EDA Test 5 - 전국 박물관/미술관 정보 표준데이터 Code Review

솔비·2024년 2월 15일

EDA mini project zerobase

📊 EDA. 탐색적 데이터 분석

목록 보기

18/19

언제쯤 GPT 없이 문제를 풀 수 있을것인가..😅

문제 소개 및 데이터 준비 단계

Target Data(Json): 전국박물관미술관정보표준데이터

Source: 공공데이터포털
DownLoad: 전국박물관미술관정보표준데이터.json

참고사항

공공데이터포털에서 해당 데이터는 다양한 Format(xls, xml, json, rdf, csv)으로 제공합니다.
다양한 Data Format 사용을 하고자 해당 Test에서는 일부러 json format의 데이터를 사용할 예정입니다.
- json 상세 설명: https://www.json.org/json-ko.html
문제에 hint가 있을 경우, 해당 hint를 이용하지 않으셔도 무방합니다.

import json
# 채점을 위한 코드입니다. 반드시 실행해주세요.
from grading import *

with open('./datas/전국박물관미술관정보표준데이터.json', 'r', encoding='utf-8') as f:
    json_data = json.load(f)

1단계: Json Data로 DataFrame으로 만들기

문제 1-1) Json Data로 Pandas DataFrame 만들기 (10점)

위에서 읽은 json_data는 아래와 같이 구성되어있습니다. 이를 참고하여 pandas dataframe으로 불러오세요.
- json_data
- json_data['fields']: List. 각 variable은 하나의 Column(열)을 의미하며, {id: Column(열)명}의 형식으로 구성 되어있습니다.
- json_data['records']: List. 각 variable은 하나의 Row(행)을 의미하며, {Column(열)명: data}의 형식으로 구성 되어있습니다.

- 조건1: 위의 내용을 참고하여 'json_data'를 이용하여 Pandas DataFrame을 만드세요
- 조건2: json data의 Index와 Column(열)의 순서(order)는 변경하지 마세요.
- 앞에서부터 순차적으로 차례로 읽어 그대로 DataFrame으로 만드세요.
- 조건3: 'df_target' 변수에 결과 DataFrame을 할당하세요.
- hint: pandas의 read_json method로는 읽어지지 않습니다.
- 공공데이터포털에서 json data를 만드는 형식이 read_json과 matching되지 않아 Error가 발생합니다.

📌 답안

import pandas as pd

df_target = pd.json_normalize(json_data["records"])

pd.json_normalize

pd.json_normalize 함수는 JSON 데이터를 정규화하여 DataFrame을 반환한다.

위에서 읽어온 json 파일의 records key에 해당하는 value가 컬럼, 데이터 형태의 딕셔너리로 담겨있기 때문에
해당 데이터를 바로 넣어 데이터 프레임을 만들 수 있었다.

참고링크 : https://gibles-deepmind.tistory.com/entry/PYTHON-JSON-%ED%8C%8C%EC%9D%BC-DataFrame-%EB%B3%80%ED%99%98jsonnormalize
(사실상 더 복잡한 기능이 있는것 같지만, 일단은 여기까지만 이해하는것으로.. )

2단계: DataFrame 전처리 01 - 기초

문제 2-1) 기초 전처리 01 (5점)

1단계의 DataFrame(df_target)을 아래의 조건에 맞게 변경하세요.
- 해당 json_data의 null값은 ""로 구성되어 df_target.info() 또는 df_target.isna() 등을 이용하여 null값을 확인할 경우 null값이 없다고 나오게 됩니다. 이에 이 Data를 제대로 확인하기 위해서 "" 대신에 Null값을 넣으려 합니다.
- 조건1: ""(또는 '')는 띄어쓰기 없이 쌍따옴표(혹은 따옴표)로만 구성됩니다.
- 조건2: ""(또는 '')를 null값(None)으로 바꾸세요.
- 조건3: Index 또는 순서(order)는 변경하지 마세요.
- 조건4: 'df_target' 변수에 결과 DataFrame을 할당하세요.

