앤스컴 콰르텟

기술통계량은 유사하지만 분포나 그래프는 매우 다른 4개의 데이터셋
시각화의 중요성, 특이치 및 주영향관측값의 영향을 보여주기 위해 만들어진 데이터셋
앤스컴콰르텟_위키백과

1. 라이브러리 로드

import pandas as pd
import numpy as np
import seaborn as sns

2. 데이터 로드

직접 불러오기

df = sns.load_dataset("anscombe")

url을 통해 불러오기

df = pd.read_csv("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/anscombe.csv")

3. 데이터 확인하기

처음 5개의 행 확인

df.head()

마지막 5개의 행 확인

df.tail()

무작위로 하나의 행 확인

df.sample()

위의 함수들 모두 괄호 안에 숫자를 입력하여 원하는 행의 수만큼 출력할 수 있다.

4. 기본 정보 보기

요약 정보

• column 개수
• null이 아닌 값의 수
• 데이터 타입
• 메모리 사용량

df.info()

기술통계_수치형 데이터

df.describe

• 빈도수
• 평균
• 표준편차
• 최소값, 최대값
• 사분위수
  

기술통계_범주형 데이터

df.describe(include="object")

• 빈도수
• 유일값
• 최빈값
• 최빈값의 빈도수
  

유일값 확인

df.nunique()

-컬럼별 유일값 개수

df["dataset"].unique()

-"dataset" 컬럼의 유일값 출력

개별 데이터셋의 기술통계

데이터셋 나누기

"dataset" 컬럼에 따라 네 가지 데이터셋으로 나눈다.

# bool indexing 이용하기

df_1 = df[df["dataset"] == "I"]
df_2 = df[df["dataset"] == "II"]
df_3 = df[df["dataset"] == "III"]
df_4 = df[df["dataset"] == "IV"]

기술통계

describe()

describe(include="object")

상관계수

corr()

빈도수

df["dataset"].value_counts()

df["dataset"].value_counts(normalize=True)

-빈도수의 비율 구하기

Groupby를 통한 기술통계

dataset별 x, y의 기술통계

df.groupby("dataset").describe()

dataset별 상관계수

df.groupby("dataset").corr()