[23.06.19] Python pandas titanic problem - 12(2)

 

 

 

1. titanic 데이터셋(sns.load_dataset('titanic')) 에서 ['age','sex', 'class', 'fare', 'survived'] 5개 열을 선택해서 df를 만드세요.
2. class 열을 기준으로 분할하고 각 그룹에 대한 모든 열의 표준편차를 집계하여 df로 반환하세요.
3. 최대값과 최소값의 차를 계산하는 사용자 정의 함수(minmax) 를 만들고 각 그룹의 최대값과 최소값의 차리를 계산하여 그룹별로 집계해 보세요.
4. 각 열에 2개 함수(min, max)함수를 일괄 적용해 보세요.
5. fare 열에는 min, max 함수를, age 열에는 mean 함수를 적용해 보세요.
6. age 열의 평균이 30보다 작은 그룹만을 필터링하여 데이터프레임으로 반환하세요

 

In [1]:

import pandas as pd
import numpy as np
import seaborn as sns
import warnings
warnings.simplefilter(action="ignore", category = FutureWarning)

 

In [2]:

df = sns.load_dataset('titanic')
df.head()

 

Out[2]:

	survived	pclass	sex	age	sibsp	parch	fare	embarked	class	who	adult_male	deck	embark_town	alive	alone
0	0	3	male	22.0	1	0	7.2500	S	Third	man	True	NaN	Southampton	no	False
1	1	1	female	38.0	1	0	71.2833	C	First	woman	False	C	Cherbourg	yes	False
2	1	3	female	26.0	0	0	7.9250	S	Third	woman	False	NaN	Southampton	yes	True
3	1	1	female	35.0	1	0	53.1000	S	First	woman	False	C	Southampton	yes	False
4	0	3	male	35.0	0	0	8.0500	S	Third	man	True	NaN	Southampton	no	True

 

In [3]:

# 1번
df1 = df[['age','sex','class','fare','survived']]
df1

 

Out[3]:

	age	sex	class	fare	survived
0	22.0	male	Third	7.2500	0
1	38.0	female	First	71.2833	1
2	26.0	female	Third	7.9250	1
3	35.0	female	First	53.1000	1
4	35.0	male	Third	8.0500	0
...	...	...	...	...	...
886	27.0	male	Second	13.0000	0
887	19.0	female	First	30.0000	1
888	NaN	female	Third	23.4500	0
889	26.0	male	First	30.0000	1
890	32.0	male	Third	7.7500	0

891 rows × 5 columns

 

In [4]:

df2 = df1.groupby('class').agg(np.std).reset_index()
df2

 

Out[4]:

	class	age	fare	survived
0	First	14.802856	78.380373	0.484026
1	Second	14.001077	13.417399	0.500623
2	Third	12.495398	11.778142	0.428949

 

In [5]:

def cal_min_max(x):
    return x.max() - x.min()

 

In [6]:

df3 = df1.groupby('class').agg(cal_min_max)
df3

 

Out[6]:

	age	fare	survived
class
First	79.08	512.3292	1
Second	69.33	73.5000	1
Third	73.58	69.5500	1

 

In [7]:

df4 = df1.groupby('class').agg(['min', 'max'])
df4

 

Out[7]:

	age		sex		fare		survived
	min	max	min	max	min	max	min	max
class
First	0.92	80.0	female	male	0.0	512.3292	0	1
Second	0.67	70.0	female	male	0.0	73.5000	0	1
Third	0.42	74.0	female	male	0.0	69.5500	0	1

 

In [8]:

df5 = df1.groupby('class').agg({
    "fare":['min', 'max'],
    "age":['mean']})
df5

 

Out[8]:

	fare		age
	min	max	mean
class
First	0.0	512.3292	38.233441
Second	0.0	73.5000	29.877630
Third	0.0	69.5500	25.140620

 

In [9]:

df6 = df1.groupby('class').filter(lambda x: x['age'].mean() < 30)
df6.tail()

 

Out[9]:

	age	sex	class	fare	survived
884	25.0	male	Third	7.050	0
885	39.0	female	Third	29.125	0
886	27.0	male	Second	13.000	0
888	NaN	female	Third	23.450	0
890	32.0	male	Third	7.750	0