DAY 10-2 ( Python library 최종 실습 [ 복지데이터 분석 ] )

 

 

 

 

 

오늘의 노래 추천 💄

 

 

Love The Way You Lie (Feat. Rihanna)

아티스트

Eminem

앨범

Recovery

발매일

1970.01.01

 

리한나 피쳐링부분이 갑자기 생각나서요..

 

Just gonna stand there and watch me burn

But that's alright because I like the way it hurts

Just gonna stand there and hear me cry

But that's alright because I love the way you lie

I love the way you lie . . .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

DAY 10 -2

 

 

 

 

 

 

 

 

 

[ 데이터 시각화 최종 실습 ]

 

복지 데이터 분석 및 시각화

 

 

 

 

 

 

ㅡ 라이브러리 import ㅡ

 

import

 

 

 

 

ㅡ pip install ㅡ

pip install pyreadstat

 

pip install pyreadstat

 

sav 파일을 읽어내기 위한 pip 설치

 

 

 

 

ㅡ sav 파일 불러오기 ㅡ

read_spss

 

read_spss

sav 파일의 데이터는 암호화 되어있음

 

 

 

 

ㅡ 암호화된 컬럼 이름을 가시화해주기 ㅡ

.rename ()

 

rename

 

rename 함수를 이용해 암호화된 컬럼명을 직관적으로 바꿔주기

 

 

 

ㅡ 필요한 컬럼만 뽑아 재대입 ㅡ

 

재대입

 

 

 

 

 

 

 

 

[ 성별에 따른 임금차이 ]

 

 

 

ㅡ gender 데이터 확인 ㅡ

 

gender

 

 

ㅡ 성별 항목 rename 후 빈도 확인 ㅡ

where () , value_counts ()

 

where

 

np.where ( 조건, 참일 경우, 거짓일 경우 ) 를 이용해 rename 해준결과를 재대입하고

value_counts () 로 빈도수 출력

 

 

ㅡ 성별에 따른 막대그래프 그리기 ㅡ

plt.bar ()

 

plt.bar ()

그래프 결과

 

 

 

 

sns 를 이용한 countplot

data와 x 값을 설정해주면 자동으로 출력됨

 

 

ㅡ income 컬럼 요약통계량 확인 ㅡ

describe ()

 

describe ()

 

describe 를 통해 월급 변수 값에 대한 요약통계량

 

 

 

 

 

ㅡ income 컬럼 historgram ㅡ

sns.histogram ()

 

sns.histogram ()

 

ㅡ 'income' 컬럼의 결측치 확인 ㅡ

isna (), sum ()

 

isna(), sum ()

 

 

ㅡ 'income' 컬럼의 결측치 제거ㅡ

dropna ()

 

dropna ()

 

 

 

ㅡ 성별에 따른 월급 평균표 만들기 ㅡ

agg (), groupby ()

 

groupby (), agg ()

 

wellfare 를 groupby 해준 값을 agg 함수를 이용해 집계 해줌

 

 

 

 

ㅡ 데이터 시각화 ㅡ

sns.barplot

 

sns.barplot

 

그래프 결과

 

 

 

 

 

 

 

 

 

[ 나이에 따른 임금차이 ]

 

 

 

 

 

 

ㅡ income 컬럼 요약통계량 확인 ㅡ

describe ()

describe ()

 

 

 

 

 

ㅡ birth 컬럼 historgram ㅡ

sns.histogram ()

sns.histplot

 

 

ㅡ 'income' 컬럼의 결측치 확인 ㅡ

isna (), sum ()

 

isna (), sum ()

 

 

ㅡ age 파생변수 ( 새로운 컬럼 ) 생성ㅡ

assign ()

 

assign ()

 

생년을 이용해 나이 컬럼을 새 컬럼으로 생성해주기 ㅡ> 파생변수 생성

 

 

ㅡ 나이에 따른 월급 평균표 ㅡ

groupby (), agg

 

groupby (), agg ()

 

wellfare 를 age 를 기준으로 groupby 해준 값을 agg 함수를 이용해 집계해 평균을 구함

 

 

 

 

ㅡ 데이터 시각화 ㅡ

sns.lineplot

 

sns.lineplot

 

그래프 결과

 

 

ㅡ 연령대 컬럼 생성 ㅡ

np.where () , value_counts ()

 

np.where ()

np.where 를 이용해 연령대별로 분류해주고 age_group 컬럼 생성

* assign 를 이용해 컬럼 생성해도 가능

 

 

ㅡ 연령대별 빈도 구하기 ㅡ

value_counts ()

 

value_counts ()

 

 

 

ㅡ 나이에 따른 월급 평균표 만들기 ㅡ

agg (), groupby ()

 

agg (), groupby ()

 

wellfare 를 age_group 를 기준으로 groupby 해준 값을 agg 함수를 이용해 집계해 평균을 구함

 

 

 

ㅡ 데이터 시각화 ㅡ

sns.barplot

 

sns,barplot

 

그래프 결과

 

 

 

 

 

ㅡ 연령대와 성별에 따른 월급 평균표 만들기 ㅡ

agg (), groupby ()

 

agg (), groupby ()

 

wellfare 를 age_group, gender 를 기준으로 groupby 해준 값을 agg 함수를 이용해 집계해 평균을 구함

두 개 이상 컬럼을 기준으로 분류한 멀티 인덱스 형태

 

 

 

ㅡ 데이터 시각화 ㅡ

sns.barplot

 

sns.barplot ()

 

그래프 결과

 

 

 

ㅡ 나이와 성별에 따른 월급 평균표 만들기 ㅡ

agg (), groupby ()

 

agg (), groupby ()

 

 

ㅡ 데이터 시각화 ㅡ

sns.lineplot

 

sns.lineplot

 

그래프 결과

 

 

 

 

 

 

[ 직업에 따른 임금차이 ]

 

 

 

 

 

ㅡ 직종코드 엑셀파일 불러오기ㅡ

read_excel ()

 

read_excel ()

 

코드화된 직업 데이터를 직종 코드북을 읽어와 DataFrame 형태로 저장해주기

 

 

 

ㅡ 직종코드 리스트와 wellfare df 를 병합 ㅡ

merge ()

 

merge ()

 

 

 

 

ㅡ 직종에 따른 월급 평균표 만들기 ㅡ

agg (), groupby ()

 

agg (), groupby ()

 

wellfare 를 job을 기준으로 groupby 해준 값을 agg 함수를 이용해 집계해 평균을 구함

 

 

 

 

 

ㅡ 소득이 높은 상위 10개 직업군 출력 ㅡ

sort_values (), head ()

 

sort_values (), head ()

 

 

 

 

ㅡ 데이터 시각화 ㅡ

sns.barplot

 

sns.barplot

 

 

하위 10개 데이터 출력

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

슈

 

 

 

 

 

 

BYE