📌 답안

df_target.replace(to_replace='', value=None, inplace=True)

데이터프레임 특정 데이터 변경방법
df.place(to_replace = {원본데이터값}, values={변경할데이터값}, inplace = {원본데이터수정여부})
특정 열의 모든 값을 변경
df['Column_Name'] = 변경할데이터값
특정 위치의 데이터 값을 변경
df.at[row_index, 'Column_Name'] = 변경할데이터값
특정 조건을 만족하는 데이터 값을 변경
df.loc[condition, 'Column_Name'] = 변경할데이터값

문제 2-2) 기초 전처리 02 (5점)

2-1의 DataFrame(df_target)을 아래의 조건에 맞게 변경하세요.
- json Data를 Pandas DataFrame으로 만들면서 수치형 데이터들이 string으로 인식되었습니다. 이를 변경하려고 합니다.
- 조건1: 아래 type_int_col의 Column(열) Data를 정수(int)형 Data로 변경하세요.
- 조건2: 아래 type_float_col의 Column(열) Data를 실수(float)형 Data로 변경하세요.
- 조건3: 변경할 Data에 Null값이 있다면, 0으로 채우세요.
- 조건4: Index 또는 순서(order)는 변경하지 마세요.
- 조건5: 'df_target' 변수에 결과 DataFrame을 할당하세요.

type_int_col = ['어른관람료', '청소년관람료', '어린이관람료']
type_float_col = ['위도', '경도']

📌 답안

# 조건1, 2
df_target[type_int_col] = df_target[type_int_col].astype(int)
df_target[type_float_col] = df_target[type_float_col].astype(float)

#조건3
df_target[type_int_col] = df_target[type_int_col].fillna(0)
df_target[type_float_col] = df_target[type_float_col].fillna(0)

데이터프레임 None값 특정 데이터로 변경
df.fillna({바꿀데이터값})

문제 2-3) 기초 전처리 03 (5점)

2-2의 DataFrame(df_target)을 아래의 조건에 맞게 변경하세요.
- 분석과 상관 없는 Column(열)의 Data들을 삭제하여 Data의 가독성을 높이고자 합니다.
- 조건1: 아래 drop_col의 Column(열) Data를 삭제하세요.
- 조건2: Index 또는 순서(order)는 변경하지 마세요.
- 조건3: 'df_target' 변수에 결과 DataFrame을 할당하세요.

drop_cols = ['소재지지번주소', '위도', '경도', '운영기관전화번호','운영기관명', '운영홈페이지', '편의시설정보', '휴관정보', 
            '관람료기타정보', '박물관미술관소개', '교통안내정보', '관리기관전화번호', '관리기관명', '제공기관코드', '제공기관명']

📌 답안

df_target.drop(labels=drop_cols, axis=1, inplace=True)

특정컬럼삭제
df.drop(labels = {삭제할컬럼})

문제 2-4) 기초 전처리 04 (5점)

2-3의 DataFrame(df_target)을 아래의 조건에 맞게 변경하세요.
- 어른, 청소년, 어린이 관람료가 이상한 경우, 해당 row(행) data 자체가 이상하다고 판단하여 삭제하고자 합니다.
- 조건1: 관람료와 관련된 Column(열)은 위에서 정의한 type_int_col 입니다.
- 조건2: 관람료가 10원 단위로 나누어 떨어지지 않는 경우 이상치로 판단합니다. 해당 row(행)를 삭제하세요.
- 조건3: 관람료가 100000원(십만원) 이상인 경우 이상치로 판단합니다. 해당 row(행)를 삭제하세요.
- 조건4: Index 또는 순서(order)는 변경하지 마세요.
- 조건5: 'df_target' 변수에 결과 DataFrame을 할당하세요.

