해당 데이터는 공식 데이터(국제스포츠정보센터)와 차이가 있음.
복식/단체 종목의 경우 한 종목에서 여러명이 메달을 획득하지만, 국가 순위 집계시 1개로 집계됨
올림픽 메달 취소 등 반영 안되어있음
복식/단체 종목의 선수 수, 당시 메달 수여 룰, 메달 취소 및 승격/승계 등의 실제 메타데이터가 없이는 확인 어려움
이러한 이유로 해당 자료 자체만으로 Test 진행 할 예정이며, 국가별 메달 집계시 동일종목당 1개의 메달로 계산
문제 1-1) Target Data 가져오기 (10점)
위에 제시된 링크 혹은 datas 폴더에 있는 데이터(Summer-Olympic-medals-1976-to-2008.csv)를 Pandas DataFrame으로 읽어 오세요.
📌 encoing='utf-8' 에러 발생
💡encoding = latin-1 로 해결
df_target = pd.read_csv('datas/Summer-Olympic-medals-1976-to-2008.csv', encoding = 'latin-1')
# 1-1
import pandas as pd
import numpy as np
df_target = pd.read_csv('datas/Summer-Olympic-medals-1976-to-2008.csv', encoding = 'latin-1')
df_target.head()
문제 1-2) Preprocessing: missing data 처리 (10점)
- 1-1에서 읽은 Data에는 missing data가 있습니다. missing data를 확인하고 처리하세요.
- 조건1: missing data가 있다면, 해당 row(행)를 삭제(drop)하세요
- 조건2: Index를 초기화(reset)하고, 기존 Index는 삭제(drop)하세요.
📌 NaN 값 확인
df_target.info()
📌 NaN값 삭제
💡 dropna()
df_target.dropna(inplace=True)
df_target.info()
df_target.tail(2)
📌 reset_index()
df_target = df_target.reset_index()
df_target.tail(2)
del df_target['index']
df_target.tail(2)
문제 1-3) Preprocessing: Data Type 정리 (10점)
- 1-2에서 만든 DataFrame을 아래의 조건에 따라 데이터의 타입을 확인하고 변경해주세요.
- 조건1: float data는 int로 변경해주세요.
- 조건2: float data외의 모든 데이터가 string 인지 확인해주세요.
- 완료 후 결과 dataframe 변수를 check_01_03 함수에 입력하여 채점하세요.
📌 float -> int
# 나머지 데이터는 처음부터 string
df_target['Year'] = df_target['Year'].astype('int64')
df_target.info()
문제 2-1) 2008년 대한민국 메달리스트 찾기 (15점)
- 문제 1에서 만든 DataFrame을 이용하여 2008년 베이징 올림픽 양궁 종목에서 금메달을 획득한 선수들을 찾아보세요.
- 조건1: 2008년 베이징 올림픽 양궁 종목의 금메달리스트만 있는 DataFrame을 만들어 주세요
- 예시: 1992년 바르셀로나 올림픽 양궁 금메달리스트 DataFrame
- 참고: 추후 문제풀이시 문제 없게 하기 위해서 현재데이터를 deep copy하여 진행하시는 것을 추천드립니다.
- 하지 않아도 문제는 없으나 코드 작성 방법에 따라 다음 문제 풀이시 다시 load하고 전처리 진행해야 할 수도 있습니다.
📌 deep copy
import numpy as np
import copy
copy_df_target = df_target.copy()
📌 dataframe
a = copy_df_target['Year'] == 2008
b = copy_df_target['City'] == 'Beijing'
c = copy_df_target['Sport'] == 'Archery'
d = copy_df_target['Medal'] == 'Gold'
e = copy_df_target['Country_Code'] == 'KOR'
df_archery = copy_df_target[a & b & c & d & e]
df_archery.info()
df_archery.tail()
문제 2-2) 대한민국 역대(1976-2008) 하계 올림픽 메달 획득 내역 확인(15점)
- 문제 1에서 만든 DataFrame과 Pandas 기능을 활용하여 아래 예시와 같은 형태의 대한민국 역대 메달 획득 내역을 만들어주세요.
- 조건1: Index는 Year - Medal로 보여주세요(아래 예시 참고)
- 조건2: Index에서 Year는 내림차순, Medal은 Gold-Silver-Bronze 순으로 보여주세요(아래 예시 참고)
- hint1: 앞서 이야기 한 바와 같이, 메달 숫자는 복식/단체 종목을 감안하여 선수명(Athlete)과 성별(Gender)를 제외한 내용이 일치할 경우 같은 경기에서 획득한 메달로 간주하시면 됩니다.
- hint2: 내용이 일치하는 데이터를 삭제하기 위한 방법은 drop_duplicate, groupby, pivot_table 등 다양한 방법이 있습니다.
- hint3: Medal Index의 정렬 순서를 'Gold'-'Silver'-'Bronze'로 하기 위해서 sort_index의 'key' argument에 dictionary를 활용할 수 있습니다.
