2.3. 데이터프레임 실습 1: 정리와 요약#

앞서 파이썬에서 기본적인 자료의 입력과 데이터프레임의 생성, 정리, 요약에 대해 배우고 예제 데이터로 실습하였다. 이번 시간에는 실제 데이터로 지난 시간에 배운 내용을 실습해보자.

화재출동 데이터#

데이터는 2017년부터 2021년의 5년간 서울시 모든 구의 화재출동 데이터 (fire_calling_summary.csv)입니다.

1. 데이터 불러오기

pandas패키지의 read_csv함수를 사용하여 csv파일을 데이터프레임으로 불러오자.

import pandas as pd

df = pd.read_csv("https://uos-bigdata.github.io/lab_data/docs/assets/data_lab_fire/fire_calling.csv", encoding = 'cp949')
df
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
0 2017 강남구 NaN 11 1565258 502 129 120
1 2017 강동구 NaN 12 418593 269 63 73
2 2017 강북구 NaN 6 339146 186 51 41
3 2017 강서구 3.0 22 706871 364 89 81
4 2017 관악구 3.0 20 654690 286 82 69
... ... ... ... ... ... ... ... ...
120 2021 용산구 NaN 5 296793 176 47 36
121 2021 은평구 3.0 8 875722 160 57 42
122 2021 종로구 NaN 12 465499 192 48 54
123 2021 중구 NaN 16 2780374 171 41 49
124 2021 중랑구 1.0 12 345257 213 63 59

125 rows × 8 columns

2. 데이터 확인

데이터가 한 페이지에 담기지 않아 약간 잘리게 나온다. 데이터를 조금씩 확인하고 싶다면 head 혹은 tail 메소드를 사용해보자. 데이터의 가장 처음 5개를 보고 싶으면 df.head(5), 데이터의 가장 마지막 5개를 보고 싶다면 df.tail(5) 로 입력해주면 된다.

df.head(5)
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
0 2017 강남구 NaN 11 1565258 502 129 120
1 2017 강동구 NaN 12 418593 269 63 73
2 2017 강북구 NaN 6 339146 186 51 41
3 2017 강서구 3.0 22 706871 364 89 81
4 2017 관악구 3.0 20 654690 286 82 69 
df.tail(5)
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
120 2021 용산구 NaN 5 296793 176 47 36
121 2021 은평구 3.0 8 875722 160 57 42
122 2021 종로구 NaN 12 465499 192 48 54
123 2021 중구 NaN 16 2780374 171 41 49
124 2021 중랑구 1.0 12 345257 213 63 59

새로운 문제가 생겼다.

NaN은 ‘Not a Number’을 의미한다. 즉, 숫자가 아니라는 것이다. 연산의 결과가 숫자로 표현될 수 없거나 값이 부재하는 경우(결측값, missing data)에 나타나는 표현이다.

이 경우 사망자수가 0인 값이라고 인식한 후 NaN을 대체한다.

df = df.fillna(0)
df
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
0 2017 강남구 0.0 11 1565258 502 129 120
1 2017 강동구 0.0 12 418593 269 63 73
2 2017 강북구 0.0 6 339146 186 51 41
3 2017 강서구 3.0 22 706871 364 89 81
4 2017 관악구 3.0 20 654690 286 82 69
... ... ... ... ... ... ... ... ...
120 2021 용산구 0.0 5 296793 176 47 36
121 2021 은평구 3.0 8 875722 160 57 42
122 2021 종로구 0.0 12 465499 192 48 54
123 2021 중구 0.0 16 2780374 171 41 49
124 2021 중랑구 1.0 12 345257 213 63 59

125 rows × 8 columns

데이터를 연도별, 시군구별, 재산피해금액을 기준으로 각각 정렬시켜보자. 정렬을 할 때에는 sort_values()메소드 사용한다.

df.sort_values(by = '화재발생연도')
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
0 2017 강남구 0.0 11 1565258 502 129 120
1 2017 강동구 0.0 12 418593 269 63 73
2 2017 강북구 0.0 6 339146 186 51 41
19 2017 영등포구 1.0 16 1093594 239 65 64
20 2017 용산구 0.0 6 262910 167 37 45
... ... ... ... ... ... ... ... ...
114 2021 서초구 0.0 9 549807 231 69 51
107 2021 금천구 2.0 8 825255 118 37 28
108 2021 노원구 1.0 12 432605 173 48 49
116 2021 성북구 4.0 46 493231 168 56 37
115 2021 성동구 0.0 5 458412 191 48 54

125 rows × 8 columns

df.sort_values(by = '시군구')
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
0 2017 강남구 0.0 11 1565258 502 129 120
100 2021 강남구 2.0 15 1354949 391 112 91
25 2018 강남구 0.0 23 1624983 436 134 111
75 2020 강남구 1.0 18 1451556 387 100 98
50 2019 강남구 1.0 23 1677681 456 120 125
... ... ... ... ... ... ... ... ...
74 2019 중랑구 1.0 9 322650 210 54 49
49 2018 중랑구 2.0 8 201421 254 72 55
24 2017 중랑구 2.0 5 332366 196 53 38
99 2020 중랑구 2.0 12 229566 225 54 57
124 2021 중랑구 1.0 12 345257 213 63 59

125 rows × 8 columns

df.sort_values(by = '재산피해금액')
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
61 2019 동작구 2.0 10 179243 208 52 53
58 2019 노원구 0.0 6 185642 203 49 46
86 2020 동작구 0.0 7 194251 151 39 37
78 2020 강서구 3.0 5 200966 212 42 53
49 2018 중랑구 2.0 8 201421 254 72 55
... ... ... ... ... ... ... ... ...
123 2021 중구 0.0 16 2780374 171 41 49
69 2019 영등포구 1.0 48 3099954 265 64 63
85 2020 동대문구 6.0 17 3392558 152 43 34
38 2018 서대문구 4.0 9 7877501 229 50 69
73 2019 중구 3.0 17 74077097 213 51 39

125 rows × 8 columns

재산피해금액이 가장 큰 순으로 확인하고 싶으면 내림차순 정렬을 위한 선택문 ascending=False을 지정해주면 된다.

df.sort_values(by = '재산피해금액', ascending=False)
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
73 2019 중구 3.0 17 74077097 213 51 39
38 2018 서대문구 4.0 9 7877501 229 50 69
85 2020 동대문구 6.0 17 3392558 152 43 34
69 2019 영등포구 1.0 48 3099954 265 64 63
123 2021 중구 0.0 16 2780374 171 41 49
... ... ... ... ... ... ... ... ...
49 2018 중랑구 2.0 8 201421 254 72 55
78 2020 강서구 3.0 5 200966 212 42 53
86 2020 동작구 0.0 7 194251 151 39 37
58 2019 노원구 0.0 6 185642 203 49 46
61 2019 동작구 2.0 10 179243 208 52 53

125 rows × 8 columns

정렬 기준은 두 개 이상으로 줄 수도 있다. 시군구, 연도 그리고 연도, 시군구로 각각 정렬시켜보고 두 결과의 차이를 확인해보자.

df.sort_values(by = ['시군구', '화재발생연도'])
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
0 2017 강남구 0.0 11 1565258 502 129 120
25 2018 강남구 0.0 23 1624983 436 134 111
50 2019 강남구 1.0 23 1677681 456 120 125
75 2020 강남구 1.0 18 1451556 387 100 98
100 2021 강남구 2.0 15 1354949 391 112 91
... ... ... ... ... ... ... ... ...
24 2017 중랑구 2.0 5 332366 196 53 38
49 2018 중랑구 2.0 8 201421 254 72 55
74 2019 중랑구 1.0 9 322650 210 54 49
99 2020 중랑구 2.0 12 229566 225 54 57
124 2021 중랑구 1.0 12 345257 213 63 59

125 rows × 8 columns

df.sort_values(by = ['화재발생연도', '시군구'])
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
0 2017 강남구 0.0 11 1565258 502 129 120
1 2017 강동구 0.0 12 418593 269 63 73
2 2017 강북구 0.0 6 339146 186 51 41
3 2017 강서구 3.0 22 706871 364 89 81
4 2017 관악구 3.0 20 654690 286 82 69
... ... ... ... ... ... ... ... ...
120 2021 용산구 0.0 5 296793 176 47 36
121 2021 은평구 3.0 8 875722 160 57 42
122 2021 종로구 0.0 12 465499 192 48 54
123 2021 중구 0.0 16 2780374 171 41 49
124 2021 중랑구 1.0 12 345257 213 63 59

125 rows × 8 columns

정렬을 해도 원자료는 변하지 않는 것을 확인할 수 있다. 인덱스가 변하지 않는 것으로 확인할 수 있다.

df.head(10)
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
0 2017 강남구 0.0 11 1565258 502 129 120
1 2017 강동구 0.0 12 418593 269 63 73
2 2017 강북구 0.0 6 339146 186 51 41
3 2017 강서구 3.0 22 706871 364 89 81
4 2017 관악구 3.0 20 654690 286 82 69
5 2017 광진구 1.0 6 433742 200 37 44
6 2017 구로구 1.0 5 460568 260 54 71
7 2017 금천구 2.0 7 605549 174 33 49
8 2017 노원구 3.0 18 566821 279 80 75
9 2017 도봉구 2.0 6 288836 192 37 59

만약 정렬된 자료를 새로 저장하고 싶으면 다음과 같이 새로운 데이터프레임으로 저장해보자.

df_copy = df.sort_values(by = '재산피해금액', ascending=False)
df_copy
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
73 2019 중구 3.0 17 74077097 213 51 39
38 2018 서대문구 4.0 9 7877501 229 50 69
85 2020 동대문구 6.0 17 3392558 152 43 34
69 2019 영등포구 1.0 48 3099954 265 64 63
123 2021 중구 0.0 16 2780374 171 41 49
... ... ... ... ... ... ... ... ...
49 2018 중랑구 2.0 8 201421 254 72 55
78 2020 강서구 3.0 5 200966 212 42 53
86 2020 동작구 0.0 7 194251 151 39 37
58 2019 노원구 0.0 6 185642 203 49 46
61 2019 동작구 2.0 10 179243 208 52 53

125 rows × 8 columns

또는 정렬된 자료를 원자료에 덮어씌우는 방법도 있다. 선택문 inplace = True을 입력해주면 된다.

df.sort_values(by = '재산피해금액', ascending=False, inplace=True)
df
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수 출동횟수_겨울 출동횟수_여름
73 2019 중구 3.0 17 74077097 213 51 39
38 2018 서대문구 4.0 9 7877501 229 50 69
85 2020 동대문구 6.0 17 3392558 152 43 34
69 2019 영등포구 1.0 48 3099954 265 64 63
123 2021 중구 0.0 16 2780374 171 41 49
... ... ... ... ... ... ... ... ...
49 2018 중랑구 2.0 8 201421 254 72 55
78 2020 강서구 3.0 5 200966 212 42 53
86 2020 동작구 0.0 7 194251 151 39 37
58 2019 노원구 0.0 6 185642 203 49 46
61 2019 동작구 2.0 10 179243 208 52 53

125 rows × 8 columns

3. 행과 열 지우기

데이터를 정리하다 보면 특정 행과 열을 지우는 과정을 많이 하게된다. 우리의 데이터 df에서 출동횟수를 지워보자. 이 때 선택문 inplace = True으로 인하여 결과가 덮어씌워졌다.

df.drop(columns = ["출동횟수"], inplace= True)
df
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수_겨울 출동횟수_여름
73 2019 중구 3.0 17 74077097 51 39
38 2018 서대문구 4.0 9 7877501 50 69
85 2020 동대문구 6.0 17 3392558 43 34
69 2019 영등포구 1.0 48 3099954 64 63
123 2021 중구 0.0 16 2780374 41 49
... ... ... ... ... ... ... ...
49 2018 중랑구 2.0 8 201421 72 55
78 2020 강서구 3.0 5 200966 42 53
86 2020 동작구 0.0 7 194251 39 37
58 2019 노원구 0.0 6 185642 49 46
61 2019 동작구 2.0 10 179243 52 53

125 rows × 7 columns

이번에는 행을 지워보자. 강동구에 해당하는 자료를 지우기 위해 원자료에 강동구에 해당하는 인덱스를 다음과같이 추출하였다.