📌 답안

# 삭제할 행 index 추출
idx = df_target[(df_target[type_int_col] % 10 != 0).any(axis=1) | (df_target[type_int_col] >= 100000).any(axis=1)].index

# drop
df_target.drop(idx,inplace=True)

any : 하나라도 만족하면 삭제

all : 모두 만족해야 삭제

옵선 : axis=0 | 열 / axis=1 | 행

특정 인덱스 삭제

drop(idx)

3단계: DataFrame 전처리 02 - 심화

문제 3-1) 심화 전처리 01 (10점)

2단계의 DataFrame(df_target)을 아래의 조건에 맞게 변경하세요.
- 휴관중이거나 중복된 박물관/미술관의 data를 삭제하고자 합니다.
  - 아래의 조건 이외에도 중복되는 data들이 있으나, 해당 Test에서는 아래 조건에 따른 중복 data만 삭제하여 진행합니다.
- 조건1: 시설명 Column(열) data에 '휴관'이라는 글자가 들어있으면 해당 row(행)은 삭제합니다.
- 조건2: 시설명 Column(열) data가 중복되는 경우 해당 row(행)의 '데이터기준일자'가 최신인 data를 남기고 최신이 아닌 row(행)은 삭제합니다.
  - 만약, 시설명 Column(행)의 data가 중복되면서 가장 최신인 data가 두 개 이상인 경우, Index가 가장 낮은(예시: 495, 674 중 495) Index를 남기고, 높은 Index(예시: 495, 674 중 674)의 row(행) data를 삭제하세요.(낮은 인덱스가 더 최근 데이터라고 가정)
  - 예시: 아래 예시의 경우 데이터기준일자가 최신인 0번 index의 row(행)은 남기고 1338번 index의 row(행)은 삭제합니다.
- 조건3: 시설명 Column(열) data의 중복 여부는 시설명 Column(열) data의 띄어쓰기를 삭제한 값이 일치할 경우 중복된 박물관/미술관으로 판단합니다.
  - 예시: 아래 예시의 경우 시설명 Column(열) data의 띄어쓰기를 삭제할 경우 시설명 Column(열) data가 동일합니다. 이에 데이터기준일자가 최신인 6번 index의 row(행)은 남기고 1909번 index의 row(행)은 삭제합니다.
- 조건4: Index 또는 순서(order)는 변경하지 마세요.
  - 문제를 풀기위해 순서를 변경하였다면, 다시 Index 순서로 정렬하세요
- 조건5: 'df_target' 변수에 결과 DataFrame을 할당하세요.
- hint1: '데이터기준일자' Column(열)의 Data는 현재 string입니다. 대소비교가 가능한지 확인해보세요.
- hint2: 조건2 관련하여, '시설명'과 '데이터기준일자'가 같은 data들이 존재합니다. Index를 확인하세요.
  - '데이터기준일자' 기준으로 정렬시 주의하세요.

# 혹시모를 깊은본사
df_target_temp = df_target.copy()

# 조건3 띄어쓰기 삭제
df_target_temp['시설명'] = df_target_temp['시설명'].str.replace(' ','')

# 시설명 오름차순, 데이터기준일자 내림차순 정렬
df_target_temp = df_target_temp.sort_values(['시설명','데이터기준일자'], ascending=[True,False])

# 시설명 기준으로 중복제거 (마지막행 유지 : 데이터기준일자 최신)
df_target_temp = df_target_temp.drop_duplicates('시설명', keep='first')

# 인덱스 원래로 정렬
df_target_temp = df_target_temp.sort_index()

중복데이터 삭제
(첫 번째로 등장한 데이터 유지, 기본값=keep='first')
df_dropped = df.drop_duplicates()
(마지막으로 등장한 데이터 유지)
df_dropped = df.drop_duplicates(keep='last')
모든 중복된 데이터 제거
df_dropped = df.drop_duplicates(keep=False)

문제 3-2) 심화 전처리 02 (10점)

