PYTHON PROGRAMMING¶

In [1]:

# 한글 찍기
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sb

%matplotlib inline

import platform

from matplotlib import font_manager, rc
plt.rcParams['axes.unicode_minus'] = False

if platform.system() == 'Darwin':
    rc('font', family='AppleGothic')
elif platform.system() == 'Windows':
    path = "c:/Windows/Fonts/malgun.ttf"
    font_name = font_manager.FontProperties(fname=path).get_name()
    rc('font', family=font_name)
else:
    print('Unknown system... sorry~~~~')

실습 1. CCTV_in_Seoul.csv 파일을 pandas 로 읽어오세요.¶

encoding 은 'utf-8'¶

In [8]:

CCTV_Seoul=pd.read_csv("../data/CCTV_in_Seoul.csv")

In [9]:

CCTV_Seoul

Out[9]:

	기관명	소계	2013년도 이전	2014년	2015년	2016년
0	강남구	2780	1292	430	584	932
1	강동구	773	379	99	155	377
2	강북구	748	369	120	138	204
3	강서구	884	388	258	184	81
4	관악구	1496	846	260	390	613
5	광진구	707	573	78	53	174
6	구로구	1561	1142	173	246	323
7	금천구	1015	674	51	269	354
8	노원구	1265	542	57	451	516
9	도봉구	485	238	159	42	386
10	동대문구	1294	1070	23	198	579
11	동작구	1091	544	341	103	314
12	마포구	574	314	118	169	379
13	서대문구	962	844	50	68	292
14	서초구	1930	1406	157	336	398
15	성동구	1062	730	91	241	265
16	성북구	1464	1009	78	360	204
17	송파구	618	529	21	68	463
18	양천구	2034	1843	142	30	467
19	영등포구	904	495	214	195	373
20	용산구	1624	1368	218	112	398
21	은평구	1873	1138	224	278	468
22	종로구	1002	464	314	211	630
23	중구	671	413	190	72	348
24	중랑구	660	509	121	177	109

실습 2. 컬럼 중 "기관명" 컬럼명을 "구별" 로 이름을 바꾸세요.¶

In [21]:

CCTV_Seoul = CCTV_Seoul.rename(columns= {"기관명":"구별"})

In [22]:

CCTV_Seoul

Out[22]:

	구별	소계	2013년도 이전	2014년	2015년	2016년
0	강남구	2780	1292	430	584	932
1	강동구	773	379	99	155	377
2	강북구	748	369	120	138	204
3	강서구	884	388	258	184	81
4	관악구	1496	846	260	390	613
5	광진구	707	573	78	53	174
6	구로구	1561	1142	173	246	323
7	금천구	1015	674	51	269	354
8	노원구	1265	542	57	451	516
9	도봉구	485	238	159	42	386
10	동대문구	1294	1070	23	198	579
11	동작구	1091	544	341	103	314
12	마포구	574	314	118	169	379
13	서대문구	962	844	50	68	292
14	서초구	1930	1406	157	336	398
15	성동구	1062	730	91	241	265
16	성북구	1464	1009	78	360	204
17	송파구	618	529	21	68	463
18	양천구	2034	1843	142	30	467
19	영등포구	904	495	214	195	373
20	용산구	1624	1368	218	112	398
21	은평구	1873	1138	224	278	468
22	종로구	1002	464	314	211	630
23	중구	671	413	190	72	348
24	중랑구	660	509	121	177	109

실습 3. population_in_Seoul.xls 파일을 읽으세요.¶

In [28]:

pd.read_excel("../data/population_in_Seoul.xls")

Out[28]:

	기간	자치구	세대	인구	인구.1	인구.2	인구.3	인구.4	인구.5	인구.6	인구.7	인구.8	세대당인구	65세이상고령자
0	기간	자치구	세대	합계	합계	합계	한국인	한국인	한국인	등록외국인	등록외국인	등록외국인	세대당인구	65세이상고령자
1	기간	자치구	세대	계	남자	여자	계	남자	여자	계	남자	여자	세대당인구	65세이상고령자
2	2017.1/4	합계	4202888	10197604	5000005	5197599	9926968	4871560	5055408	270636	128445	142191	2.36	1321458
3	2017.1/4	종로구	72654	162820	79675	83145	153589	75611	77978	9231	4064	5167	2.11	25425
4	2017.1/4	중구	59481	133240	65790	67450	124312	61656	62656	8928	4134	4794	2.09	20764
5	2017.1/4	용산구	106544	244203	119132	125071	229456	111167	118289	14747	7965	6782	2.15	36231
6	2017.1/4	성동구	130868	311244	153768	157476	303380	150076	153304	7864	3692	4172	2.32	39997
7	2017.1/4	광진구	158960	372164	180992	191172	357211	174599	182612	14953	6393	8560	2.25	42214
8	2017.1/4	동대문구	159839	369496	182932	186564	354079	177021	177058	15417	5911	9506	2.22	54173
9	2017.1/4	중랑구	177548	414503	206102	208401	409882	204265	205617	4621	1837	2784	2.31	56774
10	2017.1/4	성북구	188512	461260	224076	237184	449773	219545	230228	11487	4531	6956	2.39	64692
11	2017.1/4	강북구	141554	330192	161686	168506	326686	160353	166333	3506	1333	2173	2.31	54813
12	2017.1/4	도봉구	136613	348646	171026	177620	346629	170289	176340	2017	737	1280	2.54	51312
13	2017.1/4	노원구	219957	569384	276823	292561	565565	275211	290354	3819	1612	2207	2.57	71941
14	2017.1/4	은평구	201869	494388	240220	254168	489943	238337	251606	4445	1883	2562	2.43	72334
15	2017.1/4	서대문구	137207	327163	156765	170398	314982	152613	162369	12181	4152	8029	2.3	48161
16	2017.1/4	마포구	169404	389649	185889	203760	378566	181346	197220	11083	4543	6540	2.23	48765
17	2017.1/4	양천구	176921	479978	237117	242861	475949	235278	240671	4029	1839	2190	2.69	52975
18	2017.1/4	강서구	247696	603772	294433	309339	597248	291249	305999	6524	3184	3340	2.41	72548
19	2017.1/4	구로구	172272	447874	224436	223438	416487	207114	209373	31387	17322	14065	2.42	56833
20	2017.1/4	금천구	105146	255082	130558	124524	236353	120334	116019	18729	10224	8505	2.25	32970
21	2017.1/4	영등포구	165462	402985	202573	200412	368072	183705	184367	34913	18868	16045	2.22	52413
22	2017.1/4	동작구	173033	412520	201217	211303	400456	195775	204681	12064	5442	6622	2.31	56013
23	2017.1/4	관악구	253826	525515	264763	260752	507203	256090	251113	18312	8673	9639	2	68082
24	2017.1/4	서초구	173856	450310	216264	234046	445994	214036	231958	4316	2228	2088	2.57	51733
25	2017.1/4	강남구	234107	570500	273301	297199	565550	270726	294824	4950	2575	2375	2.42	63167
26	2017.1/4	송파구	259883	667483	325040	342443	660584	321676	338908	6899	3364	3535	2.54	72506
27	2017.1/4	강동구	179676	453233	225427	227806	449019	223488	225531	4214	1939	2275	2.5	54622
28	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

In [ ]:

실습 4.population_in_Seoul.xls 파일을 읽으세요.¶

엑셀파일의 컬럼은 B, D, G, J, N 만 사용할 것입니다.¶

encoding='utf-8' 옵션을 넣습니다.¶

In [31]:

pop_Seoul = pd.read_excel('../data/population_in_Seoul.xls',
                         header=2,
                         usecols='B, D, G, J, N')

In [32]:

pop_Seoul

Out[32]:

	자치구	계	계.1	계.2	65세이상고령자
0	합계	10197604.0	9926968.0	270636.0	1321458.0
1	종로구	162820.0	153589.0	9231.0	25425.0
2	중구	133240.0	124312.0	8928.0	20764.0
3	용산구	244203.0	229456.0	14747.0	36231.0
4	성동구	311244.0	303380.0	7864.0	39997.0
5	광진구	372164.0	357211.0	14953.0	42214.0
6	동대문구	369496.0	354079.0	15417.0	54173.0
7	중랑구	414503.0	409882.0	4621.0	56774.0
8	성북구	461260.0	449773.0	11487.0	64692.0
9	강북구	330192.0	326686.0	3506.0	54813.0
10	도봉구	348646.0	346629.0	2017.0	51312.0
11	노원구	569384.0	565565.0	3819.0	71941.0
12	은평구	494388.0	489943.0	4445.0	72334.0
13	서대문구	327163.0	314982.0	12181.0	48161.0
14	마포구	389649.0	378566.0	11083.0	48765.0
15	양천구	479978.0	475949.0	4029.0	52975.0
16	강서구	603772.0	597248.0	6524.0	72548.0
17	구로구	447874.0	416487.0	31387.0	56833.0
18	금천구	255082.0	236353.0	18729.0	32970.0
19	영등포구	402985.0	368072.0	34913.0	52413.0
20	동작구	412520.0	400456.0	12064.0	56013.0
21	관악구	525515.0	507203.0	18312.0	68082.0
22	서초구	450310.0	445994.0	4316.0	51733.0
23	강남구	570500.0	565550.0	4950.0	63167.0
24	송파구	667483.0	660584.0	6899.0	72506.0
25	강동구	453233.0	449019.0	4214.0	54622.0
26	NaN	NaN	NaN	NaN	NaN

In [ ]:

실습 5-1. pop_Seoul 의 컬럼명을 모두 출력하세요.¶

In [35]:

pop_Seoul.loc[0, "자치구":"65세이상고령자"]

Out[35]:

자치구                 합계
계           10197604.0
계.1          9926968.0
계.2           270636.0
65세이상고령자     1321458.0
Name: 0, dtype: object

In [39]:

pop_Seoul.columns

Out[39]:

Index(['자치구', '계', '계.1', '계.2', '65세이상고령자'], dtype='object')

실습 5-2. 컬럼명을 다음처럼 바꿉니다.¶

0번째는 '구별' , 1번째는 '인구수', 2번쨰는 '한국인', 3번째는 '외국인', 4번째는 '고령자' 로 rename¶

In [44]:

pop_Seoul.rename(columns={"자치구":"구별","계":"인구수","계.1":"한국인","계.2":"외국인","65세이상고령자":"고령자"}, inplace=True)

In [46]:

pop_Seoul

Out[46]:

	구별	인구수	한국인	외국인	고령자
0	합계	10197604.0	9926968.0	270636.0	1321458.0
1	종로구	162820.0	153589.0	9231.0	25425.0
2	중구	133240.0	124312.0	8928.0	20764.0
3	용산구	244203.0	229456.0	14747.0	36231.0
4	성동구	311244.0	303380.0	7864.0	39997.0
5	광진구	372164.0	357211.0	14953.0	42214.0
6	동대문구	369496.0	354079.0	15417.0	54173.0
7	중랑구	414503.0	409882.0	4621.0	56774.0
8	성북구	461260.0	449773.0	11487.0	64692.0
9	강북구	330192.0	326686.0	3506.0	54813.0
10	도봉구	348646.0	346629.0	2017.0	51312.0
11	노원구	569384.0	565565.0	3819.0	71941.0
12	은평구	494388.0	489943.0	4445.0	72334.0
13	서대문구	327163.0	314982.0	12181.0	48161.0
14	마포구	389649.0	378566.0	11083.0	48765.0
15	양천구	479978.0	475949.0	4029.0	52975.0
16	강서구	603772.0	597248.0	6524.0	72548.0
17	구로구	447874.0	416487.0	31387.0	56833.0
18	금천구	255082.0	236353.0	18729.0	32970.0
19	영등포구	402985.0	368072.0	34913.0	52413.0
20	동작구	412520.0	400456.0	12064.0	56013.0
21	관악구	525515.0	507203.0	18312.0	68082.0
22	서초구	450310.0	445994.0	4316.0	51733.0
23	강남구	570500.0	565550.0	4950.0	63167.0
24	송파구	667483.0	660584.0	6899.0	72506.0
25	강동구	453233.0	449019.0	4214.0	54622.0
26	NaN	NaN	NaN	NaN	NaN

실습 6. CCTV 갯수가 가장 많은 순부터 적은 순으로 정렬한 후, 상위 20개만 화면에 보여주세요.¶

In [47]:

CCTV_Seoul

Out[47]:

	구별	소계	2013년도 이전	2014년	2015년	2016년
0	강남구	2780	1292	430	584	932
1	강동구	773	379	99	155	377
2	강북구	748	369	120	138	204
3	강서구	884	388	258	184	81
4	관악구	1496	846	260	390	613
5	광진구	707	573	78	53	174
6	구로구	1561	1142	173	246	323
7	금천구	1015	674	51	269	354
8	노원구	1265	542	57	451	516
9	도봉구	485	238	159	42	386
10	동대문구	1294	1070	23	198	579
11	동작구	1091	544	341	103	314
12	마포구	574	314	118	169	379
13	서대문구	962	844	50	68	292
14	서초구	1930	1406	157	336	398
15	성동구	1062	730	91	241	265
16	성북구	1464	1009	78	360	204
17	송파구	618	529	21	68	463
18	양천구	2034	1843	142	30	467
19	영등포구	904	495	214	195	373
20	용산구	1624	1368	218	112	398
21	은평구	1873	1138	224	278	468
22	종로구	1002	464	314	211	630
23	중구	671	413	190	72	348
24	중랑구	660	509	121	177	109

In [52]:

data = CCTV_Seoul.sort_values("소계",ascending=False).head(20)

In [53]:

data

Out[53]:

	구별	소계	2013년도 이전	2014년	2015년	2016년
0	강남구	2780	1292	430	584	932
18	양천구	2034	1843	142	30	467
14	서초구	1930	1406	157	336	398
21	은평구	1873	1138	224	278	468
20	용산구	1624	1368	218	112	398
6	구로구	1561	1142	173	246	323
4	관악구	1496	846	260	390	613
16	성북구	1464	1009	78	360	204
10	동대문구	1294	1070	23	198	579
8	노원구	1265	542	57	451	516
11	동작구	1091	544	341	103	314
15	성동구	1062	730	91	241	265
7	금천구	1015	674	51	269	354
22	종로구	1002	464	314	211	630
13	서대문구	962	844	50	68	292
19	영등포구	904	495	214	195	373
3	강서구	884	388	258	184	81
1	강동구	773	379	99	155	377
2	강북구	748	369	120	138	204
5	광진구	707	573	78	53	174

In [ ]:

실습 7. 최근 3년간 CCTV 증가율을 계산하여, dataframe 에 '최근증가율' 컬럼을 추가하세요.¶

증가율 계산 : (2016 + 2015 + 2014) / 2013이전 * 100¶

In [54]:

CCTV_Seoul

Out[54]:

	구별	소계	2013년도 이전	2014년	2015년	2016년
0	강남구	2780	1292	430	584	932
1	강동구	773	379	99	155	377
2	강북구	748	369	120	138	204
3	강서구	884	388	258	184	81
4	관악구	1496	846	260	390	613
5	광진구	707	573	78	53	174
6	구로구	1561	1142	173	246	323
7	금천구	1015	674	51	269	354
8	노원구	1265	542	57	451	516
9	도봉구	485	238	159	42	386
10	동대문구	1294	1070	23	198	579
11	동작구	1091	544	341	103	314
12	마포구	574	314	118	169	379
13	서대문구	962	844	50	68	292
14	서초구	1930	1406	157	336	398
15	성동구	1062	730	91	241	265
16	성북구	1464	1009	78	360	204
17	송파구	618	529	21	68	463
18	양천구	2034	1843	142	30	467
19	영등포구	904	495	214	195	373
20	용산구	1624	1368	218	112	398
21	은평구	1873	1138	224	278	468
22	종로구	1002	464	314	211	630
23	중구	671	413	190	72	348
24	중랑구	660	509	121	177	109

