서울시 범죄 현황 데이터 분석 프로젝트

데이터 출처

서울시 관서별 5대 범죄 현황

데이터 읽기

• thousands="," : 숫자값을 문자로 인식 할 수 있어서 설정
  • 숫자 값들이 콤마(,)를 사용하고 있어서 문자로 인식됨
  • 콤마를 제거하고 숫자형으로 읽음
• encoding="euc-kr" : 인코딩시 한글 깨짐 처리

crime_raw_data = pd.read_csv("../data/02. crime_in_Seoul.csv", thousands=",", encoding="euc-kr")
crime_raw_data.head()

• info() : 데이터 개요 확인하기
  - RangeIndex가 65534인데, 우리가 가진 데이터는 310개이다.
  

• unique() : 특정 컬럼에서 조사 후 NaN 값 확인하기
• isnull() : null 값을 bool 타입으로 출력
• notnull() : null 값이 아닌 것만 출력
  - 출력 후 데이터 전처리 -> 로우데이터에 저장하기

pandas pivot table

아래 데이터 활용하기

pivot_table 구성

• index : 2개 이상 지정 가능
• column : 분류 지정
• values : 2개 이상 지정 가능, value에 함수를 지정할 수 있음, default = mean
• aggfunc : 2개 이상 지정 가능, 합산 등의 다른 함수를 적용할 때 옵션을 지정

index 설정

• index 설정시 같은 데이터 타입의 values 설정하기

아래 두 코드는 같은 코드 값
pd.pivot_table(df, index="Name", values=["Account", "Quantity", "Price"])
df.pivot_table(index="Name", values=["Account", "Quantity", "Price"])

• 멀티 인덱스 설정

df.pivot_table(index=["Manager", "Rep"], values=["Account", "Quantity", "Price"])

values 설정

• aggfunc 연산 함수 활용하기
• Price 컬럼 sum 연산 적용
• len : 갯수 구하기

df.pivot_table(index=["Manager", "Rep"], values="Price", aggfunc=[np.sum, len])

columns 설정

• Product를 컬럼으로 지정

df.pivot_table(index=["Manager", "Rep"], values="Price", columns="Product", aggfunc=np.sum)

• fill_value : NaN 값 설정
• fill_value=0 : Nan 값을 0으로 채우기
  

• 2개 이상의 index, values 설정 가능
• aggfunc 2개 이상 설정
• margins : 총계 (All) 추가

df.pivot_table(
    index=["Manager", "Rep", "Product"], 
    values=["Price", "Quantity"], 
    aggfunc=np.sum, fill_value=0,
    margins=True)

서울시 범죄 현황 데이터 정리

• pivot_table 활용
• index는 경찰서 이름으로 정리

crime_station = crime_raw_data.pivot_table(
    crime_raw_data, 
    index="구분", 
    columns=["죄종", "발생검거"], 
    aggfunc=[np.sum])
crime_station.head()

• 멀티 인덱스 발생
• multiindex columns 확인하기
• droplevel() : 다중 컬럼에서 특정 컬럼 제거

첫 번째, 두 번재 컬럼 제거하기 => sum, 건수 제거
crime_station.columns = crime_station.columns.droplevel([0,1])

“이 글은 제로베이스 데이터 취업 스쿨의 강의 자료 일부를 발췌하여 작성되었습니다.”