In [1]:

import pandas as pd
import numpy as np
import os
import matplotlib.pyplot as plt
from matplotlib import font_manager, rc
%matplotlib inline
font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
rc('font', family=font_name)

1. 데이터 프레임 읽어오기:¶

In [2]:

os.chdir(r"C:\Users\Gram\Desktop\아시아경제 수업자료\01 Python 분석 기초 - 실습\data")

In [3]:

df = pd.read_csv('data_population.csv', header='infer',encoding = 'ms949')

In [4]:

df.shape

Out[4]:

(281, 9)

In [5]:

df

Out[5]:

	Unnamed: 0	Province	City	Population	Households	PersInHou	Male	Female	GenderRatio
0	1	서울특별시		10078850	4197478	2.40	4962774	5116076	0.97
1	2	서울특별시	종로구	155695	72882	2.14	76962	78733	0.98
2	3	서울특별시	중구	126817	59614	2.13	63292	63525	1.00
3	4	서울특별시	용산구	235186	108138	2.17	114119	121067	0.94
4	5	서울특별시	성동구	298145	126915	2.35	148265	149880	0.99
...	...	...	...	...	...	...	...	...	...
276	277	경상남도	거창군	63069	27724	2.27	30582	32487	0.94
277	278	경상남도	합천군	48856	24193	2.02	23231	25625	0.91
278	279	제주특별자치도		615250	251478	2.45	308627	306623	1.01
279	280	제주특별자치도	제주시	454673	182709	2.49	227549	227124	1.00
280	281	제주특별자치도	서귀포시	160577	68769	2.34	81078	79499	1.02

281 rows × 9 columns

2. 데이터 프레임의 구조:¶

In [6]:

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 281 entries, 0 to 280
Data columns (total 9 columns):
Unnamed: 0     281 non-null int64
Province       281 non-null object
City           281 non-null object
Population     281 non-null int64
Households     281 non-null int64
PersInHou      281 non-null float64
Male           281 non-null int64
Female         281 non-null int64
GenderRatio    281 non-null float64
dtypes: float64(2), int64(5), object(2)
memory usage: 19.9+ KB

3. 데이터 프레임의 상단과 하단:¶

In [7]:

df.head(10)

Out[7]:

	Unnamed: 0	Province	City	Population	Households	PersInHou	Male	Female	GenderRatio
0	1	서울특별시		10078850	4197478	2.40	4962774	5116076	0.97
1	2	서울특별시	종로구	155695	72882	2.14	76962	78733	0.98
2	3	서울특별시	중구	126817	59614	2.13	63292	63525	1.00
3	4	서울특별시	용산구	235186	108138	2.17	114119	121067	0.94
4	5	서울특별시	성동구	298145	126915	2.35	148265	149880	0.99
5	6	서울특별시	광진구	362197	158769	2.28	177946	184251	0.97
6	7	서울특별시	동대문구	362604	160110	2.26	181825	180779	1.01
7	8	서울특별시	중랑구	417976	177077	2.36	208657	209319	1.00
8	9	서울특별시	성북구	464176	192670	2.41	227676	236500	0.96
9	10	서울특별시	강북구	333523	141325	2.36	164304	169219	0.97

In [8]:

df.tail(10)

Out[8]:

	Unnamed: 0	Province	City	Population	Households	PersInHou	Male	Female	GenderRatio
271	272	경상남도	고성군	55563	25870	2.15	27848	27715	1.00
272	273	경상남도	남해군	46238	22259	2.08	22105	24133	0.92
273	274	경상남도	하동군	50068	23392	2.14	24713	25355	0.97
274	275	경상남도	산청군	36122	17985	2.01	17630	18492	0.95
275	276	경상남도	함양군	40314	19229	2.10	19259	21055	0.91
276	277	경상남도	거창군	63069	27724	2.27	30582	32487	0.94
277	278	경상남도	합천군	48856	24193	2.02	23231	25625	0.91
278	279	제주특별자치도		615250	251478	2.45	308627	306623	1.01
279	280	제주특별자치도	제주시	454673	182709	2.49	227549	227124	1.00
280	281	제주특별자치도	서귀포시	160577	68769	2.34	81078	79499	1.02

4. 데이터 프레임의 컬럼 이름을 header에 저장:¶

In [9]:

header = df.columns    
header

Out[9]:

Index(['Unnamed: 0', 'Province', 'City', 'Population', 'Households',
       'PersInHou', 'Male', 'Female', 'GenderRatio'],
      dtype='object')

5. 조건부 슬라이싱 후 통계 메서드를 적용:¶

충청남도와 충청북도의 전체 인구 집계:

In [10]:

df2 = df[df.Province=='충청북도']
df2.Population.sum()

Out[10]:

In [11]:

df3 = df[df.Province=='충청남도']
df3.Population.sum()

Out[11]:

In [12]:

df4 = df[(df.Province=='충청북도') | (df.Province=='충청남도')]
df4.Population.sum()

Out[12]:

성비 기준으로 남자가 많고 (GenderRatio >1) 1인 가구가 많은 (PersInHou<2) 도시:

In [13]:

df5 = df[(df.GenderRatio > 1) & (df.PersInHou < 2)]

In [14]:

my_labels = list(df5.City)
my_GenderRatio = list(df5.GenderRatio)

df6 = pd.DataFrame( {'GenderRatio':my_GenderRatio}, index = my_labels)
df6

Out[14]:

	GenderRatio
옹진군	1.29
화천군	1.27
고성군	1.15
괴산군	1.03
신안군	1.11
울릉군	1.15

6. 시각화¶

In [15]:

df6.plot.bar(color='orange', alpha=0.7)
plt.show()

In [16]:

df7 = df6.sort_values(by='GenderRatio', ascending=False)
df7.plot.bar(color='green', alpha=0.8)    #alpa는 투명도
plt.show()

In [17]:

df7 = df6.sort_values(by='GenderRatio', ascending=True)    
df7.plot.bar(color='blue', alpha=0.8)
plt.show()

In [ ]: