |
| 4 | 서울 | 전용면적 102㎡초과 | 2015 | 10 | 5879 | 5879.0 | 19400.7 | 102㎡~ |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 4330 | 제주 | 전체 | 2019 | 12 | 3882 | 3882.0 | 12810.6 | 전체 |
| 4331 | 제주 | 전용면적 60㎡이하 | 2019 | 12 | NaN | NaN | NaN | 60㎡~ |
| 4332 | 제주 | 전용면적 60㎡초과 85㎡이하 | 2019 | 12 | 3898 | 3898.0 | 12863.4 | 60㎡~85㎡~ |
| 4333 | 제주 | 전용면적 85㎡초과 102㎡이하 | 2019 | 12 | NaN | NaN | NaN | 85㎡~102㎡~ |
| 4334 | 제주 | 전용면적 102㎡초과 | 2019 | 12 | 3601 | 3601.0 | 11883.3 | 102㎡~ |
4335 rows × 8 columns
last_df['전용면적'] = last_df.['전용면적'].str.replace('초과','~') #last_df.전용면적 = 제대로 안 들어감
last_df File "C:\Users\user\AppData\Local\Temp\ipykernel_14356\3079234100.py", line 1
last_df['전용면적'] = last_df.['전용면적'].str.replace('초과','~') #last_df.전용면적 = 제대로 안 들어감
^
SyntaxError: invalid syntaxlast_df['전용면적'] = last_df['전용면적'].str.replace('이하','~')
last_df| 지역명 | 규모구분 | 연도 | 월 | 분양가격(㎡) | 분양가격 | 평당분양가격 | 전용면적 | |
|---|---|---|---|---|---|---|---|---|
| 0 | 서울 | 전체 | 2015 | 10 | 5841 | 5841.0 | 19275.3 | 전체 |
| 1 | 서울 | 전용면적 60㎡이하 | 2015 | 10 | 5652 | 5652.0 | 18651.6 | 60㎡~ |
| 2 | 서울 | 전용면적 60㎡초과 85㎡이하 | 2015 | 10 | 5882 | 5882.0 | 19410.6 | 60㎡~85㎡~ |
| 3 | 서울 | 전용면적 85㎡초과 102㎡이하 | 2015 | 10 | 5721 | 5721.0 | 18879.3 | 85㎡~102㎡~ |
| 4 | 서울 | 전용면적 102㎡초과 | 2015 | 10 | 5879 | 5879.0 | 19400.7 | 102㎡~ |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 4330 | 제주 | 전체 | 2019 | 12 | 3882 | 3882.0 | 12810.6 | 전체 |
| 4331 | 제주 | 전용면적 60㎡이하 | 2019 | 12 | NaN | NaN | NaN | 60㎡~ |
| 4332 | 제주 | 전용면적 60㎡초과 85㎡이하 | 2019 | 12 | 3898 | 3898.0 | 12863.4 | 60㎡~85㎡~ |
| 4333 | 제주 | 전용면적 85㎡초과 102㎡이하 | 2019 | 12 | NaN | NaN | NaN | 85㎡~102㎡~ |
| 4334 | 제주 | 전용면적 102㎡초과 | 2019 | 12 | 3601 | 3601.0 | 11883.3 | 102㎡~ |
4335 rows × 8 columns
last_df['전용면적'] = last_df['전용면적'].str.replace(' ','').str.strip() #한 칸을 찾아서 제거한다.