In [61]:

CCTV_Seoul["최근증가율"] = (CCTV_Seoul["2014년"]+CCTV_Seoul["2015년"]+CCTV_Seoul["2016년"]) / CCTV_Seoul["2013년도 이전"]*100

In [62]:

CCTV_Seoul

Out[62]:

	구별	소계	2013년도 이전	2014년	2015년	2016년	최근증가율
0	강남구	2780	1292	430	584	932	150.619195
1	강동구	773	379	99	155	377	166.490765
2	강북구	748	369	120	138	204	125.203252
3	강서구	884	388	258	184	81	134.793814
4	관악구	1496	846	260	390	613	149.290780
5	광진구	707	573	78	53	174	53.228621
6	구로구	1561	1142	173	246	323	64.973730
7	금천구	1015	674	51	269	354	100.000000
8	노원구	1265	542	57	451	516	188.929889
9	도봉구	485	238	159	42	386	246.638655
10	동대문구	1294	1070	23	198	579	74.766355
11	동작구	1091	544	341	103	314	139.338235
12	마포구	574	314	118	169	379	212.101911
13	서대문구	962	844	50	68	292	48.578199
14	서초구	1930	1406	157	336	398	63.371266
15	성동구	1062	730	91	241	265	81.780822
16	성북구	1464	1009	78	360	204	63.627354
17	송파구	618	529	21	68	463	104.347826
18	양천구	2034	1843	142	30	467	34.671731
19	영등포구	904	495	214	195	373	157.979798
20	용산구	1624	1368	218	112	398	53.216374
21	은평구	1873	1138	224	278	468	85.237258
22	종로구	1002	464	314	211	630	248.922414
23	중구	671	413	190	72	348	147.699758
24	중랑구	660	509	121	177	109	79.960707

In [ ]:

실습 8. 최근 3년간 CCTV 증가율이 가장 높은 순으로 5개의 구를 찾으세요.¶

In [68]:

CCTV_Seoul.sort_values("최근증가율", ascending=False).head()

Out[68]:

	구별	소계	2013년도 이전	2014년	2015년	2016년	최근증가율
22	종로구	1002	464	314	211	630	248.922414
9	도봉구	485	238	159	42	386	246.638655
12	마포구	574	314	118	169	379	212.101911
8	노원구	1265	542	57	451	516	188.929889
1	강동구	773	379	99	155	377	166.490765

실습 9. 서울시의 인구 데이터 중, 가장 첫번째 행은 필요 없으니, 삭제하세요.¶

In [69]:

pop_Seoul

Out[69]:

	구별	인구수	한국인	외국인	고령자
0	합계	10197604.0	9926968.0	270636.0	1321458.0
1	종로구	162820.0	153589.0	9231.0	25425.0
2	중구	133240.0	124312.0	8928.0	20764.0
3	용산구	244203.0	229456.0	14747.0	36231.0
4	성동구	311244.0	303380.0	7864.0	39997.0
5	광진구	372164.0	357211.0	14953.0	42214.0
6	동대문구	369496.0	354079.0	15417.0	54173.0
7	중랑구	414503.0	409882.0	4621.0	56774.0
8	성북구	461260.0	449773.0	11487.0	64692.0
9	강북구	330192.0	326686.0	3506.0	54813.0
10	도봉구	348646.0	346629.0	2017.0	51312.0
11	노원구	569384.0	565565.0	3819.0	71941.0
12	은평구	494388.0	489943.0	4445.0	72334.0
13	서대문구	327163.0	314982.0	12181.0	48161.0
14	마포구	389649.0	378566.0	11083.0	48765.0
15	양천구	479978.0	475949.0	4029.0	52975.0
16	강서구	603772.0	597248.0	6524.0	72548.0
17	구로구	447874.0	416487.0	31387.0	56833.0
18	금천구	255082.0	236353.0	18729.0	32970.0
19	영등포구	402985.0	368072.0	34913.0	52413.0
20	동작구	412520.0	400456.0	12064.0	56013.0
21	관악구	525515.0	507203.0	18312.0	68082.0
22	서초구	450310.0	445994.0	4316.0	51733.0
23	강남구	570500.0	565550.0	4950.0	63167.0
24	송파구	667483.0	660584.0	6899.0	72506.0
25	강동구	453233.0	449019.0	4214.0	54622.0
26	NaN	NaN	NaN	NaN	NaN

In [71]:

pop_Seoul = pop_Seoul.drop(index=0)

In [72]:

pop_Seoul

Out[72]:

	구별	인구수	한국인	외국인	고령자
1	종로구	162820.0	153589.0	9231.0	25425.0
2	중구	133240.0	124312.0	8928.0	20764.0
3	용산구	244203.0	229456.0	14747.0	36231.0
4	성동구	311244.0	303380.0	7864.0	39997.0
5	광진구	372164.0	357211.0	14953.0	42214.0
6	동대문구	369496.0	354079.0	15417.0	54173.0
7	중랑구	414503.0	409882.0	4621.0	56774.0
8	성북구	461260.0	449773.0	11487.0	64692.0
9	강북구	330192.0	326686.0	3506.0	54813.0
10	도봉구	348646.0	346629.0	2017.0	51312.0
11	노원구	569384.0	565565.0	3819.0	71941.0
12	은평구	494388.0	489943.0	4445.0	72334.0
13	서대문구	327163.0	314982.0	12181.0	48161.0
14	마포구	389649.0	378566.0	11083.0	48765.0
15	양천구	479978.0	475949.0	4029.0	52975.0
16	강서구	603772.0	597248.0	6524.0	72548.0
17	구로구	447874.0	416487.0	31387.0	56833.0
18	금천구	255082.0	236353.0	18729.0	32970.0
19	영등포구	402985.0	368072.0	34913.0	52413.0
20	동작구	412520.0	400456.0	12064.0	56013.0
21	관악구	525515.0	507203.0	18312.0	68082.0
22	서초구	450310.0	445994.0	4316.0	51733.0
23	강남구	570500.0	565550.0	4950.0	63167.0
24	송파구	667483.0	660584.0	6899.0	72506.0
25	강동구	453233.0	449019.0	4214.0	54622.0
26	NaN	NaN	NaN	NaN	NaN

실습 9. 서울시의 인구 데이터 중, NaN이 있는지 확인하고, NaN이 있으면 해당 row를 삭제하세요.¶

In [80]:

pop_Seoul.dropna(inplace=True)

In [81]:

pop_Seoul

Out[81]:

	구별	인구수	한국인	외국인	고령자
1	종로구	162820.0	153589.0	9231.0	25425.0
2	중구	133240.0	124312.0	8928.0	20764.0
3	용산구	244203.0	229456.0	14747.0	36231.0
4	성동구	311244.0	303380.0	7864.0	39997.0
5	광진구	372164.0	357211.0	14953.0	42214.0
6	동대문구	369496.0	354079.0	15417.0	54173.0
7	중랑구	414503.0	409882.0	4621.0	56774.0
8	성북구	461260.0	449773.0	11487.0	64692.0
9	강북구	330192.0	326686.0	3506.0	54813.0
10	도봉구	348646.0	346629.0	2017.0	51312.0
11	노원구	569384.0	565565.0	3819.0	71941.0
12	은평구	494388.0	489943.0	4445.0	72334.0
13	서대문구	327163.0	314982.0	12181.0	48161.0
14	마포구	389649.0	378566.0	11083.0	48765.0
15	양천구	479978.0	475949.0	4029.0	52975.0
16	강서구	603772.0	597248.0	6524.0	72548.0
17	구로구	447874.0	416487.0	31387.0	56833.0
18	금천구	255082.0	236353.0	18729.0	32970.0
19	영등포구	402985.0	368072.0	34913.0	52413.0
20	동작구	412520.0	400456.0	12064.0	56013.0
21	관악구	525515.0	507203.0	18312.0	68082.0
22	서초구	450310.0	445994.0	4316.0	51733.0
23	강남구	570500.0	565550.0	4950.0	63167.0
24	송파구	667483.0	660584.0	6899.0	72506.0
25	강동구	453233.0	449019.0	4214.0	54622.0

In [ ]:

실습 10. '외국인비율' 과 '고령자비율' 두개의 컬럼을 추가하세요.¶

외국인비율 = 외국인 수 / 인구수 * 100¶

고령자비율 = 고령자 수 / 인구수 * 100¶

In [82]:

pop_Seoul

Out[82]:

	구별	인구수	한국인	외국인	고령자
1	종로구	162820.0	153589.0	9231.0	25425.0
2	중구	133240.0	124312.0	8928.0	20764.0
3	용산구	244203.0	229456.0	14747.0	36231.0
4	성동구	311244.0	303380.0	7864.0	39997.0
5	광진구	372164.0	357211.0	14953.0	42214.0
6	동대문구	369496.0	354079.0	15417.0	54173.0
7	중랑구	414503.0	409882.0	4621.0	56774.0
8	성북구	461260.0	449773.0	11487.0	64692.0
9	강북구	330192.0	326686.0	3506.0	54813.0
10	도봉구	348646.0	346629.0	2017.0	51312.0
11	노원구	569384.0	565565.0	3819.0	71941.0
12	은평구	494388.0	489943.0	4445.0	72334.0
13	서대문구	327163.0	314982.0	12181.0	48161.0
14	마포구	389649.0	378566.0	11083.0	48765.0
15	양천구	479978.0	475949.0	4029.0	52975.0
16	강서구	603772.0	597248.0	6524.0	72548.0
17	구로구	447874.0	416487.0	31387.0	56833.0
18	금천구	255082.0	236353.0	18729.0	32970.0
19	영등포구	402985.0	368072.0	34913.0	52413.0
20	동작구	412520.0	400456.0	12064.0	56013.0
21	관악구	525515.0	507203.0	18312.0	68082.0
22	서초구	450310.0	445994.0	4316.0	51733.0
23	강남구	570500.0	565550.0	4950.0	63167.0
24	송파구	667483.0	660584.0	6899.0	72506.0
25	강동구	453233.0	449019.0	4214.0	54622.0

In [84]:

pop_Seoul["외국인비율"] = pop_Seoul["외국인"] / pop_Seoul["인구수"]* 100

In [85]:

pop_Seoul["고령자비율"] = pop_Seoul["고령자"] / pop_Seoul["인구수"]* 100

In [86]:

pop_Seoul

Out[86]:

	구별	인구수	한국인	외국인	고령자	외국인비율	고령자비율
1	종로구	162820.0	153589.0	9231.0	25425.0	5.669451	15.615404
2	중구	133240.0	124312.0	8928.0	20764.0	6.700690	15.583909
3	용산구	244203.0	229456.0	14747.0	36231.0	6.038828	14.836427
4	성동구	311244.0	303380.0	7864.0	39997.0	2.526635	12.850689
5	광진구	372164.0	357211.0	14953.0	42214.0	4.017852	11.342849
6	동대문구	369496.0	354079.0	15417.0	54173.0	4.172440	14.661322
7	중랑구	414503.0	409882.0	4621.0	56774.0	1.114829	13.696885
8	성북구	461260.0	449773.0	11487.0	64692.0	2.490353	14.025062
9	강북구	330192.0	326686.0	3506.0	54813.0	1.061806	16.600342
10	도봉구	348646.0	346629.0	2017.0	51312.0	0.578524	14.717507
11	노원구	569384.0	565565.0	3819.0	71941.0	0.670725	12.634883
12	은평구	494388.0	489943.0	4445.0	72334.0	0.899091	14.631019
13	서대문구	327163.0	314982.0	12181.0	48161.0	3.723221	14.720797
14	마포구	389649.0	378566.0	11083.0	48765.0	2.844355	12.515110
15	양천구	479978.0	475949.0	4029.0	52975.0	0.839413	11.036964
16	강서구	603772.0	597248.0	6524.0	72548.0	1.080540	12.015794
17	구로구	447874.0	416487.0	31387.0	56833.0	7.007998	12.689506
18	금천구	255082.0	236353.0	18729.0	32970.0	7.342345	12.925255
19	영등포구	402985.0	368072.0	34913.0	52413.0	8.663598	13.006191
20	동작구	412520.0	400456.0	12064.0	56013.0	2.924464	13.578251
21	관악구	525515.0	507203.0	18312.0	68082.0	3.484582	12.955291
22	서초구	450310.0	445994.0	4316.0	51733.0	0.958451	11.488308
23	강남구	570500.0	565550.0	4950.0	63167.0	0.867660	11.072217
24	송파구	667483.0	660584.0	6899.0	72506.0	1.033584	10.862599
25	강동구	453233.0	449019.0	4214.0	54622.0	0.929765	12.051638

In [ ]:

실습 11. 외국인 대상으로 장사를 하려 합니다. 외국인이 가장 많은 구와, 외국인비율이 가장 높은 구를 각각 5개씩 찾으세요.¶

In [95]:

pop_Seoul.sort_values("외국인",ascending=False).head()

Out[95]:

	구별	인구수	한국인	외국인	고령자	외국인비율	고령자비율
19	영등포구	402985.0	368072.0	34913.0	52413.0	8.663598	13.006191
17	구로구	447874.0	416487.0	31387.0	56833.0	7.007998	12.689506
18	금천구	255082.0	236353.0	18729.0	32970.0	7.342345	12.925255
21	관악구	525515.0	507203.0	18312.0	68082.0	3.484582	12.955291
6	동대문구	369496.0	354079.0	15417.0	54173.0	4.172440	14.661322

In [96]:

pop_Seoul.sort_values("외국인비율",ascending=False).head()

Out[96]:

	구별	인구수	한국인	외국인	고령자	외국인비율	고령자비율
19	영등포구	402985.0	368072.0	34913.0	52413.0	8.663598	13.006191
18	금천구	255082.0	236353.0	18729.0	32970.0	7.342345	12.925255
17	구로구	447874.0	416487.0	31387.0	56833.0	7.007998	12.689506
2	중구	133240.0	124312.0	8928.0	20764.0	6.700690	15.583909
3	용산구	244203.0	229456.0	14747.0	36231.0	6.038828	14.836427

In [103]:

pop_Seoul["외국인"].sum()

Out[103]:

270636.0

실습 12. 고령자 대상 마케팅을 구상 중입니다. 고령자가 가장 많은 구와, 고령자비율이 가장 높은 구를 각각 5개씩 찾으세요.¶

In [97]:

pop_Seoul

Out[97]:

	구별	인구수	한국인	외국인	고령자	외국인비율	고령자비율
1	종로구	162820.0	153589.0	9231.0	25425.0	5.669451	15.615404
2	중구	133240.0	124312.0	8928.0	20764.0	6.700690	15.583909
3	용산구	244203.0	229456.0	14747.0	36231.0	6.038828	14.836427
4	성동구	311244.0	303380.0	7864.0	39997.0	2.526635	12.850689
5	광진구	372164.0	357211.0	14953.0	42214.0	4.017852	11.342849
6	동대문구	369496.0	354079.0	15417.0	54173.0	4.172440	14.661322
7	중랑구	414503.0	409882.0	4621.0	56774.0	1.114829	13.696885
8	성북구	461260.0	449773.0	11487.0	64692.0	2.490353	14.025062
9	강북구	330192.0	326686.0	3506.0	54813.0	1.061806	16.600342
10	도봉구	348646.0	346629.0	2017.0	51312.0	0.578524	14.717507
11	노원구	569384.0	565565.0	3819.0	71941.0	0.670725	12.634883
12	은평구	494388.0	489943.0	4445.0	72334.0	0.899091	14.631019
13	서대문구	327163.0	314982.0	12181.0	48161.0	3.723221	14.720797
14	마포구	389649.0	378566.0	11083.0	48765.0	2.844355	12.515110
15	양천구	479978.0	475949.0	4029.0	52975.0	0.839413	11.036964
16	강서구	603772.0	597248.0	6524.0	72548.0	1.080540	12.015794
17	구로구	447874.0	416487.0	31387.0	56833.0	7.007998	12.689506
18	금천구	255082.0	236353.0	18729.0	32970.0	7.342345	12.925255
19	영등포구	402985.0	368072.0	34913.0	52413.0	8.663598	13.006191
20	동작구	412520.0	400456.0	12064.0	56013.0	2.924464	13.578251
21	관악구	525515.0	507203.0	18312.0	68082.0	3.484582	12.955291
22	서초구	450310.0	445994.0	4316.0	51733.0	0.958451	11.488308
23	강남구	570500.0	565550.0	4950.0	63167.0	0.867660	11.072217
24	송파구	667483.0	660584.0	6899.0	72506.0	1.033584	10.862599
25	강동구	453233.0	449019.0	4214.0	54622.0	0.929765	12.051638

