728x90
반응형
SMALL
import numpy as np
데이터 불러오기 (np.loadtxt)
python 파일 경로에 data폴더 만든 후 다음의 births.txt 파일 넣어놓기
birth = np.loadtxt( 'data/births.txt', delimiter=',', dtype=np.int64)
# data폴더 안의 births.txt파일 ','로 구분하여 load하기
birth.shape # 132행 3열[OUT] :
(132, 3)
birth # 연도, 남아수, 여아수로 구성되어있음[OUT] :
array([[ 1880, 90993, 110491],
[ 1881, 91954, 100745],
[ 1882, 107850, 113688],
[ 1883, 112321, 104629],
[ 1884, 129022, 114445],
[ 1885, 133055, 107800],
[ 1886, 144535, 110784],
[ 1887, 145982, 101414],
[ 1888, 178627, 120853],
[ 1889, 178366, 110584],
[ 1890, 190377, 111025],
[ 1891, 185482, 101196],
[ 1892, 212346, 122037],
[ 1893, 212906, 112317],
[ 1894, 222922, 115772],
[ 1895, 233630, 117398],
[ 1896, 237920, 119570],
[ 1897, 234202, 112758],
[ 1898, 258770, 122693],
[ 1899, 233023, 106212],
[ 1900, 299828, 150499],
...
[ 2011, 1753500, 1893230]])데이터 시각화하기 (matplotlib)
import matplotlib.pyplot as plt # 시각화와 관련된 라이브러리
# matplotlib 연습
a = np.array([1,2,3,4,5])
b = np.array([11,22,33,44,55])
plt.plot(a,b , 'bo--')
plt.bar(a,b) # bar chart 만들기
plt.title( 'kor' ) # chart의 제목 : 'kor'
plt.xlabel('Students_num') # x축 label : 'Students_num'
plt.ylabel('Score') # y축 label : 'Score'
plt.show()
문제
#1. 남아 , 여아 출생 평균을 구하시오.
#2. 2000년대 이후 데이터를 구하시오.
년도 남아 여아
==============
2000 xx xx
#3. 남아출생이 가장 많은 연도와 남아수를 구하시오.
#4. 남아출생이 가장 많은 top 5를 구하시오.(연도와 남아수)
#5. 남아율(%)을 구하고 각 연도별 남아수가 차지하는비율을 데이터로 보여주시오.
남아수 여아수 남아율
===================
..
#6. 2000년도 이후데이터 에 대해 출생량을 구하고 남아수가 1800000 이상이면 '많음'아니면 '적음'이라고 보여 주시오.
연도 남아수 출생량
2000 1233 '많음'
2001 1234 '적음'
#7. 1800년대, 1900년대, 2000년대 각 남아,여아수 평균을 구하시오.
#8. 여아 25%~75%사이의 값을 구하시오.
#9. 2000년대 남아데이터를 바 차트로 그리시오.
※ 스스로 풀어본 후 아래 Solution 확인하기
Solution
#1. 남아 ,여아 출생 평균을 구하시오.
birth
print( "남아 평균:",int(birth[:,1].mean()) ) #남아
print( "여아 평균:",int(birth[:,2].mean()) ) #여아[OUT] :
남아 평균: 1225776
여아 평균: 1245399
#2. 2000년대 이후 데이터를 구하시오.
년도 남아 여아
==============
2000 xx xx
print('연도','남아', '여아',sep='\t')
print('='*23)
for y,m,f in birth[ birth[:,0] >= 2000 ]:
print( y,m,f,sep='\t')[OUT] :
연도 남아 여아
=======================
2000 1814601 1962406
2001 1799049 1941251
2002 1795206 1939815
2003 1825359 1973434
2004 1834145 1982794
2005 1845379 1994841
2006 1898463 2052377
2007 1919408 2072139
2008 1887234 2036289
2009 1832925 1979303
2010 1772738 1913851
2011 1753500 1893230
#3. 남아출생이 가장 많은 연도와 남아수를 구하시오.
# birth[:,1].argmax() : 남아수가 가장 많은 값의 index반환
# birth[birth[:,1].argmax()][[0,1]] : 남아수가 가장 많은 값의 연도와 남아수 리스트 형태로 반환
y = birth[birth[:,1].argmax()][[0,1]][0]
b = birth[birth[:,1].argmax()][[0,1]][1]
print('연도','남아수',sep='\t')
print(y,b,sep='\t')[OUT] :
연도 남아수
1957 2044160
#4. 남아출생이 가장 많은 top 5를 구하시오.(연도와 남아수)
top5_boys = np.sort( birth[:,1] )[-1:-6:-1]
print('연도 남아수')
print('='*12)
for i in birth:
for j in top5_boys:
if i[1] == j:
print(i[0],j)[OUT] :
연도 남아수
============
1957 2044160
1958 2010884
1959 2023044
1960 2022093
1961 2017316
#5. 남아율(%) 을 구하고 각 연도별 남아수가 차지하는비율을 데이터로 보여주시오.
