kaggle은 데이터 분석과학 커뮤니티로 많은 빅데이터를 구할 수 있다.

이곳에서 구할 수 있는 가장 유명한 데이터로는 타이타닉 데이터가 있다.

타이타닉에 탑승한 고객의 이름, 주소, 성별, 객실 클래스 등 다양한 자료가 담겨있다. 처음 데이터 시각화를 배울 경우 이 자료를 자주 이용한다.

3) 오늘 우리가 쓸 자료는...

오늘 우리가 이용해 볼 데이터는 공공데이터 포털에 공개된 우리나라 시도별 폭염일수이다.

공공데이터 포털에서 검색해서 다운받아도 좋다.

원자료는 csv로 되어 있어서 xlsx 파일로 변경해 놓았다.

Pandas도 csv 파일을 처리할 수 있지만, 한글로 된 데이터가 있을 경우에는 오류가 난다.

그래서 파일을 읽기 위한 몇 줄의 코드가 더 필요하다.

우리는 아직 초보이기 때문에 가능하면 xlsx 형태로 된 데이터를 취급하도록 하자. 

2. 문제

이제 문제를 풀어볼 시간이다. 아래의 1~4번 지문에 따라 데이터를 출력해보고 해답을 보자.

1. hot_wave.xlsx 파일을 호출해서 hot이라는 변수에 담고, 제일 위쪽 3줄만 출력하기

2. hot_wave.xlsx 데이터 중 서울, 강릉의 폭염 일수만 출력하기

3. hot_wave.xlsx 데이터를 대전의 폭염일수를 기준으로 내림차순 정렬 후 기존의 인덱스를 버리고 인덱스 재지정하기

4. hot_wave.xlsx 데이터 중 폭염 측정년도가 2015년 이후인 데이터만 출력하기

3. 해답

난이도가 낮기 때문에 해답에 대한 설명은 따로 하지 않겠다.

모르겠다면 이전 글을 참고하자. 실수로 광고도 슬쩍 눌러준다면 더 좋다.

1) 1번 문제 해답

import pandas as pd
hot = pd.read_excel("./hot_wave.xlsx")
hot.head(3)

2) 2번 문제 해답

# 1. loc을 이용
hot.loc[:,["서울(일)", "강릉(일)"]]
# 2. iloc 이용
hot.iloc[:,1:3]

# 딕셔너리 형으로 조회
hot[["서울(일)", "강릉(일)"]]

# columns도 함께 이용
hot[hot.columns[1:3]]

3) 3번 문제 해답

# 매번 변수를 새롭게 지정할 경우
sortedHot = hot.sort_values("대전(일)", ascending=False)
reIndexHot = sortedHot.reset_index(drop=True)
reIndexHot

# inplace로 기존 변수 덮어쓰기
hot.sort_values("대전(일)", ascending=False, inplace=True)
hot.reset_index(drop=True, inplace=True)
hot

4) 4번 문제 해답

hot.loc[hot["연도별"] > 2015]

hot[hot["연도별"] > 2015]

hot[hot.연도별 > 2015]

4. 글을 마치며

다음 글에서는 Matplotlib의 기본적인 사용법에 대해 알아보려고 한다.

어느정도 matplotlib의 기능을 익힌 다음, pandas로 불러온 데이터를 Matplotlib으로 시각화시키는 순으로 익혀보자.