26, 51, 1, 76, 101행에 강동구 자료가 있음을 알 수 있다.

index_for_delete = df[df["시군구"] == '강동구'].index
index_for_delete

Int64Index([26, 51, 1, 76, 101], dtype='int64')

인덱스로 행을 제거하기 위하여 drop 메소드를 사용한다. 마찬가지로 선택문 inplace = True로 원자료에 결과를 바로 반영하였다.

행 삭제 결과는 rows 갯수가 바뀐 것으로 확인할 수 있다.

df.drop( index = index_for_delete, inplace= True )
df
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수_겨울 출동횟수_여름
73 2019 중구 3.0 17 74077097 51 39
38 2018 서대문구 4.0 9 7877501 50 69
85 2020 동대문구 6.0 17 3392558 43 34
69 2019 영등포구 1.0 48 3099954 64 63
123 2021 중구 0.0 16 2780374 41 49
... ... ... ... ... ... ... ...
49 2018 중랑구 2.0 8 201421 72 55
78 2020 강서구 3.0 5 200966 42 53
86 2020 동작구 0.0 7 194251 39 37
58 2019 노원구 0.0 6 185642 49 46
61 2019 동작구 2.0 10 179243 52 53

120 rows × 7 columns

5개의 행이 제거됨으로써 인덱스가 행의 갯수와 달라졌다. 따라서 인덱스를 다시 구성하기 위해보자.

인덱스를 재구성하기 위해서는 reset_index 메소드를 사용한다. 이 때 선택문 inplace = True로 원자료에 결과를 바로 반영하였다.

df.reset_index(drop=True, inplace=True)
df
화재발생연도 시군구 사망자수 부상자수 재산피해금액 출동횟수_겨울 출동횟수_여름
0 2019 중구 3.0 17 74077097 51 39
1 2018 서대문구 4.0 9 7877501 50 69
2 2020 동대문구 6.0 17 3392558 43 34
3 2019 영등포구 1.0 48 3099954 64 63
4 2021 중구 0.0 16 2780374 41 49
... ... ... ... ... ... ... ...
115 2018 중랑구 2.0 8 201421 72 55
116 2020 강서구 3.0 5 200966 42 53
117 2020 동작구 0.0 7 194251 39 37
118 2019 노원구 0.0 6 185642 49 46
119 2019 동작구 2.0 10 179243 52 53

120 rows × 7 columns

4. 열 이름 바꾸기

자료를 정리할 때 열이름을 바꾸는 과정도 매우 흔하다. 열이름의 길이를 줄이거나, 열이름에 대한 새로운 규칙을 적용하는 등 열이름을 변경해야할 일이 자주 일어난다.

먼저 데이터프레임 df의 열이름을 확인해보자. columns메소드를 사용하면 된다.

df.columns

Index(['화재발생연도', '시군구', '사망자수', '부상자수', '재산피해금액', '출동횟수_겨울', '출동횟수_여름'], dtype='object')

열 이름을 영문으로 변경해보자. rename메소드를 사용하면 된다.

df.rename( columns={
	"화재발생연도" : "year", "시군구" : "region",
	"사망자수" : "samang_n", "부상자수" : "busang_n", "재산피해금액" : "money", 
 	"출동횟수_겨울" : "win","출동횟수_여름" : "sum"},
	inplace=True)
df
year region samang_n busang_n money win sum
0 2019 중구 3.0 17 74077097 51 39
1 2018 서대문구 4.0 9 7877501 50 69
2 2020 동대문구 6.0 17 3392558 43 34
3 2019 영등포구 1.0 48 3099954 64 63
4 2021 중구 0.0 16 2780374 41 49
... ... ... ... ... ... ... ...
115 2018 중랑구 2.0 8 201421 72 55
116 2020 강서구 3.0 5 200966 42 53
117 2020 동작구 0.0 7 194251 39 37
118 2019 노원구 0.0 6 185642 49 46
119 2019 동작구 2.0 10 179243 52 53