In [98]:

pop_Seoul.sort_values("고령자",ascending=False).head()

Out[98]:

	구별	인구수	한국인	외국인	고령자	외국인비율	고령자비율
16	강서구	603772.0	597248.0	6524.0	72548.0	1.080540	12.015794
24	송파구	667483.0	660584.0	6899.0	72506.0	1.033584	10.862599
12	은평구	494388.0	489943.0	4445.0	72334.0	0.899091	14.631019
11	노원구	569384.0	565565.0	3819.0	71941.0	0.670725	12.634883
21	관악구	525515.0	507203.0	18312.0	68082.0	3.484582	12.955291

In [99]:

pop_Seoul.sort_values("고령자비율",ascending=False).head()

Out[99]:

	구별	인구수	한국인	외국인	고령자	외국인비율	고령자비율
9	강북구	330192.0	326686.0	3506.0	54813.0	1.061806	16.600342
1	종로구	162820.0	153589.0	9231.0	25425.0	5.669451	15.615404
2	중구	133240.0	124312.0	8928.0	20764.0	6.700690	15.583909
3	용산구	244203.0	229456.0	14747.0	36231.0	6.038828	14.836427
13	서대문구	327163.0	314982.0	12181.0	48161.0	3.723221	14.720797

In [ ]:

실습 13. CCTV 데이터와 인구 데이터 합치고 분석하기¶

data_result 라는 변수로 저장합니다.

In [100]:

CCTV_Seoul

Out[100]:

	구별	소계	2013년도 이전	2014년	2015년	2016년	최근증가율
0	강남구	2780	1292	430	584	932	150.619195
1	강동구	773	379	99	155	377	166.490765
2	강북구	748	369	120	138	204	125.203252
3	강서구	884	388	258	184	81	134.793814
4	관악구	1496	846	260	390	613	149.290780
5	광진구	707	573	78	53	174	53.228621
6	구로구	1561	1142	173	246	323	64.973730
7	금천구	1015	674	51	269	354	100.000000
8	노원구	1265	542	57	451	516	188.929889
9	도봉구	485	238	159	42	386	246.638655
10	동대문구	1294	1070	23	198	579	74.766355
11	동작구	1091	544	341	103	314	139.338235
12	마포구	574	314	118	169	379	212.101911
13	서대문구	962	844	50	68	292	48.578199
14	서초구	1930	1406	157	336	398	63.371266
15	성동구	1062	730	91	241	265	81.780822
16	성북구	1464	1009	78	360	204	63.627354
17	송파구	618	529	21	68	463	104.347826
18	양천구	2034	1843	142	30	467	34.671731
19	영등포구	904	495	214	195	373	157.979798
20	용산구	1624	1368	218	112	398	53.216374
21	은평구	1873	1138	224	278	468	85.237258
22	종로구	1002	464	314	211	630	248.922414
23	중구	671	413	190	72	348	147.699758
24	중랑구	660	509	121	177	109	79.960707

In [101]:

data_result = pd.merge(CCTV_Seoul, pop_Seoul)

In [102]:

data_result

Out[102]:

	구별	소계	2013년도 이전	2014년	2015년	2016년	최근증가율	인구수	한국인	외국인	고령자	외국인비율	고령자비율
0	강남구	2780	1292	430	584	932	150.619195	570500.0	565550.0	4950.0	63167.0	0.867660	11.072217
1	강동구	773	379	99	155	377	166.490765	453233.0	449019.0	4214.0	54622.0	0.929765	12.051638
2	강북구	748	369	120	138	204	125.203252	330192.0	326686.0	3506.0	54813.0	1.061806	16.600342
3	강서구	884	388	258	184	81	134.793814	603772.0	597248.0	6524.0	72548.0	1.080540	12.015794
4	관악구	1496	846	260	390	613	149.290780	525515.0	507203.0	18312.0	68082.0	3.484582	12.955291
5	광진구	707	573	78	53	174	53.228621	372164.0	357211.0	14953.0	42214.0	4.017852	11.342849
6	구로구	1561	1142	173	246	323	64.973730	447874.0	416487.0	31387.0	56833.0	7.007998	12.689506
7	금천구	1015	674	51	269	354	100.000000	255082.0	236353.0	18729.0	32970.0	7.342345	12.925255
8	노원구	1265	542	57	451	516	188.929889	569384.0	565565.0	3819.0	71941.0	0.670725	12.634883
9	도봉구	485	238	159	42	386	246.638655	348646.0	346629.0	2017.0	51312.0	0.578524	14.717507
10	동대문구	1294	1070	23	198	579	74.766355	369496.0	354079.0	15417.0	54173.0	4.172440	14.661322
11	동작구	1091	544	341	103	314	139.338235	412520.0	400456.0	12064.0	56013.0	2.924464	13.578251
12	마포구	574	314	118	169	379	212.101911	389649.0	378566.0	11083.0	48765.0	2.844355	12.515110
13	서대문구	962	844	50	68	292	48.578199	327163.0	314982.0	12181.0	48161.0	3.723221	14.720797
14	서초구	1930	1406	157	336	398	63.371266	450310.0	445994.0	4316.0	51733.0	0.958451	11.488308
15	성동구	1062	730	91	241	265	81.780822	311244.0	303380.0	7864.0	39997.0	2.526635	12.850689
16	성북구	1464	1009	78	360	204	63.627354	461260.0	449773.0	11487.0	64692.0	2.490353	14.025062
17	송파구	618	529	21	68	463	104.347826	667483.0	660584.0	6899.0	72506.0	1.033584	10.862599
18	양천구	2034	1843	142	30	467	34.671731	479978.0	475949.0	4029.0	52975.0	0.839413	11.036964
19	영등포구	904	495	214	195	373	157.979798	402985.0	368072.0	34913.0	52413.0	8.663598	13.006191
20	용산구	1624	1368	218	112	398	53.216374	244203.0	229456.0	14747.0	36231.0	6.038828	14.836427
21	은평구	1873	1138	224	278	468	85.237258	494388.0	489943.0	4445.0	72334.0	0.899091	14.631019
22	종로구	1002	464	314	211	630	248.922414	162820.0	153589.0	9231.0	25425.0	5.669451	15.615404
23	중구	671	413	190	72	348	147.699758	133240.0	124312.0	8928.0	20764.0	6.700690	15.583909
24	중랑구	660	509	121	177	109	79.960707	414503.0	409882.0	4621.0	56774.0	1.114829	13.696885

In [ ]:

실습 14. data_result 에서, 다음 4개의 컬럼을 모두 버려 버립니다.¶

'2013년도 이전', 2014년', '2015년', '2016년'¶

In [106]:

data_result.drop(columns=['2013년도 이전', '2014년', '2015년', '2016년'], inplace=True)

In [107]:

data_result

Out[107]:

	구별	소계	최근증가율	인구수	한국인	외국인	고령자	외국인비율	고령자비율
0	강남구	2780	150.619195	570500.0	565550.0	4950.0	63167.0	0.867660	11.072217
1	강동구	773	166.490765	453233.0	449019.0	4214.0	54622.0	0.929765	12.051638
2	강북구	748	125.203252	330192.0	326686.0	3506.0	54813.0	1.061806	16.600342
3	강서구	884	134.793814	603772.0	597248.0	6524.0	72548.0	1.080540	12.015794
4	관악구	1496	149.290780	525515.0	507203.0	18312.0	68082.0	3.484582	12.955291
5	광진구	707	53.228621	372164.0	357211.0	14953.0	42214.0	4.017852	11.342849
6	구로구	1561	64.973730	447874.0	416487.0	31387.0	56833.0	7.007998	12.689506
7	금천구	1015	100.000000	255082.0	236353.0	18729.0	32970.0	7.342345	12.925255
8	노원구	1265	188.929889	569384.0	565565.0	3819.0	71941.0	0.670725	12.634883
9	도봉구	485	246.638655	348646.0	346629.0	2017.0	51312.0	0.578524	14.717507
10	동대문구	1294	74.766355	369496.0	354079.0	15417.0	54173.0	4.172440	14.661322
11	동작구	1091	139.338235	412520.0	400456.0	12064.0	56013.0	2.924464	13.578251
12	마포구	574	212.101911	389649.0	378566.0	11083.0	48765.0	2.844355	12.515110
13	서대문구	962	48.578199	327163.0	314982.0	12181.0	48161.0	3.723221	14.720797
14	서초구	1930	63.371266	450310.0	445994.0	4316.0	51733.0	0.958451	11.488308
15	성동구	1062	81.780822	311244.0	303380.0	7864.0	39997.0	2.526635	12.850689
16	성북구	1464	63.627354	461260.0	449773.0	11487.0	64692.0	2.490353	14.025062
17	송파구	618	104.347826	667483.0	660584.0	6899.0	72506.0	1.033584	10.862599
18	양천구	2034	34.671731	479978.0	475949.0	4029.0	52975.0	0.839413	11.036964
19	영등포구	904	157.979798	402985.0	368072.0	34913.0	52413.0	8.663598	13.006191
20	용산구	1624	53.216374	244203.0	229456.0	14747.0	36231.0	6.038828	14.836427
21	은평구	1873	85.237258	494388.0	489943.0	4445.0	72334.0	0.899091	14.631019
22	종로구	1002	248.922414	162820.0	153589.0	9231.0	25425.0	5.669451	15.615404
23	중구	671	147.699758	133240.0	124312.0	8928.0	20764.0	6.700690	15.583909
24	중랑구	660	79.960707	414503.0	409882.0	4621.0	56774.0	1.114829	13.696885

In [ ]:

실습 15-1. dara_result 의 인덱스를, '구별' 로 바꿔 줍니다.¶

In [114]:

data_result = data_result.set_index("구별")

In [115]:

data_result

Out[115]:

	소계	최근증가율	인구수	한국인	외국인	고령자	외국인비율	고령자비율
구별
강남구	2780	150.619195	570500.0	565550.0	4950.0	63167.0	0.867660	11.072217
강동구	773	166.490765	453233.0	449019.0	4214.0	54622.0	0.929765	12.051638
강북구	748	125.203252	330192.0	326686.0	3506.0	54813.0	1.061806	16.600342
강서구	884	134.793814	603772.0	597248.0	6524.0	72548.0	1.080540	12.015794
관악구	1496	149.290780	525515.0	507203.0	18312.0	68082.0	3.484582	12.955291
광진구	707	53.228621	372164.0	357211.0	14953.0	42214.0	4.017852	11.342849
구로구	1561	64.973730	447874.0	416487.0	31387.0	56833.0	7.007998	12.689506
금천구	1015	100.000000	255082.0	236353.0	18729.0	32970.0	7.342345	12.925255
노원구	1265	188.929889	569384.0	565565.0	3819.0	71941.0	0.670725	12.634883
도봉구	485	246.638655	348646.0	346629.0	2017.0	51312.0	0.578524	14.717507
동대문구	1294	74.766355	369496.0	354079.0	15417.0	54173.0	4.172440	14.661322
동작구	1091	139.338235	412520.0	400456.0	12064.0	56013.0	2.924464	13.578251
마포구	574	212.101911	389649.0	378566.0	11083.0	48765.0	2.844355	12.515110
서대문구	962	48.578199	327163.0	314982.0	12181.0	48161.0	3.723221	14.720797
서초구	1930	63.371266	450310.0	445994.0	4316.0	51733.0	0.958451	11.488308
성동구	1062	81.780822	311244.0	303380.0	7864.0	39997.0	2.526635	12.850689
성북구	1464	63.627354	461260.0	449773.0	11487.0	64692.0	2.490353	14.025062
송파구	618	104.347826	667483.0	660584.0	6899.0	72506.0	1.033584	10.862599
양천구	2034	34.671731	479978.0	475949.0	4029.0	52975.0	0.839413	11.036964
영등포구	904	157.979798	402985.0	368072.0	34913.0	52413.0	8.663598	13.006191
용산구	1624	53.216374	244203.0	229456.0	14747.0	36231.0	6.038828	14.836427
은평구	1873	85.237258	494388.0	489943.0	4445.0	72334.0	0.899091	14.631019
종로구	1002	248.922414	162820.0	153589.0	9231.0	25425.0	5.669451	15.615404
중구	671	147.699758	133240.0	124312.0	8928.0	20764.0	6.700690	15.583909
중랑구	660	79.960707	414503.0	409882.0	4621.0	56774.0	1.114829	13.696885

In [ ]:

실습 15-2. 이 데이터프레임을 csv 파일로 저장합니다.¶

파일명은, CCTV_result.csv 입니다.¶

In [111]:

data_result.to_csv("CCTV_result.csv")

실습 16. 상관 관계 분석에 대해서 알아봅니다.¶

https://ko.wikipedia.org/wiki/%EC%83%81%EA%B4%80_%EB%B6%84%EC%84%9D ¶

상관계수는 -1부터 1까지의 값을 갖는다.

1일 때 완벽한 양의 상관관계가 되고,

-1일 때 완벽한 음의 상관관계가 된다.

0이라면 별다른 상관관계가 없음을 의미한다.

실습 17. CCTV의 갯수와 고령자 비율의 상관관계를 분석하세요.¶

In [116]:

data_result

Out[116]:

	소계	최근증가율	인구수	한국인	외국인	고령자	외국인비율	고령자비율
구별
강남구	2780	150.619195	570500.0	565550.0	4950.0	63167.0	0.867660	11.072217
강동구	773	166.490765	453233.0	449019.0	4214.0	54622.0	0.929765	12.051638
강북구	748	125.203252	330192.0	326686.0	3506.0	54813.0	1.061806	16.600342
강서구	884	134.793814	603772.0	597248.0	6524.0	72548.0	1.080540	12.015794
관악구	1496	149.290780	525515.0	507203.0	18312.0	68082.0	3.484582	12.955291
광진구	707	53.228621	372164.0	357211.0	14953.0	42214.0	4.017852	11.342849
구로구	1561	64.973730	447874.0	416487.0	31387.0	56833.0	7.007998	12.689506
금천구	1015	100.000000	255082.0	236353.0	18729.0	32970.0	7.342345	12.925255
노원구	1265	188.929889	569384.0	565565.0	3819.0	71941.0	0.670725	12.634883
도봉구	485	246.638655	348646.0	346629.0	2017.0	51312.0	0.578524	14.717507
동대문구	1294	74.766355	369496.0	354079.0	15417.0	54173.0	4.172440	14.661322
동작구	1091	139.338235	412520.0	400456.0	12064.0	56013.0	2.924464	13.578251
마포구	574	212.101911	389649.0	378566.0	11083.0	48765.0	2.844355	12.515110
서대문구	962	48.578199	327163.0	314982.0	12181.0	48161.0	3.723221	14.720797
서초구	1930	63.371266	450310.0	445994.0	4316.0	51733.0	0.958451	11.488308
성동구	1062	81.780822	311244.0	303380.0	7864.0	39997.0	2.526635	12.850689
성북구	1464	63.627354	461260.0	449773.0	11487.0	64692.0	2.490353	14.025062
송파구	618	104.347826	667483.0	660584.0	6899.0	72506.0	1.033584	10.862599
양천구	2034	34.671731	479978.0	475949.0	4029.0	52975.0	0.839413	11.036964
영등포구	904	157.979798	402985.0	368072.0	34913.0	52413.0	8.663598	13.006191
용산구	1624	53.216374	244203.0	229456.0	14747.0	36231.0	6.038828	14.836427
은평구	1873	85.237258	494388.0	489943.0	4445.0	72334.0	0.899091	14.631019
종로구	1002	248.922414	162820.0	153589.0	9231.0	25425.0	5.669451	15.615404
중구	671	147.699758	133240.0	124312.0	8928.0	20764.0	6.700690	15.583909
중랑구	660	79.960707	414503.0	409882.0	4621.0	56774.0	1.114829	13.696885

