EDA Level Test 03 ⭐️⭐️

Week	Data Analysis	Difficulty	This Notebook
1	서울시 인구 데이터	⭐️
2	화장품 성분 데이터	⭐️⭐️⭐️
3	올림픽 데이터	⭐️⭐️	👈
4	국가별 인터넷 사용률 데이터	⭐️⭐️
5	전국 박물관/미술관 정보 표준 데이터	⭐️⭐️⭐️
6	서울시 흡연율 통계 데이터	⭐️⭐️
7	웹크롤링	⭐️
8	서울시 지하철 호선별 역별 유/무임 승하차 인원 정보 데이터	⭐️⭐️
9	서울시 교통사고 현황 (사고유형별) 통계 데이터	⭐️⭐️
10	서울시 교통사고 현황 (사고유형별) 통계 + 서울시 차량통행속도 (구별/월별) 통계 + 서울시 인구밀도 (구별) 통계	⭐️⭐️⭐️

문제 소개 및 데이터 준비 단계

문제 시작! 🏃🏻

1단계: Load Data & Preprocessing

3-1. Load Target Data

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.

  • 참고: 아래와 같이 읽어올 경우 에러가 발생합니다.
    
  • hint1: 에러 메시지를 확인하세요.
  • hint2: 해당 데이터는 영어로 이루어져 있습니다.

• 완료 후 결과 dataframe 변수를 check_01_01 함수에 입력하여 채점하세요.

# 1-1
import pandas as pd
from grading import *

df_target =pd.read_csv("./datas/Summer-Olympic-medals-1976-to-2008.csv", encoding="latin-1")
df_target

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.

• 완료 후 결과 dataframe 변수를 check_01_02 함수에 입력하여 채점하세요.

# 1-2
df_target.info()

# missing data 존재 시 row 삭제
df_target.dropna(axis=0, inplace=True)

# index 초기화
df_target.reset_index(drop=True, inplace=True) 
df_target

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.

df_target.info()

df_target["Year"] = df_target["Year"].astype("Int64")

2단계: 원하는 Data로 가공하기

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.

• 완료 후 결과 dataframe 변수를 check_02_01 함수에 입력하여 채점하세요.

# 2-1
import copy

df = df_target.copy()
df_archery = df[(df["City"]=="Beijing") &
                (df["Year"]==2008) & 
                (df["Sport"]=="Archery") &
                (df["Country_Code"]=="KOR") &
                (df["Medal"]=="Gold")
                ]
df_archery

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)
    - 예시: 미국의 역대 메달 획득 내역
    

  • 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

  • 참고1: 예시와 같이 컬럼명은 City 등 아무 컬럼명이든 상관 없습니다. 하나의 컬럼만 보여주세요.

  • 참고2: 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.

  • 참고3: 대한민국은 1980년 모스크바 올림픽에 참가하지 않았습니다.

• 완료 후 결과 dataframe 변수를 check_02_02 함수에 입력하여 채점하세요.

# 2-2
# df_target 데이터 중 한국 데이터만 copy
df_kor = df_target[(df_target['Country_Code'] == 'KOR')].copy()

# 중복 데이터 제거
df_kor = df_kor.drop_duplicates(["City","Year","Sport","Discipline","Event",
                        "Country_Code","Country","Event_gender","Medal"])

# pivot_table로 원하는 형태 설정
df_kor = df_kor.pivot_table(index=["Year","Medal"], values ='City', aggfunc="count")

# Medal Index 정렬 순서 지정
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.
    - 예시: 1992년 바르셀로나 올림픽 총 메달 개수에 따른 상위 10개 국가
    

  • 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

  • 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.

  • 완료 후 결과 dataframe 변수를 check_02_03 함수에 입력하여 채점하세요.

# 2-3
df_rank = df_target[df_target["Year"]==1996].copy()

df_rank = df_rank.drop_duplicates(["City","Year","Sport","Discipline","Event",
                                   "Country_Code","Country","Event_gender","Medal"])

df_rank = df_rank.groupby(['Country'], as_index=False)['Medal'].count()

df_rank_10 = df_rank.sort_values(by='Medal', ascending=False)[: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

    • 추후 아래 예시와 같은 형태로 DataFrame을 만들기 위한 작업입니다. 적당한 순서에 맞추어 해당 작업을 하시면 되고, 혹시 이 작업이 필요 없을 경우 안하셔도 무방합니다.

  • 조건2: Index는 앞선 1단계에서 Preprocessing한 Data의 Index 그대로 나두어 주세요.

  • 조건3: 금메달 개수로 내림차순 정렬 후 상위 10개 국가만 나타내는 DataFrame을 만드세요.

    • 만약 금메달 개수가 같다면, 은메달 개수가 많은 국가가 더 높은 순위이며 은메달 개수도 같다면 동메달 개수가 더 많은 국가가 상위입니다.

  • 조건4: 결과 DataFrame의 Columns은 ['Country', 'Gold', 'Silver', 'Bronze'] 입니다.
    - 예시: 1992년 바르셀로나 올림픽 총 메달 개수에 따른 상위 10개 국가
    

  • 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

• 완료 후 결과 dataframe 변수를 check_02_04 함수에 입력하여 채점하세요.

# 2-4
import numpy as np

df_rank = df_target[df_target["Year"]==1996].copy()

df_rank = df_rank.drop_duplicates(["City","Year","Sport","Discipline","Event",
                                   "Country_Code","Country","Event_gender","Medal"])

df_rank["Gold"] = np.NaN
df_rank["Silver"] = np.NaN
df_rank["Bronze"] = np.NaN

for idx, row in df_rank.iterrows():
    if row["Medal"] == "Gold" :
        df_rank.at[idx,"Gold"] = 1
    elif row["Medal"] == "Silver" :
        df_rank.at[idx,"Silver"] = 1
    elif row["Medal"] == "Bronze" :
        df_rank.at[idx,"Bronze"] = 1
        
df_rank_10 = df_rank[["Country","Gold","Silver","Bronze"]].groupby("Country",as_index=False).sum()
df_rank_10 = df_rank_10.sort_values(by=["Gold","Silver","Bronze"], ascending=False)[:10]

df_rank_10["Gold"] = df_rank_10["Gold"].astype("Int64")
df_rank_10["Silver"] = df_rank_10["Silver"].astype("Int64")
df_rank_10["Bronze"] = df_rank_10["Bronze"].astype("Int64")

df_rank_10