120 rows × 7 columns

columns메소드를 통해 열 이름이 영문으로 바뀐 것을 확인할 수 있다.

df.columns

Index(['year', 'region', 'samang_n', 'busang_n', 'money', 'win', 'sum'], dtype='object')

열 이름을 바꾸는 또 다른 방법으로 리스트(list)를 사용할 수 있다. 위에서 영문으로 변경한 마지막 열의 이름을 win 에서 winter 로, sum에서 summer로 바꾸어보자.

df.columns = ['year', 'region', 'samang_n', 'busang_n', 'money', 'winter', 'summer']
df
year region samang_n busang_n money winter summer
0 2019 중구 3.0 17 74077097 51 39
1 2018 서대문구 4.0 9 7877501 50 69
2 2020 동대문구 6.0 17 3392558 43 34
3 2019 영등포구 1.0 48 3099954 64 63
4 2021 중구 0.0 16 2780374 41 49
... ... ... ... ... ... ... ...
115 2018 중랑구 2.0 8 201421 72 55
116 2020 강서구 3.0 5 200966 42 53
117 2020 동작구 0.0 7 194251 39 37
118 2019 노원구 0.0 6 185642 49 46
119 2019 동작구 2.0 10 179243 52 53

120 rows × 7 columns

5. 데이터 프레임 요약하기

지금까지는 데이터 프레임을 정리하는 과정이었다. 이제부터는 잘 정리된 데이터를 요약해보자.

df.describe()
year samang_n busang_n money winter summer
count 120.000000 120.000000 120.000000 1.200000e+02 120.000000 120.000000
mean 2019.000000 1.600000 11.350000 1.353972e+06 58.100000 56.225000
std 1.420143 1.830645 8.068665 6.750182e+06 19.903718 18.615284
min 2017.000000 0.000000 2.000000 1.792430e+05 27.000000 27.000000
25% 2018.000000 0.000000 6.000000 3.374510e+05 46.000000 44.750000
50% 2019.000000 1.000000 9.000000 5.288170e+05 54.000000 53.000000
75% 2020.000000 2.000000 15.000000 8.187352e+05 64.250000 63.250000
max 2021.000000 14.000000 48.000000 7.407710e+07 134.000000 125.000000

출력된 값을 편하게 보기 위해 단위와 반올림 등의 과정을 거친다.