last_df| 지역명 | 규모구분 | 연도 | 월 | 분양가격(㎡) | 분양가격 | 평당분양가격 | 전용면적 | |
|---|---|---|---|---|---|---|---|---|
| 0 | 서울 | 전체 | 2015 | 10 | 5841 | 5841.0 | 19275.3 | 전체 |
| 1 | 서울 | 전용면적 60㎡이하 | 2015 | 10 | 5652 | 5652.0 | 18651.6 | 60㎡~ |
| 2 | 서울 | 전용면적 60㎡초과 85㎡이하 | 2015 | 10 | 5882 | 5882.0 | 19410.6 | 60㎡~85㎡~ |
| 3 | 서울 | 전용면적 85㎡초과 102㎡이하 | 2015 | 10 | 5721 | 5721.0 | 18879.3 | 85㎡~102㎡~ |
| 4 | 서울 | 전용면적 102㎡초과 | 2015 | 10 | 5879 | 5879.0 | 19400.7 | 102㎡~ |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 4330 | 제주 | 전체 | 2019 | 12 | 3882 | 3882.0 | 12810.6 | 전체 |
| 4331 | 제주 | 전용면적 60㎡이하 | 2019 | 12 | NaN | NaN | NaN | 60㎡~ |
| 4332 | 제주 | 전용면적 60㎡초과 85㎡이하 | 2019 | 12 | 3898 | 3898.0 | 12863.4 | 60㎡~85㎡~ |
| 4333 | 제주 | 전용면적 85㎡초과 102㎡이하 | 2019 | 12 | NaN | NaN | NaN | 85㎡~102㎡~ |
| 4334 | 제주 | 전용면적 102㎡초과 | 2019 | 12 | 3601 | 3601.0 | 11883.3 | 102㎡~ |
4335 rows × 8 columns
last_df.전용면적.unique()array(['전체', ' 60㎡이하', ' 60㎡초과 85㎡이하', ' 85㎡초과 102㎡이하', ' 102㎡초과'],
dtype=object)last_df.columnsIndex(['지역명', '규모구분', '연도', '월', '분양가격(㎡)', '분양가격', '평당분양가격', '전용면적'], dtype='object')last_df.drop(columns=['규모구분','분양가격(㎡)'],inplace=True)last_df.columnsIndex(['지역명', '연도', '월', '분양가격', '평당분양가격', '전용면적'], dtype='object')last_df.groupby(['지역명'])['평당분양가격'].mean()지역명
강원 7890.750000
경기 13356.895200
경남 9268.778138
경북 8376.536515
광주 9951.535821
대구 11980.895455
대전 10253.333333
부산 12087.121200
서울 23599.976400
세종 9796.516456
울산 10014.902013
인천 11915.320732
전남 7565.316532
전북 7724.235484
제주 11241.276712
충남 8233.651883
충북 7634.655600
Name: 평당분양가격, dtype: float64last_df.groupby(['지역명'])['평당분양가격'].mean().plot(kind='bar')<AxesSubplot:xlabel='지역명'>
last_df.groupby(['지역명'])['평당분양가격'].mean().plot(kind='barh')<AxesSubplot:ylabel='지역명'>
data=last_df.groupby(['지역명'])['평당분양가격'].mean().reset_index()data.round(-1)| 지역명 | 평당분양가격 | |
|---|---|---|
| 0 | 강원 | 7890.0 |
| 1 | 경기 | 13360.0 |
| 2 | 경남 | 9270.0 |
| 3 | 경북 | 8380.0 |
| 4 | 광주 | 9950.0 |
| 5 | 대구 | 11980.0 |
| 6 | 대전 | 10250.0 |
| 7 | 부산 | 12090.0 |
| 8 | 서울 | 23600.0 |
| 9 | 세종 | 9800.0 |
| 10 | 울산 | 10010.0 |
| 11 | 인천 | 11920.0 |
| 12 | 전남 | 7570.0 |
| 13 | 전북 | 7720.0 |
| 14 | 제주 | 11240.0 |
| 15 | 충남 | 8230.0 |
| 16 | 충북 | 7630.0 |
pd.pivot_table(last_df,index=['전용면적','지역명'],values=['평당분양가격']).reset_index().round()| 전용면적 | 지역명 | 평당분양가격 | |
|---|---|---|---|
| 0 | 102㎡~ | 강원 | 8311.0 |
| 1 | 102㎡~ | 경기 | 14772.0 |
| 2 | 102㎡~ | 경남 | 10358.0 |
| 3 | 102㎡~ | 경북 | 9157.0 |
| 4 | 102㎡~ | 광주 | 11042.0 |
| ... | ... | ... | ... |
| 80 | 전체 | 전남 | 7284.0 |
| 81 | 전체 | 전북 | 7293.0 |
| 82 | 전체 | 제주 | 10785.0 |
| 83 | 전체 | 충남 | 7815.0 |
| 84 | 전체 | 충북 | 7219.0 |
85 rows × 3 columns
data = last_df.groupby(['지역명'])['평당분양가격'].mean()
data.sort_values(ascending=False).plot(kind='barh')<AxesSubplot:xlabel='전용면적'>
#전용면적별 분양가격
last_df.groupby(['전용면적'])['평당분양가격'].mean().sort_index().plot(kind='bar')<AxesSubplot:xlabel='전용면적'>
#연도별 분양가격
data = last_df.groupby(['연도'])['평당분양가격'].mean().plot(kind='bar') 
data = last_df.groupby(['연도'])['평당분양가격'].mean()
data연도
2015 9202.735802
2016 9683.025000
2017 10360.487653
2018 10978.938411
2019 12188.293092
Name: 평당분양가격, dtype: float64data = last_df.pivot_table(index='월',columns='연도',values='평당분양가격') #column값이 따로 있어야 한다.