3-1의 DataFrame(df_target)을 아래의 조건에 맞게 변경하세요.
- 평일과 공휴일에 박물관/미술관이 하루 중 몇시간이나 열려있는지를 알려주는 '관람가능시간'을 구하려고 합니다.
- 조건1: 평일의 관람가능시간은 '평일관람시작시각'부터 '평일관람종료시각'까지 입니다. '평일관람가능시간' Column(열)을 만들어 평일의 관람가능시간을 입력하세요.
- 조건2: 공휴일의 관람가능시간은 '공휴일관람시작시각'부터 '공휴일관람종료시각'까지 입니다. '공휴일관람가능시간' Column(열)을 만들어 공휴일의 관람가능시간을 입력하세요.
- 조건3: '평일관람가능시간'과 '공휴일관람가능시간'은 시간(hour) 단위 실수(float)로 표기합니다.
  - 관람가능시간이 8시간 30분인경우 8.5로 표기합니다.
  - 관람가능시간이 23시간을 초과하는 경우 24시간으로 표기합니다.
  - 평일 또는 공휴일의 관람시작시각과 관람종료시각이 모두 00:00(또는 0:00)인 경우 휴일로 판단하며, 관람가능시간은 0으로 입력합니다.
  - 관람가능시간이 6시간 40분과 같이 무환소수(6.6666666666666......6666666667)로 표기될 경우 소숫점 셋째 자리에서 반올림하여 소숫점 둘째 자리까지 표기합니다.
- 조건4: Index 또는 순서(order)는 변경하지 마세요.
- 조건5: 'df_target' 변수에 결과 DataFrame을 할당하세요.
- hint: 각 관람시작시각/관람종료시각의 Data Type은 string 입니다.

📌 답안

weekday = []
holiday = []

from datetime import datetime
for idx, row in df_target_temp.iterrows():
    weekday_start_timedate = datetime.strptime(row.평일관람시작시각,"%H:%M")
    weekday_end_timedate = datetime.strptime(row.평일관람종료시각,"%H:%M")

    weekday_time_diff = weekday_end_timedate - weekday_start_timedate
    weekday_hours_diff = round(weekday_time_diff.total_seconds() / 3600 ,2)

    if weekday_hours_diff > 23 :
        weekday_hours_diff = 24.00
    
    if weekday_hours_diff == 0 :
        weekday_hours_diff = 0.00

    weekday.append(weekday_hours_diff)



    holiday_start_timedate = datetime.strptime(row.공휴일관람시작시각,"%H:%M")
    holiday_end_timedate = datetime.strptime(row.공휴일관람종료시각,"%H:%M")

    holiday_time_diff = holiday_end_timedate - holiday_start_timedate
    holiday_hours_diff = round(holiday_time_diff.total_seconds() / 3600 ,2)

    if holiday_hours_diff > 23 :
        holiday_hours_diff = 24.00
    
    if holiday_hours_diff == 0 :
        holiday_hours_diff = 0.00

    holiday.append(holiday_hours_diff)
    

df_target_temp['평일관람가능시간'] = weekday
df_target_temp['공휴일관람가능시간'] = holiday

datetime.strptime
현재 시간컬럼들이 문자열이기 때문에 datetime.strptime 모듈로 시 분 으로 변경한 뒤, 그 차를 구하고 시간단위로 표현해줬다.
round로 소수점 둘째자리까지 반올림 시키고 리스트에 담아
컬럼할당 !

문제 3-3) 심화 전처리 03 (10점)