In [ ]:

# 차트로 보여주고, 상관계수를 보여준다.

In [121]:

sb.relplot(data=data_result,x ="소계",y="고령자비율")
plt.show()

In [118]:

plt.scatter(data = data_result,x ="소계",y="고령자비율")
plt.show()

In [119]:

data_result.corr()

Out[119]:

	소계	최근증가율	인구수	한국인	외국인	고령자	외국인비율	고령자비율
소계	1.000000	-0.343016	0.306342	0.304287	-0.023786	0.255196	-0.136074	-0.280786
최근증가율	-0.343016	1.000000	-0.093068	-0.082511	-0.150463	-0.070969	-0.044042	0.185089
인구수	0.306342	-0.093068	1.000000	0.998061	-0.153371	0.932667	-0.591939	-0.669462
한국인	0.304287	-0.082511	0.998061	1.000000	-0.214576	0.931636	-0.637911	-0.660812
외국인	-0.023786	-0.150463	-0.153371	-0.214576	1.000000	-0.155381	0.838904	-0.014055
고령자	0.255196	-0.070969	0.932667	0.931636	-0.155381	1.000000	-0.606088	-0.380468
외국인비율	-0.136074	-0.044042	-0.591939	-0.637911	0.838904	-0.606088	1.000000	0.267348
고령자비율	-0.280786	0.185089	-0.669462	-0.660812	-0.014055	-0.380468	0.267348	1.000000

In [ ]:

실습 18. CCTV의 갯수와 외국인 비율의 상관관계를 분석하세요.¶

In [123]:

data_result[ ["소계","외국인비율"]].corr()

Out[123]:

	소계	외국인비율
소계	1.000000	-0.136074
외국인비율	-0.136074	1.000000

In [ ]:

실습 19. CCTV의 갯수와 인구수의 상관관계를 분석하세요.¶

In [124]:

data_result[ ["소계","인구수"]].corr()

Out[124]:

	소계	인구수
소계	1.000000	0.306342
인구수	0.306342	1.000000

In [125]:

sb.relplot(data=data_result,x ="소계",y="인구수")
plt.show()

In [126]:

data_result[ ["소계","고령자"]].corr()

Out[126]:

	소계	고령자
소계	1.000000	0.255196
고령자	0.255196	1.000000

In [ ]:

In [130]:

# 데이터 프레임의 plot 함수는
# x축에 인덱스를 셋팅하고,
# y축에는 모든 컬럼의 데이터를 셋팅해 준다. => 모든 컬럼을 차트로 다 그려줌

data_result.plot()
plt.show()

In [ ]:

# 고령자만 차트로 나타내고 싶다.

In [139]:

data_result["고령자"].plot()
plt.legend()
plt.show()

In [ ]:

# 외국인과 고령자를 차트로 나타낸다.

In [141]:

data_result[["고령자","외국인"]].plot()
plt.legend()
plt.show()

In [ ]:

실습 20. 각 구의 CCTV의 갯수를 bar로 나타내세요.¶

pandas dataframe.plot 함수 사용¶

In [142]:

# bar 차트로 나타내는 방법

In [145]:

data_result["외국인"].plot(kind='bar')
plt.legend()
plt.show()

In [148]:

data_result["외국인"].plot(kind='barh') # h를 넣으면 Y축으로 변경됨 (수평)
plt.legend()
plt.show()

In [153]:

# .plot은 x축이 인덱스 , y축이 값으로 들어간다.

data_result[["고령자","외국인"]].plot(kind='bar') 
plt.show()

In [155]:

data_result["소계"].plot(kind='bar') 
plt.show()

실습 21. 각 구의 CCTV의 갯수를, 먼저 소팅(큰순)한 후, bar로 나타내세요.¶

In [159]:

data_result.sort_values("소계",inplace=True,ascending=False)

In [160]:

data_result["소계"].plot(kind='bar') 
plt.show()

In [ ]:

실습 22. 인구 한명당 CCTV의 비율을 계산하고, 이를 각 구별로 CCTV비율이 얼마인지 bar로 나타내세요.¶

In [163]:

data_result

Out[163]:

	소계	최근증가율	인구수	한국인	외국인	고령자	외국인비율	고령자비율
구별
강남구	2780	150.619195	570500.0	565550.0	4950.0	63167.0	0.867660	11.072217
양천구	2034	34.671731	479978.0	475949.0	4029.0	52975.0	0.839413	11.036964
서초구	1930	63.371266	450310.0	445994.0	4316.0	51733.0	0.958451	11.488308
은평구	1873	85.237258	494388.0	489943.0	4445.0	72334.0	0.899091	14.631019
용산구	1624	53.216374	244203.0	229456.0	14747.0	36231.0	6.038828	14.836427
구로구	1561	64.973730	447874.0	416487.0	31387.0	56833.0	7.007998	12.689506
관악구	1496	149.290780	525515.0	507203.0	18312.0	68082.0	3.484582	12.955291
성북구	1464	63.627354	461260.0	449773.0	11487.0	64692.0	2.490353	14.025062
동대문구	1294	74.766355	369496.0	354079.0	15417.0	54173.0	4.172440	14.661322
노원구	1265	188.929889	569384.0	565565.0	3819.0	71941.0	0.670725	12.634883
동작구	1091	139.338235	412520.0	400456.0	12064.0	56013.0	2.924464	13.578251
성동구	1062	81.780822	311244.0	303380.0	7864.0	39997.0	2.526635	12.850689
금천구	1015	100.000000	255082.0	236353.0	18729.0	32970.0	7.342345	12.925255
종로구	1002	248.922414	162820.0	153589.0	9231.0	25425.0	5.669451	15.615404
서대문구	962	48.578199	327163.0	314982.0	12181.0	48161.0	3.723221	14.720797
영등포구	904	157.979798	402985.0	368072.0	34913.0	52413.0	8.663598	13.006191
강서구	884	134.793814	603772.0	597248.0	6524.0	72548.0	1.080540	12.015794
강동구	773	166.490765	453233.0	449019.0	4214.0	54622.0	0.929765	12.051638
강북구	748	125.203252	330192.0	326686.0	3506.0	54813.0	1.061806	16.600342
광진구	707	53.228621	372164.0	357211.0	14953.0	42214.0	4.017852	11.342849
중구	671	147.699758	133240.0	124312.0	8928.0	20764.0	6.700690	15.583909
중랑구	660	79.960707	414503.0	409882.0	4621.0	56774.0	1.114829	13.696885
송파구	618	104.347826	667483.0	660584.0	6899.0	72506.0	1.033584	10.862599
마포구	574	212.101911	389649.0	378566.0	11083.0	48765.0	2.844355	12.515110
도봉구	485	246.638655	348646.0	346629.0	2017.0	51312.0	0.578524	14.717507

