202212 MPG_Data+Gapminder_Data_공부2
∣
2022년 12월 10일
데이터 로드
mpg 데이터
import pandas as pd
mpg=pd.read_csv('/content/drive/MyDrive/mpg.csv')
mpg.head()
| manufacturer | model | displ | year | cyl | trans | drv | cty | hwy | fl | category | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | audi | a4 | 1.8 | 1999 | 4 | auto(l5) | f | 18 | 29 | p | compact |
| 1 | audi | a4 | 1.8 | 1999 | 4 | manual(m5) | f | 21 | 29 | p | compact |
| 2 | audi | a4 | 2.0 | 2008 | 4 | manual(m6) | f | 20 | 31 | p | compact |
| 3 | audi | a4 | 2.0 | 2008 | 4 | auto(av) | f | 21 | 30 | p | compact |
| 4 | audi | a4 | 2.8 | 1999 | 6 | auto(l5) | f | 16 | 26 | p | compact |
컬럼 설명
- manufacturer : 제조 회사
- displ : 배기량
- cyl : 실린더 개수
- drv : 구동 방식
- hwy : 고속도로 연비
- class : 자동차 종류
- model : 자동차 모델명
- year : 생산연도
- trans : 변속기 종류
- cty : 도시 연비
- fl : 연료 종류
- category : 카테고리
gapminder 데이터
gap = pd.read_csv('/content/drive/MyDrive/gapminder.tsv',sep='\t')
gap.head()
| country | continent | year | lifeExp | pop | gdpPercap | |
|---|---|---|---|---|---|---|
| 0 | Afghanistan | Asia | 1952 | 28.801 | 8425333 | 779.445314 |
| 1 | Afghanistan | Asia | 1957 | 30.332 | 9240934 | 820.853030 |
| 2 | Afghanistan | Asia | 1962 | 31.997 | 10267083 | 853.100710 |
| 3 | Afghanistan | Asia | 1967 | 34.020 | 11537966 | 836.197138 |
| 4 | Afghanistan | Asia | 1972 | 36.088 | 13079460 | 739.981106 |
컬럼 설명
- country : 국가
- continent : 대륙
- year : 1952년~2007년 까지 5년 주기로 추출
- lifeExp : 출생시 기대수명
- pop : 인구 수
- gdpPercap : 1인당 GDP ( = 높을수록 경제성장 했다!는 의미)
mpg데이터 자동차 나라별 gdp 평균
mgp 데이터 나라별 자동차
- 독일 : audi,volkswagen
- 미국 : chevrolet,dodge,ford,jeep,lincoln,mercury,pontiac
- 일본 : honda,nissan,subaru,toyota
- 한국 : hyundai
- 영국 : land rover
gap['country'].unique()
array(['Afghanistan', 'Albania', 'Algeria', 'Angola', 'Argentina',
'Australia', 'Austria', 'Bahrain', 'Bangladesh', 'Belgium',
'Benin', 'Bolivia', 'Bosnia and Herzegovina', 'Botswana', 'Brazil',
'Bulgaria', 'Burkina Faso', 'Burundi', 'Cambodia', 'Cameroon',
'Canada', 'Central African Republic', 'Chad', 'Chile', 'China',
'Colombia', 'Comoros', 'Congo, Dem. Rep.', 'Congo, Rep.',
'Costa Rica', "Cote d'Ivoire", 'Croatia', 'Cuba', 'Czech Republic',
'Denmark', 'Djibouti', 'Dominican Republic', 'Ecuador', 'Egypt',
'El Salvador', 'Equatorial Guinea', 'Eritrea', 'Ethiopia',
'Finland', 'France', 'Gabon', 'Gambia', 'Germany', 'Ghana',
'Greece', 'Guatemala', 'Guinea', 'Guinea-Bissau', 'Haiti',
'Honduras', 'Hong Kong, China', 'Hungary', 'Iceland', 'India',
'Indonesia', 'Iran', 'Iraq', 'Ireland', 'Israel', 'Italy',
'Jamaica', 'Japan', 'Jordan', 'Kenya', 'Korea, Dem. Rep.',
'Korea, Rep.', 'Kuwait', 'Lebanon', 'Lesotho', 'Liberia', 'Libya',
'Madagascar', 'Malawi', 'Malaysia', 'Mali', 'Mauritania',
'Mauritius', 'Mexico', 'Mongolia', 'Montenegro', 'Morocco',
'Mozambique', 'Myanmar', 'Namibia', 'Nepal', 'Netherlands',
'New Zealand', 'Nicaragua', 'Niger', 'Nigeria', 'Norway', 'Oman',
'Pakistan', 'Panama', 'Paraguay', 'Peru', 'Philippines', 'Poland',
'Portugal', 'Puerto Rico', 'Reunion', 'Romania', 'Rwanda',
'Sao Tome and Principe', 'Saudi Arabia', 'Senegal', 'Serbia',
'Sierra Leone', 'Singapore', 'Slovak Republic', 'Slovenia',
'Somalia', 'South Africa', 'Spain', 'Sri Lanka', 'Sudan',