3-2의 DataFrame(df_target)을 아래의 조건에 맞게 변경하세요.
- '소재지도로명주소' Column(열)의 Data를 가공하여 광역자치단체-기초자치단체(행정시)-상세 주소로 구분하려고 합니다.
- 조건1: '소재재도로명주소' Column(열) data의 첫번째 단어는 언제나 광역자치단체명을 의미합니다. '광역' Column(열)을 만들어 해당 row(행) data의 광역자치단체명을 입력하세요.
  - '세종특별시'는 현재 '세종특별자차시'로 명칭이 변경되었습니다. 이를 반영해주세요.
- 조건2: '소재재도로명주소' Column(열) data의 두번째 단어는 대부분 기초자치단체명을 의미합니다. '기초' Column(열)을 만들어 해당 row(행) data의 기초자치단체명을 입력하세요.
  - '제주특별자치도'의 경우 기초자치단체가 없으나, 행정시('제주시', '서귀포시')가 '소재재도로명주소' Column(열) data의 두번째 단어에 위치합니다. 행정시를 '기초' Column(열)에 입력하세요.
  - '세종특별자치시'의 경우 기초자치단체가 없습니다. '세종특별자치시'의 경우 '기초' Column(열)에는 Null값(None)을 입력해주세요.
- 조건3: '소재재도로명주소' Column(열) data에서 광역/기초자치단체(행정시포함)에 포함되지 않은 데이터는 '상세' Column(열)을 만들어 입력하세요.
- 조건4: '소재지도로명주소', '광역', '기초', '상세 Column(행)의 data는 해당 data의 앞-뒤로 띄어쓰기 등 공백이 없어야 합니다.
- 조건5: Index 또는 순서(order)는 변경하지 마세요.
- 조건6: 'df_target' 변수에 결과 DataFrame을 할당하세요.

📌 답안

df_target = df_target_temp.copy()

split1 = []
split2 = []
split3 = []


for idx, row in df_target.iterrows() :
    address = row['소재지도로명주소'].split()

    if address[0] == '세종특별시' or address[0] == '세종특별자치시' :
        temp1 = '세종특별자치시'
        temp2 = None
        temp3 = " ".join(address[1:]).strip()
    else :
        temp1 = address[0].strip()
        temp2 = address[1].strip()
        temp3 = " ".join(address[2:]).strip()

    split1.append(temp1)
    split2.append(temp2)
    split3.append(temp3)
    
df_target['광역'] = split1
df_target['기초'] = split2
df_target['상세'] = split3

df_target.소재지도로명주소 = df_target.소재지도로명주소.str.strip()

🧷 3-3 메소드 모음
contain() : 특정문자가 포함되어있는지 확인
contain('{포함하는지 찾을 문자열}')
strip() : 앞뒤 특정문자 자르기
contain('{자를 문자열 또는 공백(의 경우 생략)}')
join() : 문자열합치기
'{합칠기준(ex공백)}'.join(리스트)
endswith() : 특정문자로 끝나는지 확인
endswith('{찾을문자열}')
startswith() : 특정문자로 시작하는지 확인
startswith('{찾을문자열}')

4단계: 원하는 정보 얻기

문제 4-1) 원하는 정보 얻기 01 (10점)

3단계의 DataFrame(df_target)을 이용하여 아래의 조건에 맞는 정보를 구하세요.
- 광역자치단체별 박물관/미술관의 총 수를 확인하고자 합니다.
- 조건1: df_target의 '광역' Column(열)에 있는 광역자치단체 data를 이용하여 광역자치단체별 박물관/미술관의 총 수를 나타내주세요.
- 조건2: 결과 DataFrame의 Index는 광역자치단체입니다. 광역자치단체의 우선순위는 아래 province_dict의 value(값)으로 제공합니다. Index의 순서를 광역자치단체의 우선순위에 따라 나열해주세요.
  - 출처: 행정안전부
- 조건3: 결과 DataFrame의 박물관/미술관의 총 수를 나타내는 Column(열)의 이름은 '박물관미술관수' 입니다.
  - 예시: Index/Column
- 조건4: 'df_result' 변수에 결과 DataFrame을 할당하세요.

province_dict = {
    '서울특별시': 0,
    '부산광역시': 1,
    '대구광역시': 2,
    '인천광역시': 3,
    '광주광역시': 4,
    '대전광역시': 5,
    '울산광역시': 6,
    '세종특별자치시': 7,
    '경기도': 8,
    '강원도': 9,
    '충청북도': 10,
    '충청남도': 11,
    '전라북도': 12,
    '전라남도': 13,
    '경상북도': 14,
    '경상남도': 15,
    '제주특별자치도': 16
}

