학습 목표

- 데이터셋을 요약하고, 집계하는 방법을 알아보겠습니다.

핵심 키워드

학습 내용

결측치 보기

df.isnull()

isnull()으로 결측치를 bool 값으로 표시하고, sum()으로 결측치의 수를 세어줍니다.

'치아우식증유무', '결손치유무', '치아마모증유무', '제3대구치(사랑니 이상)'은 결측치가 있다고 볼 수 있습니다.

결과 : 

df.isna().sum()

isna()으로도 결측치 수를 집계할 수 있습니다.

결과 : 

df.isnull().sum().plot.barh(figsize=(10, 9))

pandas에 plot이 내장되어 있어서 가벼운 시각화를 할 수 있습니다.

barh로 글씨를 y축에 두고, figsize 옵션으로 사이즈를 조절할 수 있습니다.

치아 관련 결측치가 커서 다른 결측치들이 상대적으로 작게 보입니다.

결과  :

일부 데이터 요약하기

df["(헐청지오티)ALT"]

결과 : 

df[["(혈청지오티)ALT","(혈청지오티)AST"]]

2개 이상을 가져올 때는 리스트로 감싸줘야 합니다.

1개의 열을 가져올 때는 series 형태의 데이터 구조로 결과가 나타나고, 2개 이상의 열을 가져올 때는 dataframe 형태의 데이터 구조로 가져옵니다.

결과 : 

df["(헐청지오티)ALT"].head()

5개의 행을 series 형태로 불러옵니다.

결과 : 

df[["(혈청지오티)ALT","(혈청지오티)AST"]].head()

5개의 행을 dataframe 형태로 불러옵니다.

결과 : 

df[["(혈청지오티)ALT","(혈청지오티)AST"]].describe()

수치 데이터에 대한 요약을 볼 수 있습니다.

결측치를 제외한 count 값,  mean 값(평균), std 값(표준편차), min 값(최소값), max 값(최대값), 50%(중앙값, 2사분위수), 25%(1사분위수), 75%(3사분위수)를 집계하여 보여줍니다.

중앙값에 비해 평균값이 높다는 걸 알 수 있습니다. 현재 평균값은 max 값에 의해 영향을 많이 받고 있습니다. 이상치가 있습니다.

결과 : 

값 집계하기

value_counts()로 category나 text 형태 데이터의 빈도수를 체크할 수 있습니다.

df["성별코드"].value_counts()

성별 코드의 값 2개의 갯수를 볼 수 있습니다.

결과 : 

df["흡연상태"].value_counts()

1은 흡연하지 않는 사람, 2는 흡연하는 사람, 3은 흡연했지만 금연한 사람입니다.

공공데이터포털의 링크에 가면 코드값이 의미하는 바를 알 수 있습니다.

결과 :