남아수 여아수 남아율
===================
..
boys_ratio = ( birth[:,1]/ (birth[:,1]+birth[:,2]) ).round(2)
print( '년도','남아', '여아', '남아율',sep='\t')
print('=='*14)
for year, boy , girl , boy_ratio in zip(birth[:,0], birth[:,1],birth[:,2], boys_ratio):
print(year,boy, girl, boy_ratio,sep='\t')[OUT] :
년도 남아 여아 남아율
============================
1880 90993 110491 0.45
1881 91954 100745 0.48
1882 107850 113688 0.49
1883 112321 104629 0.52
1884 129022 114445 0.53
1885 133055 107800 0.55
1886 144535 110784 0.57
1887 145982 101414 0.59
1888 178627 120853 0.6
1889 178366 110584 0.62
1890 190377 111025 0.63
1891 185482 101196 0.65
1892 212346 122037 0.64
1893 212906 112317 0.65
1894 222922 115772 0.66
1895 233630 117398 0.67
...
2011 1753500 1893230 0.48
#6. 2000년도 이후데이터 에 대해 출생량 을 구하고 남아수가 1800000 이상이면 '많음'아니면 '적음'이라고 보여 주시오.
연도 남아수 출생량
2000 1233 '많음'
2001 1234 '적음'
aft_2000 = birth [ birth[:,0] >= 2000 ]
boys = aft_2000[:,1]
amount = np.where( aft_2000[:,1] >= 1800000 , '많음', '적음')
for year, boy, amt in zip( aft_2000[:,0],aft_2000[:,1], amount):
print(year, boy, amt)[OUT] :
2000 1814601 많음
2001 1799049 적음
2002 1795206 적음
2003 1825359 많음
2004 1834145 많음
2005 1845379 많음
2006 1898463 많음
2007 1919408 많음
2008 1887234 많음
2009 1832925 많음
2010 1772738 적음
2011 1753500 적음
#7. 1800년대, 1900년대, 2000년대각 남아, 여아수 평균을 구하시오.
print('1800년대')
print('남아수 평균, 여아수 평균')
kids_1800s = birth[ (birth[:,0] >= 1800) & (birth[:,0]< 1900) ][:,1:]
print(kids_1800s.mean( axis=0 )[0],kids_1800s.mean( axis=0 )[1])[OUT] :
1800년대
남아수 평균, 여아수 평균
176714.15 111820.55
print('1900년대')
print('남아수 평균, 여아수 평균')
kids_1900s = birth[ (birth[:,0] >= 1900) & (birth[:,0]< 2000) ][:,1:]
print(kids_1900s.mean( axis=0 )[0],kids_1900s.mean( axis=0 )[1])[OUT] :
1900년대
남아수 평균, 여아수 평균
1362901.51 1384145.55
print('2000년대')
print('남아수 평균, 여아수 평균')
kids_2000s = birth[ birth[:,0] >= 2000 ][:,1:]
print(kids_2000s.mean( axis=0 )[0],kids_2000s.mean( axis=0 )[1])[OUT] :
2000년대
남아수 평균, 여아수 평균
1831500.5833333333 1978477.5
#8. 여아 25%~75% 사이의 값을 구하시오.
girls_q25 = np.quantile( birth[:,2] ,0.25 )
girls_q75 = np.quantile( birth[:,2] ,0.75 )
birth [ (birth[:,2] >= girls_q25) & (birth[:,2] <= girls_q75 ) ][:,[0,2]][OUT] :
array([[ 1913, 512557],
[ 1914, 654762],
[ 1915, 848603],
[ 1916, 890099],
[ 1917, 925511],
[ 1918, 1013537],
[ 1919, 980149],
[ 1920, 1064463],
[ 1921, 1101457],
[ 1922, 1088287],
[ 1923, 1096168],
[ 1924, 1132751],
[ 1925, 1115958],
[ 1926, 1110505],
[ 1927, 1126717],
[ 1928, 1107518],
[ 1929, 1075313],
...
[ 2011, 1893230]])
#9. 2000년대 남아 데이터를 바 차트로 그리시오.
boys_2000s = birth[ birth[:,0] >= 2000 ][:,0:2]
plt.bar( boys_2000s[:,0] ,boys_2000s[:,1], color='salmon')
plt.xlabel('year')
plt.ylabel('boysBirth')
plt.show()
Review
- cheer up
728x90
반응형
LIST
