9/13 4, ,5, 6, 7세션

A. 데이터프레임 집계

대부분

• 집계 대상 열 ==> 숫자 열 ==> 연속값 (연속형 데이터)
• 집계 기준 열 ==> 문자 열 ==> 범주값 (범주형 데이터)

A-1. 합 구하기

A-1-1) 기본 집계

> tip['total_bill'].sum()
> tip['total_bill'].sum(axis=0) #둘은 동일

A-2. 집계 함수 groupby()

• df.groupby(by='집계 기준 열', as_index=)['집계 대상 열'].sum()
• as_index=True : 집계 기준이 되는 열이 인덱스 열이 됨(기본값)
• as_index=False : 집계 기준이 되는 열이 인덱스가 아님 -> 데이터프레임으로 반환

# day별 tip 합계 --> 시리즈
> tip.groupby(by='day', as_index=False)['tip'].sum()

A-3. 집계 결과 시각화

• matplotlib.pyplot 사용

A-3-1) 막대 그래프 bar()

• plt.bar(x=df[x열], height=df[y열]) (x, height 는 생략 가능)
• 가로형 막대에서는 bar -> hbar, x -> y로, height -> width로

# 라이브러리 불러오기
> import matplotlib.pyplot as plt
> %config InlineBackend.figure_format='retina'

# day 별 tip 비교 시각화
> plt.figure(figsize=(5, 3)) #,color='tab:blue'
> plt.bar(tip_sum['day'], tip_sum['tip'])
> plt.title('Tip by Day', size=15, pad=10) # ,fontweight='bold'
> plt.xlabel('Day')
> plt.ylabel('Tip')
> plt.show()

A-3-2) 선 그래프 plot()

• plt.plot(df[열 이름])

# tip, total_bill 변경 추이 시각화
> plt.figure(figsize=(5, 3))
> plt.plot(tip[['tip', 'total_bill']])
> plt.legend(['tip', 'total_bill']) #범례
> plt.show()

A-3-3) 히스토그램 hist()

• plt.hist(df['열 이름'], bins=20)
• bins로 얼마나 상세하게 나타낼 지 정함

A-3-4) 산점도 scatter()

• plt.scatter(df['x열'], df['y열'])
• 두 열 사이의 상관관계 확인

A-3-5) 기타 매개변수 & 함수

• alpha= : 투명도 (.5, .7 등)
• ec= : 테두리 (r, b, k, w 등)
• color= : 색깔
• axvline() : 수직 선 긋기
• 숫자 열.astype(str) : 숫자 열을 영구적으로 문자 열로 바꿈. (rank 등 평균이 필요 없는 숫자의 경우 문자로 변경)

# total_bill 분포 시각화
> total_mean = tip['total_bill'].mean()
> total_mid = tip['total_bill'].median()

> plt.hist(tip['total_bill'], bins=20, alpha=.7, ec='w')
> plt.axvline(total_mean, color='r')
> plt.axvline(total_mid, color='b')
> plt.show()

A-4. 여러 열 집계

• df.groupby('기준 열', as_index=False)[['대상 열1', '대상 열2']].sum()
• .sum(numeric_only=True) : 숫자 열에 대해서만 합함

B. 평균, 최대값, 최소값, 개수 구하기

• mean() : 평균
• max() : 최대값
• min() : 최소값
• count() : 개수