[python 데이터 핸들링] 판다스 연습 튜토리얼 - 04_Apply , Map

Reference
- DataManim (https://www.datamanim.com/dataset/99_pandas/pandasMain.html#)
- <파이썬 한권으로 끝내기>, 데싸라면▪빨간색 물고기▪자투리코드, 시대고시기획 시대교육

 

DataSet

카드이용데이터 : https://www.kaggle.com/sakshigoyal7/credit-card-customers 

DataUrl = ‘https://raw.githubusercontent.com/Datamanim/pandas/main/BankChurnersUp.csv%E2%80%99

 

Question

✔ 데이터를 로드하고 데이터 행과 열의 갯수를 출력하라

In [ ]:

import pandas as pd
df = pd.read_csv('https://raw.githubusercontent.com/Datamanim/pandas/main/BankChurnersUp.csv',index_col=0)
Ans = df.shape
Ans

 

Out[ ]:

(10127, 18)

 

 

✔ Income_Category의 카테고리를 map 함수를 이용하여 다음과 같이 변경하여 newIncome 컬럼에 매핑하라

Unknown : N Less than $40K : a $40K - $60K : b $60K - $80K : c $80K - $120K : d $120K +’ : e

In [ ]:

dic = {
    'Unknown'        : 'N',
    'Less than $40K' : 'a',
    '$40K - $60K'    : 'b',
    '$60K - $80K'    : 'c',
    '$80K - $120K'   : 'd',
    '$120K +'        : 'e'   
}
df['newIncome'] = df.Income_Category.map(lambda x:dic[x])
Ans = df['newIncome']
Ans

 

Out[ ]:

0        c
1        a
2        d
3        a
4        c
        ..
10122    b
10123    b
10124    a
10125    b
10126    a
Name: newIncome, Length: 10127, dtype: object

 

+ map(function, sequence)
  function: 각 요소에 적용할 함수 지정. 보통은 함수 이름이나 람다 함수(lambda function) 형태로 작성
  sequence: 함수를 적용할 시퀀스(예: 리스트, 튜플, 시리즈)를 지정

+ lambda arguments: expression
  arguments: 람다 함수의 인수를 지정, 필요에 따라 여러 개를 지정할 수 있으며, 쉼표로 구분
  expression: 람다 함수의 실행할 단일 표현식을 지정, 함수의 반환 값

+ map(lambda x:dic[x]) : dic 딕셔너리에서 x 값을 참조하여 해당 값을 반환하는 람다 함수가 사용. 시퀀스의 각 요소를 dic 딕셔너리의 값으로 매핑하여 새로운 시퀀스를 생성

 

✔ Income_Category의 카테고리를 apply 함수를 이용하여 다음과 같이 변경하여 newIncome 컬럼에 매핑하라

Unknown : N Less than $40K : a $40K - $60K : b $60K - $80K : c $80K - $120K : d $120K +’ : e

In [ ]:

def changeCategory(x):
    if x =='Unknown':
        return 'N'
    elif x =='Less than $40K':
        return 'a'
    elif x =='$40K - $60K':   
        return 'b'
    elif x =='$60K - $80K':    
        return 'c'
    elif x =='$80K - $120K':   
        return 'd'
    elif x =='$120K +' :     
        return 'e'

df['newIncome'] = df.Income_Category.apply(changeCategory)
Ans = df['newIncome']
Ans

 

Out[ ]:

0        c
1        a
2        d
3        a
4        c
        ..
10122    b
10123    b
10124    a
10125    b
10126    a
Name: newIncome, Length: 10127, dtype: object

+ apply(func, axis=0) : 열 또는 행에 함수를 적용

  func: 적용할 함수 또는 람다 함수

  axis: 함수를 적용할 축 지정, axis=0인 경우 열(컬럼)에 함수를 적용하고, axis=1인 경우 행에 함수 적용. 기본값은 0(열)

 

✔ Customer_Age의 값을 이용하여 나이 구간을 AgeState 컬럼으로 정의하라.

(0~9 : 0 , 10~19 :10 , 20~29 :20 … 각 구간의 빈도수를 출력하라)

In [ ]:

df['AgeState'] = df.Customer_Age.map(lambda x: x//10 *10)
Ans = df['AgeState'].value_counts().sort_index()
Ans

 

Out[ ]:

AgeState
20     195
30    1841
40    4561
50    2998
60     530
70       2
Name: count, dtype: int64

 

✔ Education_Level의 값중 Graduate단어가 포함되는 값은 1 그렇지 않은 경우에는 0으로 변경하여 newEduLevel 컬럼을 정의하고 빈도수를 출력하라

In [ ]:

df['newEduLevel'] = df.Education_Level.map(lambda x : 
                                           1 if 'Graduate' in x 
                                           else 0)
Ans = df['newEduLevel'].value_counts()
Ans

 

Out[ ]:

newEduLevel
0    6483
1    3644
Name: count, dtype: int64

+ lambda 매개변수 : 표현식 if 조건식 else 표현식
  표현식: 조건식이 참일 때 또는 거짓일 때 반환될 값.
  조건식: 조건을 나타내는 표현식. 조건식이 참이면 첫 번째 표현식이 반환되고, 거짓이면 두 번째 표현식이 반환

 

✔ Credit_Limit 컬럼값이 4500 이상인 경우 1 그외의 경우에는 모두 0으로 하는 newLimit 정의하라. newLimit 각 값들의 빈도수를 출력하라

In [ ]:

df['newLimit'] = df.Credit_Limit.map(lambda x : 
                                     1 if x>=4500
                                       else 0)
Ans = df['newLimit'].value_counts()
Ans

 

Out[ ]:

newLimit
1    5096
0    5031
Name: count, dtype: int64

 

✔ Marital_Status 컬럼값이 Married 이고 Card_Category 컬럼의 값이 Platinum인 경우 1 그외의 경우에는 모두 0으로 하는 newState컬럼을 정의하라. newState의 각 값들의 빈도수를 출력하라

In [ ]:

def check(x):
    if x.Marital_Status =='Married' and x.Card_Category =='Platinum':
        return 1
    else:
        return 0


df['newState'] = df.apply(check, axis=1)
Ans  = df['newState'].value_counts()
Ans

 

Out[ ]:

newState
0    10120
1        7
Name: count, dtype: int64

 

 

✔ Gender 컬럼값 M인 경우 male F인 경우 female로 값을 변경하여 Gender 컬럼에 새롭게 정의하라. 각 value의 빈도를 출력하라

In [ ]:

def changeGender(x):
    if x =='M':
        return 'male'
    else:
        return 'female'
df['Gender'] = df.Gender.apply(changeGender)
Ans = df['Gender'].value_counts()
Ans

 

Out[ ]:

Gender
female    5358
male      4769
Name: count, dtype: int64