📝 16번
f1의 결측치를 채운 후 age 컬럼의 중복 제거 전과 후의 'f1' 중앙값 차이를 구하시오.
- 결측치는 f1의 데이터 중 내림차순 정렬 후 10번째 값으로 채움
- 중복 데이터 발생시 뒤에 나오는 데이터를 삭제함
- 최종 결과값은 절대값으로 출력
💻 풀이
import pandas as pd
basic = pd.read_csv('data/basic1.csv')
f1 = basic.sort_values('f1', ascending=False).iloc[9]['f1']
basic['f1'] = basic['f1'].fillna(f1)
before_med = basic['f1'].median()
before_med # 77.5
basic = basic.drop_duplicates(subset=['age'])
after_med = basic['f1'].median()
after_med # 77.0
result = abs(before_med - after_med)
print(result)0.5
📝 17번
새로운 컬럼(1일 이전 시차 컬럼)을 만들고, Events가 1이면서 Sales가 1000000이하인 조건에 맞는 새로운 컬럼 합을 구하시오.
💻 풀이
import pandas as pd
basic = pd.read_csv('data/basic2.csv', parse_dates=['Date'])
basic['previous_PV'] = basic['PV'].shift(1)
basic['previous_PV'] = basic['previous_PV'].fillna(method='bfill')
result = basic[(basic['Events'] == 1) & (basic['Sales'] <= 1000000)]['previous_PV'].sum()
print(result)1894876.0
📝 18번
데이터에서 IQR을 활용해 Fare컬럼의 이상치를 찾고, 이상치 데이터의 여성 수를 구하시오.
💻 풀이
import pandas as pd
titanic = pd.read_csv('data/titanic.csv')
Q1 = titanic['Fare'].quantile(0.25)
Q3 = titanic['Fare'].quantile(0.75)
IQR = Q3 - Q1
outlier = (titanic['Fare'] < (Q1 - 1.5 * IQR)) | ((Q3 + 1.5 * IQR) < titanic['Fare'])
titanic = titanic[outlier]
result = len(titanic[titanic['Sex'] == 'female'])
print(result)70
📝 19번
'f4'컬럼의 값이 'ESFJ'인 데이터를 'ISFJ'로 대체하고, 'city'가 '경기'이면서 'f4'가 'ISFJ'인 데이터 중 'age'컬럼의 최대값을 출력하시오.
💻 풀이
import pandas as pd
basic = pd.read_csv('은지/project/data/basic1.csv')
basic[basic['f4'] == 'ESFJ'] = 'ISFJ'
result = basic[(basic['city'] == '경기') & (basic['f4'] == 'ISFJ')]['age'].max()
print(result)90
📝 20번
주어진 데이터 셋에서 'f2' 컬럼이 1인 조건에 해당하는 데이터의 'f1'컬럼 누적합을 계산한다. 이때 발생하는 누적합 결측치는 바로 뒤의 값을 채우고, 누적합의 평균값을 출력한다. (단, 결측치 바로 뒤의 값이 없으면 다음에 나오는 값을 채워넣는다)
💻 풀이
import pandas as pd
import numpy as np
basic = pd.read_csv('data/basic1.csv')
basic = basic[basic['f2'] == 1]['f1'].cumsum()
basic = basic.fillna(method='bfill')
result = basic.sum()
print(result)36274.0