df_summ = df.describe()
df_summ['samang_n'] = df_summ['samang_n'].round(2)
df_summ['busang_n'] = df_summ['busang_n'].round(2)
df_summ
year samang_n busang_n money winter summer
count 120.000000 120.00 120.00 1.200000e+02 120.000000 120.000000
mean 2019.000000 1.60 11.35 1.353972e+06 58.100000 56.225000
std 1.420143 1.83 8.07 6.750182e+06 19.903718 18.615284
min 2017.000000 0.00 2.00 1.792430e+05 27.000000 27.000000
25% 2018.000000 0.00 6.00 3.374510e+05 46.000000 44.750000
50% 2019.000000 1.00 9.00 5.288170e+05 54.000000 53.000000
75% 2020.000000 2.00 15.00 8.187352e+05 64.250000 63.250000
max 2021.000000 14.00 48.00 7.407710e+07 134.000000 125.000000 
df_summ['winter'] = df_summ['winter'].round(2)
df_summ['summer'] = df_summ['summer'].round(2)
df_summ
year samang_n busang_n money winter summer
count 120.000000 120.00 120.00 1.200000e+02 120.00 120.00
mean 2019.000000 1.60 11.35 1.353972e+06 58.10 56.22
std 1.420143 1.83 8.07 6.750182e+06 19.90 18.62
min 2017.000000 0.00 2.00 1.792430e+05 27.00 27.00
25% 2018.000000 0.00 6.00 3.374510e+05 46.00 44.75
50% 2019.000000 1.00 9.00 5.288170e+05 54.00 53.00
75% 2020.000000 2.00 15.00 8.187352e+05 64.25 63.25
max 2021.000000 14.00 48.00 7.407710e+07 134.00 125.00 
df_summ['money'] = df_summ['money'] / 10000
df_summ['money'] = df_summ['money'].round(4)
df_summ
year samang_n busang_n money winter summer
count 120.000000 120.00 120.00 0.0120 120.00 120.00
mean 2019.000000 1.60 11.35 135.3972 58.10 56.22
std 1.420143 1.83 8.07 675.0182 19.90 18.62
min 2017.000000 0.00 2.00 17.9243 27.00 27.00
25% 2018.000000 0.00 6.00 33.7451 46.00 44.75
50% 2019.000000 1.00 9.00 52.8817 54.00 53.00
75% 2020.000000 2.00 15.00 81.8735 64.25 63.25
max 2021.000000 14.00 48.00 7407.7097 134.00 125.00 
df_summ.columns = ['화재발생연도', '사망자수', '부상자수', '재산피해금액(만원)', '출동횟수(겨울)', '출동횟수(여름)']
df_summ
화재발생연도 사망자수 부상자수 재산피해금액(만원) 출동횟수(겨울) 출동횟수(여름)
count 120.000000 120.00 120.00 0.0120 120.00 120.00
mean 2019.000000 1.60 11.35 135.3972 58.10 56.22
std 1.420143 1.83 8.07 675.0182 19.90 18.62
min 2017.000000 0.00 2.00 17.9243 27.00 27.00
25% 2018.000000 0.00 6.00 33.7451 46.00 44.75
50% 2019.000000 1.00 9.00 52.8817 54.00 53.00
75% 2020.000000 2.00 15.00 81.8735 64.25 63.25
max 2021.000000 14.00 48.00 7407.7097 134.00 125.00 
df_summ = df_summ.drop(columns = '화재발생연도')
df_summ
사망자수 부상자수 재산피해금액(만원) 출동횟수(겨울) 출동횟수(여름)
count 120.00 120.00 0.0120 120.00 120.00
mean 1.60 11.35 135.3972 58.10 56.22
std 1.83 8.07 675.0182 19.90 18.62
min 0.00 2.00 17.9243 27.00 27.00
25% 0.00 6.00 33.7451 46.00 44.75
50% 1.00 9.00 52.8817 54.00 53.00
75% 2.00 15.00 81.8735 64.25 63.25
max 14.00 48.00 7407.7097 134.00 125.00

이번에는 특정 범주를 기준으로 자료를 요약해보자. 이 때 기준은 연도와 ‘시군구`로 한다.

먼저 2021년도의 데이터를 추출해보자.