'Swaziland', 'Sweden', 'Switzerland', 'Syria', 'Taiwan',
'Tanzania', 'Thailand', 'Togo', 'Trinidad and Tobago', 'Tunisia',
'Turkey', 'Uganda', 'United Kingdom', 'United States', 'Uruguay',
'Venezuela', 'Vietnam', 'West Bank and Gaza', 'Yemen, Rep.',
'Zambia', 'Zimbabwe'], dtype=object)
country_mpg=['Germany','United States','Japan','Korea, Rep.','United Kingdom']
data=gap.loc[:,['country','gdpPercap']]
data.groupby('country')['gdpPercap'].mean()[country_mpg].sort_values(ascending=False)
country
United States 26261.151347
Germany 20556.684433
United Kingdom 19380.472986
Japan 17750.869984
Korea, Rep. 8217.318485
Name: gdpPercap, dtype: float64
- mpg데이터 자동차 나라별 gdp 평균 순위 : 한국 < 일본 < 영국 < 독일 < 미국
나라별 기대수명
data1=gap.iloc[:,[0,-3]]
data1.groupby('country').mean().round(0).sort_values(by='lifeExp',ascending=False)
| lifeExp | |
|---|---|
| country | |
| Iceland | 77.0 |
| Netherlands | 76.0 |
| Switzerland | 76.0 |
| Sweden | 76.0 |
| Norway | 76.0 |
| ... | ... |
| Mozambique | 40.0 |
| Guinea-Bissau | 39.0 |
| Angola | 38.0 |
| Sierra Leone | 37.0 |
| Afghanistan | 37.0 |
142 rows × 1 columns
mpg 데이터의 나라별 기대수명
data2=gap.iloc[:,[0,-3]]
country_mpg=['Germany','United States','Japan','Korea, Rep.','United Kingdom']
data3=data2.groupby('country').mean().sort_values(by='lifeExp',ascending=False)
data3.loc[country_mpg,:].sort_values(by='lifeExp',ascending=False).round(0)
| lifeExp | |
|---|---|
| country | |
| Japan | 75.0 |
| United Kingdom | 74.0 |
| United States | 73.0 |
| Germany | 73.0 |
| Korea, Rep. | 65.0 |
년도별 기대수명 평균
data4=gap.loc[:,['year','lifeExp']]
data4.groupby('year')['lifeExp'].mean()
year
1952 49.057620
1957 51.507401
1962 53.609249
1967 55.678290
1972 57.647386
1977 59.570157
1982 61.533197
1987 63.212613
1992 64.160338
1997 65.014676
2002 65.694923
2007 67.007423
Name: lifeExp, dtype: float64
대륙별 인구수 분포
data5=gap.loc[:,['continent','pop']]
data5.groupby('continent')['pop'].sum().sort_values(ascending=False)
continent
Asia 30507333901
Americas 7351438499
Africa 6187585961
Europe 6181115304
Oceania 212992136
Name: pop, dtype: int64
mpg의 고속도로, 도시 연비
mpg.loc[:,['hwy','cty']]
| hwy | cty | |
|---|---|---|
| 0 | 29 | 18 |
| 1 | 29 | 21 |
| 2 | 31 | 20 |
| 3 | 30 | 21 |
| 4 | 26 | 16 |
| ... | ... | ... |
| 229 | 28 | 19 |
| 230 | 29 | 21 |
| 231 | 26 | 16 |
| 232 | 26 | 18 |
| 233 | 26 | 17 |
234 rows × 2 columns
대륙 중 1인당 gdp 최대수치
gap.groupby('continent')['gdpPercap'].max().sort_values(ascending=False).iloc[0]
113523.1329
IMF시기 한국의 1인당 gdp수치
IMF : 1997~2001
data11=gap.loc[:,['country','year','gdpPercap']]
data12=data11[(data11['country']=='Korea, Rep.')& (1997<=data11['year']) & (data11['year']<=2002)]
data12.groupby('year')['gdpPercap'].mean()
year
1997 15993.52796
2002 19233.98818
Name: gdpPercap, dtype: float64
한국의 연도별 1인당 gdp 수치 변화
data11=gap.loc[:,['country','year','gdpPercap']]
data12=data11[data11['country']=='Korea, Rep.']
data13=data12.groupby('year')['gdpPercap'].mean()
import matplotlib.pyplot as plt
plt.plot(data13)
plt.show()
미국의 연도별 1인당 gdp 수치 변화
data11=gap.loc[:,['country','year','gdpPercap']]
data12=data11[data11['country']=='United States']
data13=data12.groupby('year')['gdpPercap'].mean()
import matplotlib.pyplot as plt
plt.plot(data13)
plt.show()
댓글