datamanim Type1. 서울시 따릉이 이용정보 데이터

서울시 따릉이 이용정보 데이터

Q33. 각 요일별 가장 많이 이용한 대여소의 이용횟수와 대여소 번호를 데이터 프레임으로 출력하라

df.head()

	대여일자	대여시간	대여소번호	대여구분코드	성별	연령대코드	이용건수	운동량	탄소량	이동거리	사용시간	day_name
0	2021-06-01	0	3541	정기권	F	~10대	1	0.00	0.00	0.00	8	Tuesday
1	2021-06-01	0	765	정기권	F	~10대	1	27.21	0.35	1526.81	19	Tuesday
2	2021-06-01	0	2637	정기권	F	~10대	1	41.40	0.37	1608.56	18	Tuesday
3	2021-06-01	0	2919	정기권	F	~10대	1	0.00	0.00	0.00	75	Tuesday
4	2021-06-01	0	549	정기권	F	~10대	1	13.04	0.17	731.55	6	Tuesday

# idea : day_name, 대여소번호로 grouping 한 후 내립차순으로 정렬하고, day_name 의 중복을 첫번째만 남기고 없앤다.

# to_frame 한 상태에서는 day_name 이 index로 들어가 있기 때문에, drop_duplicates를 할 수가 없다.
df2 = df.groupby(['day_name','대여소번호']).size().sort_values(ascending = False).to_frame('size')
df2

		size
day_name	대여소번호
Saturday	502	378
Sunday	502	372
	152	338
Saturday	207	323
Sunday	207	318
...	...	...
Saturday	2659	1
Friday	2094	1
Sunday	2425	1
Tuesday	2094	1
Wednesday	2288	1

16874 rows × 1 columns

# reset_index() 에서 drop=True 옵션이 index를 col으로 빼고 없애는건데, 지금의 경우에는 없애면 안된다.
df2.reset_index().drop_duplicates('day_name', keep = 'first')

	day_name	대여소번호	size
0	Saturday	502	378
1	Sunday	502	372
8	Wednesday	502	282
9	Friday	502	277
10	Tuesday	502	267
19	Monday	502	242
298	Thursday	2715	137

df.head()

	대여일자	대여시간	대여소번호	대여구분코드	성별	연령대코드	이용건수	운동량	탄소량	이동거리	사용시간	day_name
0	2021-06-01	0	3541	정기권	F	~10대	1	0.00	0.00	0.00	8	Tuesday
1	2021-06-01	0	765	정기권	F	~10대	1	27.21	0.35	1526.81	19	Tuesday
2	2021-06-01	0	2637	정기권	F	~10대	1	41.40	0.37	1608.56	18	Tuesday
3	2021-06-01	0	2919	정기권	F	~10대	1	0.00	0.00	0.00	75	Tuesday
4	2021-06-01	0	549	정기권	F	~10대	1	13.04	0.17	731.55	6	Tuesday

df.대여구분코드.unique()

array(['정기권', '일일권', '단체권', '일일권(비회원)'], dtype=object)

Q34. 나이대별 대여구분 코드의 (일일권/전체횟수) 비율을 구한 후 가장 높은 비율을 가지는 나이대를 확인하라. 일일권의 경우 일일권 과 일일권(비회원)을 모두 포함하라

df.head(3)

	대여일자	대여시간	대여소번호	대여구분코드	성별	연령대코드	이용건수	운동량	탄소량	이동거리	사용시간	day_name
0	2021-06-01	0	3541	정기권	F	~10대	1	0.00	0.00	0.00	8	Tuesday
1	2021-06-01	0	765	정기권	F	~10대	1	27.21	0.35	1526.81	19	Tuesday
2	2021-06-01	0	2637	정기권	F	~10대	1	41.40	0.37	1608.56	18	Tuesday

daily = df[df.대여구분코드.isin(['일일권','일일권(비회원)'])].groupby('연령대코드').size().sort_index()
daily

연령대코드
20대     59393
30대     31127
40대     12695
50대      4607
60대       819
70대~      158
~10대    11540
dtype: int64

total = df.연령대코드.value_counts().sort_index()
total  # pandas series type

연령대코드
20대     247561
30대     186722
40대     114799
50대      70428
60대      19288
70대~      3227
~10대     36925
Name: count, dtype: int64

# series type 끼리 서로 연산이 가능함
(daily/total).sort_values(ascending = False)

연령대코드
~10대    0.312525
20대     0.239913
30대     0.166702
40대     0.110585
50대     0.065414
70대~    0.048962
60대     0.042462
dtype: float64

Q38. 평일 (월~금) 출근 시간대(오전 6,7,8시)의 대여소별 이용 횟수를 구해서 데이터 프레임 형태로 표현한 후 각 대여시간별 이용 횟수의 상위 3개 대여소와 이용횟수를 출력하라

con1 = df.day_name.isin(['Saturday','Sunday'])
con2 = df.대여시간.isin([6,7,8])
df_cond = df[~con1 & con2]
df_tg = df_cond.groupby(['대여시간','대여소번호']).size().to_frame('이용 횟수')
df_tg

		이용 횟수
대여시간	대여소번호
6	102	5
	103	8
	106	1
	109	4
	111	5
...	...	...
8	4864	4
	4865	12
	4867	3
	4868	3
	9980	1

6236 rows × 1 columns

# sort_values 에 값을 이용횟수만 넣으면 index가 꼬여서 대여시간까지 같이 넣어줘야함
display(df_tg.sort_values(['대여시간','이용 횟수'], ascending = False),df_tg.sort_values(['이용 횟수'], ascending = False))

		이용 횟수
대여시간	대여소번호
8	2701	119
	646	115
	1152	92
	1906	91
	247	89
...	...	...
6	4804	1
	4811	1
	4852	1
	4860	1
	4861	1

6236 rows × 1 columns

		이용 횟수
대여시간	대여소번호
8	2701	119
	646	115
7	259	104
8	1152	92
	1906	91
...	...	...
6	1929	1
7	1652	1
6	1920	1
7	1657	1
8	9980	1

6236 rows × 1 columns

# df_tg로 한번 grouping 된 dataframe을 다시 grouping 하면서 head()로 집계함
df_tg.sort_values(['대여시간','이용 횟수'], ascending = False).groupby(['대여시간']).head(3)

		이용 횟수
대여시간	대여소번호
8	2701	119
	646	115
	1152	92
7	259	104
	230	77
	726	77
6	2744	45
	1125	40
	1028	36

Q40. 남성(‘M’ or ‘m’)과 여성(‘F’ or ‘f’)의 이동거리값의 평균값을 구하여라

# map 을 통해 컬럼 값 넣기
df['sex'] = df.성별.map(lambda x : '남' if x.lower() == 'm' else '여')
df.groupby('sex').이동거리.mean().to_frame('이동거리')

	이동거리
sex
남	3209.110871
여	3468.575025