data.plot(kind='box')<AxesSubplot:>
import seaborn as sns
sns.boxplot(data=last_df,x='연도',y='평당분양가격',hue='전용면적') #사각형처럼 생김<AxesSubplot:xlabel='연도', ylabel='평당분양가격'>
sns.violinplot(data=last_df,x='연도',y='평당분양가격') <AxesSubplot:xlabel='연도', ylabel='평당분양가격'>
first_df| 지역 | 2013년12월 | 2014년1월 | 2014년2월 | 2014년3월 | 2014년4월 | 2014년5월 | 2014년6월 | 2014년7월 | 2014년8월 | ... | 2014년11월 | 2014년12월 | 2015년1월 | 2015년2월 | 2015년3월 | 2015년4월 | 2015년5월 | 2015년6월 | 2015년7월 | 2015년8월 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 서울 | 18189 | 17925 | 17925 | 18016 | 18098 | 19446 | 18867 | 18742 | 19274 | ... | 20242 | 20269 | 20670 | 20670 | 19415 | 18842 | 18367 | 18374 | 18152 | 18443 |
| 1 | 부산 | 8111 | 8111 | 9078 | 8965 | 9402 | 9501 | 9453 | 9457 | 9411 | ... | 9208 | 9208 | 9204 | 9235 | 9279 | 9327 | 9345 | 9515 | 9559 | 9581 |
| 2 | 대구 | 8080 | 8080 | 8077 | 8101 | 8267 | 8274 | 8360 | 8360 | 8370 | ... | 8439 | 8253 | 8327 | 8416 | 8441 | 8446 | 8568 | 8542 | 8542 | 8795 |
| 3 | 인천 | 10204 | 10204 | 10408 | 10408 | 10000 | 9844 | 10058 | 9974 | 9973 | ... | 10020 | 10020 | 10017 | 9876 | 9876 | 9938 | 10551 | 10443 | 10443 | 10449 |
| 4 | 광주 | 6098 | 7326 | 7611 | 7346 | 7346 | 7523 | 7659 | 7612 | 7622 | ... | 7752 | 7748 | 7752 | 7756 | 7861 | 7914 | 7877 | 7881 | 8089 | 8231 |
| 5 | 대전 | 8321 | 8321 | 8321 | 8341 | 8341 | 8341 | 8333 | 8333 | 8333 | ... | 8067 | 8067 | 8067 | 8067 | 8067 | 8145 | 8272 | 8079 | 8079 | 8079 |
| 6 | 울산 | 8090 | 8090 | 8090 | 8153 | 8153 | 8153 | 8153 | 8153 | 8493 | ... | 8891 | 8891 | 8526 | 8526 | 8629 | 9380 | 9192 | 9190 | 9190 | 9215 |
| 7 | 경기 | 10855 | 10855 | 10791 | 10784 | 10876 | 10646 | 10266 | 10124 | 10134 | ... | 10356 | 10379 | 10391 | 10355 | 10469 | 10684 | 10685 | 10573 | 10518 | 10573 |
| 8 | 세종 | 7601 | 7600 | 7532 | 7814 | 7908 | 7934 | 8067 | 8067 | 8141 | ... | 8592 | 8560 | 8560 | 8560 | 8555 | 8546 | 8546 | 8671 | 8669 | 8695 |
| 9 | 강원 | 6230 | 6230 | 6230 | 6141 | 6373 | 6350 | 6350 | 6268 | 6268 | ... | 6365 | 6365 | 6348 | 6350 | 6182 | 6924 | 6846 | 6986 | 7019 | 7008 |
| 10 | 충북 | 6589 | 6589 | 6611 | 6625 | 6678 | 6598 | 6587 | 6586 | 6586 | ... | 6724 | 6743 | 6749 | 6747 | 6783 | 6790 | 6805 | 6682 | 6601 | 6603 |
| 11 | 충남 | 6365 | 6365 | 6379 | 6287 | 6552 | 6591 | 6644 | 6805 | 6914 | ... | 6940 | 6989 | 6976 | 6980 | 7161 | 7017 | 6975 | 6939 | 6935 | 6942 |
