😁 빅데이터 문제 풀기 & Study/- 이외 사이트 문제

[Pandas] Pandas 연습 문제 풀기 -4 🐼

또방91 2022. 2. 22. 14:11

728x90

데이터 EDA를 위한 Pandas 역량기르기 타~임!

맛집 데이터를 정돈하기¶

In [1]:

# 라이브러리 임포트 하기
import pandas as pd
import matplotlib.pyplot as plt
import os

In [2]:

os.listdir('./data')

Out[2]:

['.ipynb_checkpoints',
 'auto-mpg.csv',
 'euro12.csv',
 'Euro_2012_stats_TEAM.csv',
 'matzipData.csv',
 '남북한발전전력량.xlsx',
 '소상공인시장진흥공단_상가업소정보_의료기관.csv',
 '주가데이터.xlsx']

In [3]:

# './data/matzipData.csv'을 읽어서 df에 대입하기, 단 인코딩은 utf-8

df = pd.read_csv("./data/matzipData.csv", encoding="utf-8")
df

Out[3]:

	Restaurant Name	Rating	Address	Tel	Food	Price	Parking	Operating Time	Holiday
0	이나니와요스케	4.4	서울시 중구 을지로1가 192-11	02-772-9994	라멘 / 소바 / 우동	만원-2만원	주차공간없음	11:00 - 23:00	일
1	바오차이	4.4	서울시 중구 을지로2가 203	02-6031-0107	정통 중식 / 일반 중식	2만원-3만원	유료주차 가능	11:30 - 21:30	NaN
2	라칸티나	4.4	서울시 중구 을지로1가 50	02-777-2579	이탈리안	3만원-4만원	NaN	월-토: 11:30 - 23:00 일: 17:30 - 23:00	NaN
3	라세느	4.3	서울시 중구 소공동 1	02-317-7171	뷔페	4만원 이상	발렛	06:00 - 22:00	NaN
4	산수갑산	4.3	서울시 중구 인현동1가 15-4	02-2275-6654	탕 / 찌개 / 전골	만원 미만	유료주차 가능	월-금: 11:30 - 22:00 토: 11:30 - 20:00	일
...	...	...	...	...	...	...	...	...	...
395	누룩나무	4	서울시 종로구 관훈동 118-19	02-722-3398	전통 주점 / 포차	만원-2만원	주차공간없음	17:00 - 01:30	일
396	옴	4	서울시 종로구 신문로1가 2	02-723-4848	인도 음식	만원-2만원	주차공간없음	11:00 - 22:00	NaN
397	코블러	4	서울시 종로구 내자동 157	02-733-6421	칵테일 / 와인	만원-2만원	유료주차 가능	19:00 - 03:00	일
398	클류치	4	서울시 종로구 명륜3가 79-1	010-2702-1496	카페 / 디저트	만원 미만	주차공간없음	월-토: 10:00 - 23:00 일: 11:00 - 20:00	NaN
399	도토리	4	서울시 종로구 안국동 24-1	02-6405-8153	기타 한식	만원 미만	유료주차 가능	월-금: 10:30 - 21:00 토-일: 10:30 - 22:00	NaN

400 rows × 9 columns

In [4]:

# df 행,열의 개수 확인하기

df.shape

Out[4]:

(400, 9)

In [5]:

# df의 모든 컬럼의 데이터타입 확인하기

df.dtypes

Out[5]:

Restaurant Name    object
Rating             object
Address            object
Tel                object
Food               object
Price              object
Parking            object
Operating Time     object
Holiday            object
dtype: object

In [6]:

# 앞의 5개 데이터 보기

df.head()

Out[6]:

	Restaurant Name	Rating	Address	Tel	Food	Price	Parking	Operating Time	Holiday
0	이나니와요스케	4.4	서울시 중구 을지로1가 192-11	02-772-9994	라멘 / 소바 / 우동	만원-2만원	주차공간없음	11:00 - 23:00	일
1	바오차이	4.4	서울시 중구 을지로2가 203	02-6031-0107	정통 중식 / 일반 중식	2만원-3만원	유료주차 가능	11:30 - 21:30	NaN
2	라칸티나	4.4	서울시 중구 을지로1가 50	02-777-2579	이탈리안	3만원-4만원	NaN	월-토: 11:30 - 23:00 일: 17:30 - 23:00	NaN
3	라세느	4.3	서울시 중구 소공동 1	02-317-7171	뷔페	4만원 이상	발렛	06:00 - 22:00	NaN
4	산수갑산	4.3	서울시 중구 인현동1가 15-4	02-2275-6654	탕 / 찌개 / 전골	만원 미만	유료주차 가능	월-금: 11:30 - 22:00 토: 11:30 - 20:00	일

In [7]:

# 데이터의 요약 정보 보기

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 400 entries, 0 to 399
Data columns (total 9 columns):
 #   Column           Non-Null Count  Dtype 
---  ------           --------------  ----- 
 0   Restaurant Name  400 non-null    object
 1   Rating           400 non-null    object
 2   Address          400 non-null    object
 3   Tel              350 non-null    object
 4   Food             400 non-null    object
 5   Price            397 non-null    object
 6   Parking          329 non-null    object
 7   Operating Time   364 non-null    object
 8   Holiday          126 non-null    object
dtypes: object(9)
memory usage: 28.2+ KB