df_2021 = df.loc[df['year']==2021]
df_2021
year region samang_n busang_n money winter summer
4 2021 중구 0.0 16 2780374 41 49
7 2021 구로구 1.0 7 1765589 52 33
13 2021 강남구 2.0 15 1354949 112 91
16 2021 동대문구 3.0 15 1209541 51 40
24 2021 영등포구 0.0 8 913698 50 53
25 2021 광진구 2.0 10 889681 46 56
26 2021 은평구 3.0 8 875722 57 42
29 2021 금천구 2.0 8 825255 37 28
32 2021 송파구 1.0 5 788289 64 59
52 2021 마포구 2.0 7 591687 64 53
53 2021 양천구 2.0 3 576094 42 42
56 2021 관악구 2.0 17 562294 74 54
57 2021 강서구 2.0 12 559614 61 50
59 2021 서초구 0.0 9 549807 69 51
62 2021 성북구 4.0 46 493231 56 37
67 2021 종로구 0.0 12 465499 48 54
70 2021 성동구 0.0 5 458412 48 54
72 2021 노원구 1.0 12 432605 48 49
76 2021 강북구 5.0 14 410205 29 38
88 2021 중랑구 1.0 12 345257 63 59
94 2021 동작구 3.0 9 307365 42 27
96 2021 용산구 0.0 5 296793 47 36
103 2021 서대문구 0.0 7 249728 77 52
107 2021 도봉구 0.0 6 219916 33 34 
df_2021.describe()
year samang_n busang_n money winter summer
count 24.0 24.000000 24.000000 2.400000e+01 24.000000 24.000000
mean 2021.0 1.500000 11.166667 7.467335e+05 54.625000 47.541667
std 0.0 1.414214 8.370064 5.714713e+05 17.337601 13.354625
min 2021.0 0.000000 3.000000 2.199160e+05 29.000000 27.000000
25% 2021.0 0.000000 7.000000 4.270050e+05 45.000000 37.750000
50% 2021.0 1.500000 9.000000 5.609540e+05 50.500000 49.500000
75% 2021.0 2.000000 12.500000 8.792118e+05 63.250000 54.000000
max 2021.0 5.000000 46.000000 2.780374e+06 112.000000 91.000000

describe메소드로 자료를 요약한다. 이 때 표현방식을 바꾸고싶다면 위의 과정을 동일하게 거치면 된다. (실습)

접기/펼치기

df2021_summ = df_2021.describe()

df2021_summ[‘samang_n’] = df2021_summ[‘samang_n’].round(2)

df2021_summ[‘busang_n’] = df2021_summ[‘busang_n’].round(2)

df2021_summ[‘winter’] = df2021_summ[‘winter’].round(2)

df2021_summ[‘summer’] = df2021_summ[‘summer’].round(2)

df2021_summ[‘money’] = df2021_summ[‘money’] / 10000

df2021_summ[‘money’] = df2021_summ[‘money’].round(4)

df2021_summ.columns = [‘화재발생연도’, ‘사망자수’, ‘부상자수’, ‘재산피해금액(만원)’, ‘출동횟수(겨울)’, ‘출동횟수(여름)’]

df2021_summ = df2021_summ.drop(columns = ‘화재발생연도’)

df2021_summ

추가적으로, 재산피해금액(만원)을 반올림하면서 count값도 같이 변형되었다. 해당 셀을 수정하고자 한다.

인덱싱을 수행하는 또 다른 메소드 iloc으로 해당 셀(cell)만 값 변경이 가능하다. 아래 코드의 iloc[0,2]는 0행 2열을 의미한다.

접기/펼치기

df2021_summ.iloc[0,2] = 24

df2021_summ

2021년 중에 여름과 겨울의 출동 횟수가 많은 지역구대로 정렬 해보자.

정렬하기 위해서는 sort_values()메소드를 사용한다. 괄호 안에 정렬할 열을 지정한다. 내림차순으로 정렬도 해보자 (실습)