| 12 | 전북 | 6282 | 6281 | 5946 | 5966 | 6277 | 6306 | 6351 | 6319 | 6436 | ... | 6583 | 6583 | 6583 | 6583 | 6542 | 6551 | 6556 | 6601 | 6750 | 6580 |
| 13 | 전남 | 5678 | 5678 | 5678 | 5696 | 5736 | 5656 | 5609 | 5780 | 5685 | ... | 5768 | 5784 | 5784 | 5833 | 5825 | 5940 | 6050 | 6243 | 6286 | 6289 |
| 14 | 경북 | 6168 | 6168 | 6234 | 6317 | 6412 | 6409 | 6554 | 6556 | 6563 | ... | 6881 | 6989 | 6992 | 6953 | 6997 | 7006 | 6966 | 6887 | 7035 | 7037 |
| 15 | 경남 | 6473 | 6485 | 6502 | 6610 | 6599 | 6610 | 6615 | 6613 | 6606 | ... | 7125 | 7332 | 7592 | 7588 | 7668 | 7683 | 7717 | 7715 | 7723 | 7665 |
| 16 | 제주 | 7674 | 7900 | 7900 | 7900 | 7900 | 7900 | 7914 | 7914 | 7914 | ... | 7724 | 7739 | 7739 | 7739 | 7826 | 7285 | 7285 | 7343 | 7343 | 7343 |
17 rows × 22 columns
first_df_melt = first_df.melt(id_vars='지역',var_name='기간', value_name='평당분양가격')
first_df_melt.head(2)| 지역 | 기간 | 평당분양가격 | |
|---|---|---|---|
| 0 | 서울 | 2013년12월 | 18189 |
| 1 | 부산 | 2013년12월 | 8111 |
last_df.columnsIndex(['지역명', '연도', '월', '분양가격', '평당분양가격', '전용면적'], dtype='object')last_df.info()<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4335 entries, 0 to 4334
Data columns (total 6 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 지역명 4335 non-null object
1 연도 4335 non-null int64
2 월 4335 non-null int64
3 분양가격 3957 non-null float64
4 평당분양가격 3957 non-null float64
5 전용면적 4335 non-null object
dtypes: float64(2), int64(2), object(2)
memory usage: 203.3+ KBfirst_df_melt.columnsIndex(['지역', '기간', '평당분양가격'], dtype='object')first_df_melt['연도'] = first_df_melt['기간'].str.split('년').str.get(0).astype('int') #to_numeric과 차이 .astype('int')는 공백이 있으면 오류남 first_df_melt['월'] = first_df_melt['기간'].str.split('년').str.get(1).str.replace('월','').astype('int')first_df_melt.columns = ['지역명', '기간', '평당분양가격','연도','월']cols = ['지역명', '연도', '월', '평당분양가격']data_last =last_df.loc[last_df['전용면적']=='전체',cols]data_first = first_df_melt[cols]result=pd.concat([data_first,data_last])
result| 지역명 | 연도 | 월 | 평당분양가격 | |
|---|---|---|---|---|
| 0 | 서울 | 2013 | 12 | 18189.0 |
| 1 | 부산 | 2013 | 12 | 8111.0 |
| 2 | 대구 | 2013 | 12 | 8080.0 |
| 3 | 인천 | 2013 | 12 | 10204.0 |
| 4 | 광주 | 2013 | 12 | 6098.0 |
| ... | ... | ... | ... | ... |
| 4310 | 전북 | 2019 | 12 | 8144.4 |
| 4315 | 전남 | 2019 | 12 | 8091.6 |
| 4320 | 경북 | 2019 | 12 | 9616.2 |
| 4325 | 경남 | 2019 | 12 | 10107.9 |
| 4330 | 제주 | 2019 | 12 | 12810.6 |
1224 rows × 4 columns
DL 공부중