여러 요약 통계
Coddy Machine Learning 여정의 데이터와 시각화 섹션에 포함된 레슨. 60개 중 44번째.
그룹마다 숫자 하나만 표시하면 극단값이 숨겨집니다. .agg는 통계 이름 목록을 받아 각 이름에 해당하는 열을 하나씩 만듭니다:
이 다섯 번의 상영에 대해 집계하고, 각 그룹의 행 수를 세는 .size()도 사용합니다:
shows = pd.DataFrame({
"genre": ["comedy", "comedy", "drama", "drama", "drama"],
"minutes": [95, 100, 130, 110, 150],
})
print(shows.groupby("genre")["minutes"].agg(["mean", "max"]))
print(shows.groupby("genre").size())다음과 같이 출력됩니다:
mean max
genre
comedy 97.5 100
drama 130.0 150
genre
comedy 2
drama 3
dtype: int64코미디 영화는 평균 97.5분, 최대 100분이며, "min"이나 "sum"도 작동합니다. 표본 크기를 확인하세요. 2개 행의 평균은 200개 행의 평균보다 덜 안정적입니다.
챌린지
중급푸드 트럭에서 일주일간의 주문을 truck.csv에 저장했습니다: day, dish, payment, total(달러). 시작 코드는 그룹화 기준이 될 열을 column에 읽어들입니다.
- 각 그룹의 주문 수를 출력하세요.
- 각 그룹의
total에 대한 표 하나를 출력하세요. 열은 순서대로min,mean,max입니다.
입력이 day일 때:
day
Fri 5
Mon 3
Thu 5
Tue 7
Wed 4
dtype: int64
min mean max
day
Fri 10 19.60 36
Mon 12 27.00 42
Thu 10 21.60 42
Tue 9 19.00 30
Wed 10 21.25 27직접 해보기
import pandas as pd
orders = pd.read_csv("truck.csv")
column = input()
# 아래에 코드를 작성하세요
실력 점검이 레슨에는 짧은 퀴즈가 포함되어 있습니다. 레슨을 시작해 문제를 풀고 진행 상황을 기록하세요.
데이터와 시각화의 모든 레슨
직접 연습해 보세요: 온라인 Python 컴파일러