- 이 외에 sort_index의 다른 arguments도 확인해 보세요
📌drop_duplicates (중복행 제거)
💡drop_duplicates(subset =
import copy
df_kor = df_target.copy()
df_kor = df_target[df_target['Country_Code'] == 'KOR']
df_kor = df_kor.drop_duplicates(subset = ['City','Year', 'Sport', 'Discipline',
'Event', 'Country_Code', 'Country',
'Event_gender', 'Medal'])
df_kor.tail(2)
💡 reindex()
인덱스 정렬(순서변경)을 위한 메서드
특정 축을 따라 입력된 레이블 배열에 따라 데이터 순서를 조정
Series
DataFrame
level : 멀티인덱스에서 이름을 바꿀 레벨을 지정하는 인자
df_kor = df_kor.pivot_table(index=['Year', 'Medal'], values = 'City', aggfunc='count')
df_kor = df_kor.reindex(['Gold', 'Silver', 'Bronze'], level=1)
df_kor
문제 2-3) 1996년 애틀란타 올림픽 총 메달 개수 기준 상위 10개 국가 확인하기(20점)
- 문제 1에서 만든 DataFrame과 Pandas 기능을 활용하여 아래 예시와 같은 형태의 총 메달 개수 기준 상위 10개국 내역을 만들어주세요.
- 조건1: Index는 앞선 1단계에서 Preprocessing한 Data의 Index 그대로 나두어 주세요.
- 조건2: 총 메달 개수로 오름차순 정렬 후 상위 10개 국가만 나타내는 DataFrame을 만드세요.
- 조건3: 결과 DataFrame의 Columns은 ['Country', 'Medal'] 입니다.
- hint1: 앞서 이야기 한 바와 같이, 메달 숫자는 복식/단체 종목을 감안하여 선수명(Athlete)과 성별(Gender)를 제외한 내용이 일치할 경우 같은 경기에서 획득한 메달로 간주하시면 됩니다.
- hint2: 내용이 일치하는 데이터를 삭제하기 위한 방법은 drop_duplicate, groupby, pivot_table 등 다양한 방법이 있습니다.
- hint3: Groupby, Pivot_table 등의 기능을 활용하는 경우 'as_index' 혹은 'index'와 같은 argument를 활용하세요
# 1996년
# 상위 10개 국가만 나타내는 DataFrame
# column = Country, Medal
# 총 매달 개수
import copy
df_rank = df_target.copy()
df_rank = df_rank[df_rank['Year']==1996]
df_rank = df_rank.drop_duplicates(subset = ['City','Year', 'Sport', 'Discipline',
'Event', 'Country_Code', 'Country',
'Event_gender', 'Medal'])
df_rank = pd.pivot_table(df_rank, index='Country', values='Medal', aggfunc='count')
df_rank
df_rank = df_rank.reset_index()
df_rank.sort_values('Medal', ascending=False, inplace=True)
df_rank_10 = df_rank.head(10)
df_rank_10
문제 2-4) 1996년 애틀란타 올림픽 금매달 개수 기준 상위 10개 국가 확인하기(20점)
- 문제 1에서 만든 DataFrame과 Pandas 기능을 활용하여 아래 예시와 같은 형태의 금메달 개수 기준 상위 10개국 내역을 만들어주세요.
- 조건1: 'Gold', 'Silver', 'Bronze' 컬럼을 만들고, 해당 Row(행)의 Medal 이 Gold면 'Gold' 컬럼에 1, Silver면 'Silver' 컬럼에 1, 'Bronze'면 'Bronze'컬럼에 1을 입력하세요
- 조건2: Index는 앞선 1단계에서 Preprocessing한 Data의 Index 그대로 나두어 주세요.
- 조건3: 금메달 개수로 내림차순 정렬 후 상위 10개 국가만 나타내는 DataFrame을 만드세요.
- 조건4: 결과 DataFrame의 Columns은 ['Country', 'Gold', 'Silver', 'Bronze'] 입니다.
- hint1: 앞서 이야기 한 바와 같이, 메달 숫자는 복식/단체 종목을 감안하여 선수명(Athlete)과 성별(Gender)를 제외한 내용이 일치할 경우 같은 경기에서 획득한 메달로 간주하시면 됩니다.
- hint2: 내용이 일치하는 데이터를 삭제하기 위한 방법은 drop_duplicate, groupby, pivot_table 등 다양한 방법이 있습니다.
- hint3: Groupby, Pivot_table 등의 기능을 활용하는 경우 'as_index' 혹은 'index'와 같은 argument를 활용하세요
# 1996년
# 금메달 개수 확인
# 상위 10개국
import copy
df_rank = df_target.copy()
df_rank[['Gold', 'Silver', 'Bronze']] = 0
df_rank.tail(1)
df_rank = df_rank[(df_rank['Year'] == 1996) & (df_rank['City'] == 'Atlanta')]
df_rank = df_rank.drop_duplicates(subset = ['City','Year', 'Sport', 'Discipline',
'Event', 'Country_Code', 'Country',
'Event_gender', 'Medal'])
df_rank = df_rank.reset_index()
df_rank.info()
df_rank.tail(1)
del df_rank['index']
for idx in range(0, len(df_rank)):
if df_rank['Medal'].loc[idx] == 'Gold':
df_rank['Gold'].loc[idx] += 1
elif df_rank['Medal'].loc[idx] == 'Silver':
df_rank['Silver'].loc[idx] += 1
elif df_rank['Medal'].loc[idx] == 'Bronze':
df_rank['Bronze'].loc[idx] += 1
df_rank.tail(2)
📌 groupby.agg
df_rank = df_rank.groupby('Country').agg({'Gold': 'sum', 'Silver': 'sum', 'Bronze': 'sum'}).reset_index()
df_rank = df_rank.sort_values(by=['Gold', 'Silver', 'Bronze'], ascending=False)
df_rank = df_rank[['Country','Gold', 'Silver', 'Bronze']]
df_rank_10 = df_rank.head(10)
df_rank_10