df_2021.sort_values(by="winter")
year region samang_n busang_n money winter summer
76 2021 강북구 5.0 14 410205 29 38
107 2021 도봉구 0.0 6 219916 33 34
29 2021 금천구 2.0 8 825255 37 28
4 2021 중구 0.0 16 2780374 41 49
53 2021 양천구 2.0 3 576094 42 42
94 2021 동작구 3.0 9 307365 42 27
25 2021 광진구 2.0 10 889681 46 56
96 2021 용산구 0.0 5 296793 47 36
67 2021 종로구 0.0 12 465499 48 54
70 2021 성동구 0.0 5 458412 48 54
72 2021 노원구 1.0 12 432605 48 49
24 2021 영등포구 0.0 8 913698 50 53
16 2021 동대문구 3.0 15 1209541 51 40
7 2021 구로구 1.0 7 1765589 52 33
62 2021 성북구 4.0 46 493231 56 37
26 2021 은평구 3.0 8 875722 57 42
57 2021 강서구 2.0 12 559614 61 50
88 2021 중랑구 1.0 12 345257 63 59
32 2021 송파구 1.0 5 788289 64 59
52 2021 마포구 2.0 7 591687 64 53
59 2021 서초구 0.0 9 549807 69 51
56 2021 관악구 2.0 17 562294 74 54
103 2021 서대문구 0.0 7 249728 77 52
13 2021 강남구 2.0 15 1354949 112 91 
df_2021.sort_values(by="summer")
year region samang_n busang_n money winter summer
94 2021 동작구 3.0 9 307365 42 27
29 2021 금천구 2.0 8 825255 37 28
7 2021 구로구 1.0 7 1765589 52 33
107 2021 도봉구 0.0 6 219916 33 34
96 2021 용산구 0.0 5 296793 47 36
62 2021 성북구 4.0 46 493231 56 37
76 2021 강북구 5.0 14 410205 29 38
16 2021 동대문구 3.0 15 1209541 51 40
53 2021 양천구 2.0 3 576094 42 42
26 2021 은평구 3.0 8 875722 57 42
4 2021 중구 0.0 16 2780374 41 49
72 2021 노원구 1.0 12 432605 48 49
57 2021 강서구 2.0 12 559614 61 50
59 2021 서초구 0.0 9 549807 69 51
103 2021 서대문구 0.0 7 249728 77 52
52 2021 마포구 2.0 7 591687 64 53
24 2021 영등포구 0.0 8 913698 50 53
56 2021 관악구 2.0 17 562294 74 54
70 2021 성동구 0.0 5 458412 48 54
67 2021 종로구 0.0 12 465499 48 54
25 2021 광진구 2.0 10 889681 46 56
32 2021 송파구 1.0 5 788289 64 59
88 2021 중랑구 1.0 12 345257 63 59
13 2021 강남구 2.0 15 1354949 112 91

이어서 강남구 기준으로 자료를 살펴보자.

df_강남구 = df.loc[df['region']=="강남구"]
df_강남구
year region samang_n busang_n money winter summer
8 2019 강남구 1.0 23 1677681 120 125
9 2018 강남구 0.0 23 1624983 134 111
10 2017 강남구 0.0 11 1565258 129 120
11 2020 강남구 1.0 18 1451556 100 98
13 2021 강남구 2.0 15 1354949 112 91

강남구의 기초 통계량을 확인해보자.

df_강남구.describe()
year samang_n busang_n money winter summer
count 5.000000 5.00000 5.000000 5.000000e+00 5.00000 5.000000
mean 2019.000000 0.80000 18.000000 1.534885e+06 119.00000 109.000000
std 1.581139 0.83666 5.196152 1.311026e+05 13.56466 14.370108
min 2017.000000 0.00000 11.000000 1.354949e+06 100.00000 91.000000
25% 2018.000000 0.00000 15.000000 1.451556e+06 112.00000 98.000000
50% 2019.000000 1.00000 18.000000 1.565258e+06 120.00000 111.000000
75% 2020.000000 1.00000 23.000000 1.624983e+06 129.00000 120.000000
max 2021.000000 2.00000 23.000000 1.677681e+06 134.00000 125.000000

강남구에서 여름과 겨울의 총 출동이 많았던 연도 순으로 정렬해보자. (실습)

접기/펼치기

df_강남구[‘총 출동’] = df_강남구[‘winter’] + df_강남구[‘summer’]

df_강남구.sort_values(by = ‘총 출동’, ascending=False)

df_강남구 데이터에 대해 추가적으로 다음의 작업을 해보자 (실습)

  • 인덱싱 재정리 (reset_index)

  • 열 이름 변경: ['연도', '시군구', '사망자수', '부상자수', '피해금액', '겨울출동건수', '여름출동건수', '총출동']

  • csv 파일로 저장

접기/펼치기

df_강남구.columns = [‘연도’, ‘시군구’, ‘사망자수’, ‘부상자수’, ‘피해금액’, ‘겨울출동건수’, ‘여름출동건수’, ‘총출동’]

df_강남구.reset_index(drop = True, inplace = True)

df_강남구.to_csv(“강남구요약.csv”, encoding = ‘cp949’)