📌 답안

df_target_temp[['광역','시설명' ]].groupby(['광역']).count().rename(columns={'시설명':'박물관미술관수'}).sort_values(by='광역', key = lambda x: x.map(province_dict))

특정 기준을 기반으로 정렬
sort_valeus의 key 옵션사용

문제 4-2) 원하는 정보 얻기 02 (10점)

3단계의 DataFrame(df_target)을 이용하여 아래의 조건에 맞는 정보를 구하세요.
- 광역자치단체-기초자치단체(행정시)의 박물관/미술관의 총 수가 8개인 광역-기초자치단체(행정시)를 확인하고자 합니다.
- 조건1: df_target의 '광역'과 '기초' Column(열)에 있는 광역자치단체/기초자치단체(행정시) data를 이용하여 광역자치단체-기초자치단체(행정시)별 박물관/미술관의 총 수가 8개인 곳을 찾아주세요.
- 조건2: 결과 DataFrame의 '광역' Column(열)에 광역자치단체를, '기초' Column(열)에 기초자치단체(행정시)를 입력해주세요.
- 조건3: '광역' Column(열)은 4-1문제와 같이 광역자치단체의 우선순위에 따라 나열해주세요.
  - 4-1의 province_dict 참고
- 조건4: 같은 광역자치단체가 있다면, '기초' Column(열)의 data는 가나다 순의 역순으로 나열해주세요.
- 조건5: 결과 DataFrame의 박물관/미술관의 총 수를 나타내는 Column(열)의 이름은 '박물관미술관수' 입니다.
  - 예시: 박물관미술관수가 9개인 광역-기초자치단체(행정시)
- 조건6: Index는 숫자(정수) 오름차순으로 설정해주세요.
- 조건7: 'df_result' 변수에 결과 DataFrame을 할당하세요.

📌 답안

df = df_target.groupby(['광역','기초'],dropna=False).size().to_frame(name='박물관미술관수')
df = df[df['박물관미술관수'] == 8]
df = df.sort_values(by=['기초'], ascending=False).sort_values(by=['광역'], key = lambda x : x.map(province_dict))
df_result = df.reset_index()

문제 4-3) 원하는 정보 얻기 03 (10점) 💢🥲🤨📌

3단계의 DataFrame(df_target)을 이용하여 아래의 조건에 맞는 정보를 구하세요.
- 광역자치단체-박물관미술관구분(사립, 국립, 공립, 대학)의 평균 관람료 차이를 알아보고자 합니다.
- 조건1: df_target의 '광역'과 '박물관미술관구분' Column(열)에 있는 광역자치단체/박물관미술관구분 data를 이용하여 광역자치단체-박물관미술관구분별 평균 어른관람료-평균 어린이관람료 간 차이가 가장 크고 작은 곳을 찾아주세요.
  - 단, 어른관람료 또는 어린이관람료가 둘 중 하나라도 0원(무료)인 박물관/미술관의 경우 평균 계산에서 제외해주세요.
- 조건3: 결과 DataFrame의 '광역' Index에 광역자치단체를, '박물관미술관구분' Index에 박물관미술관구분를 입력해주세요.
- 조건4: '광역' Index은 4-1문제와 같이 광역자치단체의 우선순위에 따라 나열해주세요.
  - 4-1의 province_dict 참고
- 조건5: 결과 DataFrame의 '어른관람료' Column(열)은 광역자치단체-박물관미술관구분별 평균 어른 관람료를, '어린이관람료' Column(열)은 광역자치단체-박물관미술관구분별 평균 어린이 관람료를, '관람료차이' Column(열)은 광역자치단체-박물관미술관구분별 평균 어른 관람료 - 평균 어린이 관람료(차액)을 입력해주세요.
  - 어른/어린이 관람료 및 관람료차이는 평균값에서 소숫점 첫째 자리에서 반올림한 정수 값을 입력해주세요.
    - 예시: 2978.5원 -> 2980.0원(소숫점 첫째 자리에서 반올림) -> 2980원(정수 값)
  - 예시: 청소년관람료-어린이관람료 차이가 가장 크고 작은 광역자치단체-박물관미술관구분
- 조건6: 'df_result' 변수에 결과 DataFrame을 할당하세요.

📌 답안

df = df[(df['어른관람료'] != 0) & (df['어린이관람료']  != 0)] 
df = df.pivot_table(index=['광역','박물관미술관구분'],  values=['어른관람료', '어린이관람료'], aggfunc='mean').round(-1).astype(int)
df['관람료차이'] = df['어른관람료'] - df['어린이관람료']
df.sort_index(level=0, key=lambda x:x.map(province_dict), inplace=True)

오답..

문제 4-4) 원하는 정보 얻기 04 (10점)💢🥲🤨📌

3단계의 DataFrame(df_target)을 이용하여 아래의 조건에 맞는 정보를 구하세요.
- 가족(어른2, 청소년1, 어린이1)이 공휴일에 제주특별자치도 제주시에 있는 미술관을 관람하려 합니다. 총 관람료가 2만원 이하, 공휴일 4시간 이상 관람 가능한 미술관 list를 보여주세요.
- 조건1: 가족(어른 2명, 청소년 1명, 어린이 1명)의 총 관람료가 2만원 이하여야 합니다.
- 조건2: 제주특별자치도의 제주시에 있는 미술관을 가려고 합니다.
  - 미술관: 이 Test에서는 df_target의 시설명 Column(열)에 있는 data 중 <'미술관' 또는 '갤러리' 또는 '아트'> 라는 글자들이 포함되어 있는 곳을 '미술관'이라고 정의합니다.
- 조건3: 공휴일에 가고자 합니다. 공휴일에 4시간 이상 관람 가능한 미술관이어야 합니다.
- 조건4: 미술관 List의 Frame은 df_target과 동일합니다.
  - 예시: 서울특별시 송파구에서 가족(어른2, 청소년1, 어린이1)이 총 관람료 2만원 이내로 공휴일에 4시간 이상 관람할 수 있는 박물관 List
- 조건5: 'df_result' 변수에 결과 DataFrame을 할당하세요.

📌 답안

4-3 못풀어서 패스..

전체코드

Zero Base 데이터분석 스쿨

Daily Study Note

솔비

Study Log

이전 포스트

EDA Test 4 - 국가별 인터넷 사용률 데이터 Code Review

다음 포스트

EDA Test 5 - 전국 박물관/미술관 정보 표준데이터 Code Review

📊 EDA. 탐색적 데이터 분석

문제 소개 및 데이터 준비 단계

Target Data(Json): 전국박물관미술관정보표준데이터

참고사항

1단계: Json Data로 DataFrame으로 만들기

문제 1-1) Json Data로 Pandas DataFrame 만들기 (10점)

2단계: DataFrame 전처리 01 - 기초

문제 2-1) 기초 전처리 01 (5점)

문제 2-2) 기초 전처리 02 (5점)

문제 2-3) 기초 전처리 03 (5점)

문제 2-4) 기초 전처리 04 (5점)

3단계: DataFrame 전처리 02 - 심화

문제 3-1) 심화 전처리 01 (10점)

문제 3-2) 심화 전처리 02 (10점)

문제 3-3) 심화 전처리 03 (10점)

4단계: 원하는 정보 얻기

문제 4-1) 원하는 정보 얻기 01 (10점)

문제 4-2) 원하는 정보 얻기 02 (10점)

문제 4-3) 원하는 정보 얻기 03 (10점) 💢🥲🤨📌

문제 4-4) 원하는 정보 얻기 04 (10점)💢🥲🤨📌

Zero Base 데이터분석 스쿨

Daily Study Note

EDA Test 4 - 국가별 인터넷 사용률 데이터 Code Review

Pandas 총정리

0개의 댓글