In [ ]:

소계 / 인구수 * 100

In [167]:

data_result["한명당CCTV비율"]=data_result["소계"] / data_result["인구수"] * 100

In [168]:

data_result

Out[168]:

	소계	최근증가율	인구수	한국인	외국인	고령자	외국인비율	고령자비율	한명당CCTV비율
구별
강남구	2780	150.619195	570500.0	565550.0	4950.0	63167.0	0.867660	11.072217	0.487292
양천구	2034	34.671731	479978.0	475949.0	4029.0	52975.0	0.839413	11.036964	0.423769
서초구	1930	63.371266	450310.0	445994.0	4316.0	51733.0	0.958451	11.488308	0.428594
은평구	1873	85.237258	494388.0	489943.0	4445.0	72334.0	0.899091	14.631019	0.378852
용산구	1624	53.216374	244203.0	229456.0	14747.0	36231.0	6.038828	14.836427	0.665020
구로구	1561	64.973730	447874.0	416487.0	31387.0	56833.0	7.007998	12.689506	0.348536
관악구	1496	149.290780	525515.0	507203.0	18312.0	68082.0	3.484582	12.955291	0.284673
성북구	1464	63.627354	461260.0	449773.0	11487.0	64692.0	2.490353	14.025062	0.317391
동대문구	1294	74.766355	369496.0	354079.0	15417.0	54173.0	4.172440	14.661322	0.350207
노원구	1265	188.929889	569384.0	565565.0	3819.0	71941.0	0.670725	12.634883	0.222170
동작구	1091	139.338235	412520.0	400456.0	12064.0	56013.0	2.924464	13.578251	0.264472
성동구	1062	81.780822	311244.0	303380.0	7864.0	39997.0	2.526635	12.850689	0.341211
금천구	1015	100.000000	255082.0	236353.0	18729.0	32970.0	7.342345	12.925255	0.397911
종로구	1002	248.922414	162820.0	153589.0	9231.0	25425.0	5.669451	15.615404	0.615404
서대문구	962	48.578199	327163.0	314982.0	12181.0	48161.0	3.723221	14.720797	0.294043
영등포구	904	157.979798	402985.0	368072.0	34913.0	52413.0	8.663598	13.006191	0.224326
강서구	884	134.793814	603772.0	597248.0	6524.0	72548.0	1.080540	12.015794	0.146413
강동구	773	166.490765	453233.0	449019.0	4214.0	54622.0	0.929765	12.051638	0.170552
강북구	748	125.203252	330192.0	326686.0	3506.0	54813.0	1.061806	16.600342	0.226535
광진구	707	53.228621	372164.0	357211.0	14953.0	42214.0	4.017852	11.342849	0.189970
중구	671	147.699758	133240.0	124312.0	8928.0	20764.0	6.700690	15.583909	0.503603
중랑구	660	79.960707	414503.0	409882.0	4621.0	56774.0	1.114829	13.696885	0.159227
송파구	618	104.347826	667483.0	660584.0	6899.0	72506.0	1.033584	10.862599	0.092587
마포구	574	212.101911	389649.0	378566.0	11083.0	48765.0	2.844355	12.515110	0.147312
도봉구	485	246.638655	348646.0	346629.0	2017.0	51312.0	0.578524	14.717507	0.139110

In [176]:

data_result["한명당CCTV비율"].sort_values(ascending=False).plot(kind='bar')
plt.legend()
plt.show()

문자열로 이루어진 리스트를 피클로 저장할때 (0)	2022.12.15
Python gif 파일 만들기 (0)	2022.12.12
데이터프레임에 "특정단어"가 들어가있는지 여부 pd.str.contains() (0)	2022.11.29
pd.read_csv(thousands= ','), 차원이 다른 데이터를 차트로, 데이터프레임에서 데이터값의 콤마제거 (0)	2022.11.29
파이썬에서 함수 실행시 메모리의 상태 (0)	2022.11.22

Pandas url.csv 데이터분석 6.a실습

PYTHON PROGRAMMING¶

실습 1. CCTV_in_Seoul.csv 파일을 pandas 로 읽어오세요.¶

encoding 은 'utf-8'¶

실습 2. 컬럼 중 "기관명" 컬럼명을 "구별" 로 이름을 바꾸세요.¶

실습 3. population_in_Seoul.xls 파일을 읽으세요.¶

실습 4.population_in_Seoul.xls 파일을 읽으세요.¶

header 는 3번째 row 로 사용할 것입니다. 따라서 header = 2 로 셋팅하세요.¶

엑셀파일의 컬럼은 B, D, G, J, N 만 사용할 것입니다.¶

encoding='utf-8' 옵션을 넣습니다.¶

실습 5-1. pop_Seoul 의 컬럼명을 모두 출력하세요.¶

실습 5-2. 컬럼명을 다음처럼 바꿉니다.¶

0번째는 '구별' , 1번째는 '인구수', 2번쨰는 '한국인', 3번째는 '외국인', 4번째는 '고령자' 로 rename¶

실습 6. CCTV 갯수가 가장 많은 순부터 적은 순으로 정렬한 후, 상위 20개만 화면에 보여주세요.¶

실습 7. 최근 3년간 CCTV 증가율을 계산하여, dataframe 에 '최근증가율' 컬럼을 추가하세요.¶

증가율 계산 : (2016 + 2015 + 2014) / 2013이전 * 100¶

실습 8. 최근 3년간 CCTV 증가율이 가장 높은 순으로 5개의 구를 찾으세요.¶

실습 9. 서울시의 인구 데이터 중, 가장 첫번째 행은 필요 없으니, 삭제하세요.¶

실습 9. 서울시의 인구 데이터 중, NaN이 있는지 확인하고, NaN이 있으면 해당 row를 삭제하세요.¶

실습 10. '외국인비율' 과 '고령자비율' 두개의 컬럼을 추가하세요.¶

외국인비율 = 외국인 수 / 인구수 * 100¶

고령자비율 = 고령자 수 / 인구수 * 100¶

실습 11. 외국인 대상으로 장사를 하려 합니다. 외국인이 가장 많은 구와, 외국인비율이 가장 높은 구를 각각 5개씩 찾으세요.¶

실습 12. 고령자 대상 마케팅을 구상 중입니다. 고령자가 가장 많은 구와, 고령자비율이 가장 높은 구를 각각 5개씩 찾으세요.¶

실습 13. CCTV 데이터와 인구 데이터 합치고 분석하기¶

실습 14. data_result 에서, 다음 4개의 컬럼을 모두 버려 버립니다.¶

'2013년도 이전', 2014년', '2015년', '2016년'¶

실습 15-1. dara_result 의 인덱스를, '구별' 로 바꿔 줍니다.¶

실습 15-2. 이 데이터프레임을 csv 파일로 저장합니다.¶

파일명은, CCTV_result.csv 입니다.¶

실습 16. 상관 관계 분석에 대해서 알아봅니다.¶

https://ko.wikipedia.org/wiki/%EC%83%81%EA%B4%80_%EB%B6%84%EC%84%9D¶

실습 17. CCTV의 갯수와 고령자 비율의 상관관계를 분석하세요.¶

실습 18. CCTV의 갯수와 외국인 비율의 상관관계를 분석하세요.¶

실습 19. CCTV의 갯수와 인구수의 상관관계를 분석하세요.¶

실습 20. 각 구의 CCTV의 갯수를 bar로 나타내세요.¶

pandas dataframe.plot 함수 사용¶

실습 21. 각 구의 CCTV의 갯수를, 먼저 소팅(큰순)한 후, bar로 나타내세요.¶

실습 22. 인구 한명당 CCTV의 비율을 계산하고, 이를 각 구별로 CCTV비율이 얼마인지 bar로 나타내세요.¶

'DataScience > Python' 카테고리의 다른 글

관련글

티스토리툴바

https://ko.wikipedia.org/wiki/%EC%83%81%EA%B4%80_%EB%B6%84%EC%84%9D ¶