반응형
드디어 초급 데이터분석 활용선택과정이 끝났다ㅏㅏㅏ
3시간 수업 / 초금 / 실습문제 수 44개 / 수강생수 1354명
잭이 심은 가장 두꺼운 콩나무
이번엔 콩나무들 중 가장 두꺼운 콩나무는 어떤 것인지 찾아봅시다!
문제
-
csv 파일을 불러옵니다.
-
콩나무 데이터에서 둘레(circumference) 값을 확인합니다.
-
콩나무들의 둘레를 내림차순으로 정렬합니다.
-
콩나무들 중 가장 둘레가 두꺼운 콩나무를 찾고, 데이터 프레임에서 해당 콩나무의 인덱스에 해당하는 값을 출력하세요. 출력되는 값은 모든 컬럼이 포함되어야 합니다.
from elice_utils import EliceUtils
import pandas as pd
elice_utils = EliceUtils()
def main():
# ./data/tree_data.csv 파일을 읽어서 작업해보세요!
df = pd.read_csv('./data/tree_data.csv')
# print(df)
df = df.sort_values("circumference", ascending = False)
# print(df)
print(df.iloc[0])
if __name__ == "__main__":
main()
beans 95446.00
circumference 3.49
height 123.95
Name: 60, dtype: float64
> 정답!
========================
총점: 25
코드 실행이 완료되었습니다.
피리 부는 사나이를 따라가는 쥐떼
“필리리 피리리-“
피리부는 사나이가 마을의 쥐떼를 데리고 떠났어요!
우리는 피리부는 사나이를 따라간 쥐떼를 구하기위해서 기본 정보를 파악하려해요.
여기 피리부는 사나이를 따라다니는 쥐들과 아이들을 기록해둔 csv파일이 있어요.
이 데이터에서 일자별 수컷 쥐와 암컷 쥐의 나이 평균 분포를 pivot_table로 출력하세요.
코드에서 에러가 발생하거나 출력이 요구된 값 이외의 값을 출력하면 오답이 발생합니다.
from elice_utils import EliceUtils
import pandas as pd
import numpy as np
elice_utils = EliceUtils()
def main():
# 파일을 읽어서 코드를 작성해보세요
# 경로: "./data/the_pied_piper_of_hamelin.csv"
df = pd.read_csv("./data/the_pied_piper_of_hamelin.csv")
# print(df)
df = df[df['구분'] == 'Rat']
# print(df)
rat = df.pivot_table(index ="일차", columns ="성별", values = "나이", aggfunc = np.mean )
print(rat)
if __name__ == "__main__":
main()
이번에는 Rat이다!
사실 이번에도 masking에서 애먹음 df[]이다 df()가 아니라!!!!!
다 맞은거겠지..?
활용선택 하나 또 끝~
학습 현황
푼 문제는 40갠데 코딩 실제 시간은 10분도 안된뎈ㅋ
그래도 실행횟수가 많네 200번 가까이 ㄷ ㄷ
반응형
'파이썬 > NIPA 데이터분석 강의' 카테고리의 다른 글
NIPA 온라인선택 데이터 머신러닝 03 머신러닝을 위한 데이터 이해하기 (0) | 2020.10.04 |
---|---|
NIPA 온라인선택 데이터 머신러닝 02 데이터 과학자 이해하기 for 비전공자 (0) | 2020.10.04 |
NIPA 온라인선택 데이터 머신러닝 01 머신러닝과 과학 이해하기 (0) | 2020.10.04 |
NIPA 데이터분석 첫번째 활용선택 : 05 월드컵 데이터 분석해보기 (1) | 2020.09.30 |
NIPA 데이터분석 첫번째 활용선택 : 04 Matplotlib 2 - with pandas (0) | 2020.09.30 |
NIPA 데이터분석 첫번째 활용선택 : 04 Matplotlib 1 - line plot 옵션과 scatter bar hist (0) | 2020.09.30 |
NIPA 데이터분석 첫번째 활용선택 : 03 Pandas 심화 -b pivot 피리부는사나이 (0) | 2020.09.30 |
NIPA 데이터분석 첫번째 활용선택 : 03 Pandas 심화 -a apply group (0) | 2020.09.30 |