In [8]:

# 데이터프레임의 결측치 개수 확인하기

df.isnull().sum()

Out[8]:

Restaurant Name      0
Rating               0
Address              0
Tel                 50
Food                 0
Price                3
Parking             71
Operating Time      36
Holiday            274
dtype: int64

In [9]:

# 'Holiday'열의 데이터별 개수 확인하기
df["Holiday"].value_counts()

Out[9]:

일                     75
월                     21
토, 일                   7
화                      3
일, 월                   2
수                      2
일, 첫째 월                2
둘째/넷째 일                2
월, 화                   2
둘째, 넷째 일               1
첫째, 셋째 월, 둘째, 넷째 일     1
월, 일                   1
월, 마지막 화               1
넷째 일, 월                1
월, 셋째 화                1
격주 월                   1
첫째/셋째 일                1
토-일                    1
토                      1
Name: Holiday, dtype: int64

In [10]:

# Holiday는 결측치가 274개 있음
df["Holiday"].isnull().sum()

Out[10]:

In [11]:

# 'Holiday'열의 결측치를 '연중무휴'로 변경하기

df["Holiday"].fillna("연중무휴",inplace=True)

In [12]:

# 'Holicay'열의 결측치 수 확인하기
# 0

df["Holiday"].isnull().sum()

Out[12]:

In [13]:

#  'Price'열의 데이터별 개수 확인하기

df["Price"].value_counts()

Out[13]:

만원-2만원     161
만원 미만      159
2만원-3만원     46
4만원 이상      22
3만원-4만원      9
Name: Price, dtype: int64

In [14]:

#  'Price'열의 결측치 개수 확인하기

df["Price"].isnull().sum()

Out[14]:

In [15]:

# 'Price'열의 결측치를 '10000'로 변경하기

df['Price'].fillna('10000', inplace=True)

In [16]:

#  'Price'열의 결측치 개수 확인하기
df["Price"].isnull().sum()

Out[16]:

In [17]:

df["Price"].value_counts()

Out[17]:

만원-2만원     161
만원 미만      159
2만원-3만원     46
4만원 이상      22
3만원-4만원      9
10000        3
Name: Price, dtype: int64

In [18]:

# 'price'열의 '만원 미만'->'10000'으로 변경하고 price 변수에 대입하기
price = df["Price"].replace("만원 미만","10000")

In [19]:

price

Out[19]:

0       만원-2만원
1      2만원-3만원
2      3만원-4만원
3       4만원 이상
4        10000
        ...   
395     만원-2만원
396     만원-2만원
397     만원-2만원
398      10000
399      10000
Name: Price, Length: 400, dtype: object

In [20]:

# 'price'열의 '만원-2만원'->'20000'으로 변경하고 price 변수에 대입하기

price = price.replace('만원-2만원','20000')
price

Out[20]:

0        20000
1      2만원-3만원
2      3만원-4만원
3       4만원 이상
4        10000
        ...   
395      20000
396      20000
397      20000
398      10000
399      10000
Name: Price, Length: 400, dtype: object

In [21]:

# 'price'열의 '2만원-3만원'->'30000'으로 변경하고 price 변수에 대입하기

price = price.replace('2만원-3만원','30000')
price

Out[21]:

0        20000
1        30000
2      3만원-4만원
3       4만원 이상
4        10000
        ...   
395      20000
396      20000
397      20000
398      10000
399      10000
Name: Price, Length: 400, dtype: object

In [22]:

# 'price'열의 '3만원-4만원'->'40000'으로 변경하고 price 변수에 대입하기

price = price.replace('3만원-4만원','40000')
price

Out[22]:

0       20000
1       30000
2       40000
3      4만원 이상
4       10000
        ...  
395     20000
396     20000
397     20000
398     10000
399     10000
Name: Price, Length: 400, dtype: object

In [23]:

# 'price'열의 '4만원 이상'->'50000'으로 변경하고 price 변수에 대입하기

price = price.replace('4만원 이상','50000')
price

Out[23]:

0      20000
1      30000
2      40000
3      50000
4      10000
       ...  
395    20000
396    20000
397    20000
398    10000
399    10000
Name: Price, Length: 400, dtype: object

In [24]:

# price 변수의 데이터타입 확인하기

price.dtypes

Out[24]:

dtype('O')

In [25]:

# price 변수의 데이터타입을 'int64'로 변경하기

price = price.astype("int64")

In [26]:

#  price 변수의 데이터별 개수 확인하기
price.value_counts()

Out[26]:

10000    162
20000    161
30000     46
50000     22
40000      9
Name: Price, dtype: int64

In [27]:

# price 변수의 데이터타입 확인하기
price.dtypes

Out[27]:

dtype('int64')

In [28]:

# df['Price']  조회

df['Price']

Out[28]:

0       만원-2만원
1      2만원-3만원
2      3만원-4만원
3       4만원 이상
4        만원 미만
        ...   
395     만원-2만원
396     만원-2만원
397     만원-2만원
398      만원 미만
399      만원 미만
Name: Price, Length: 400, dtype: object

In [29]:

# df['Price']열을 price로 변경하기
df['Price'] = price

In [30]:

# df확인

df

Out[30]:

	Restaurant Name	Rating	Address	Tel	Food	Price	Parking	Operating Time	Holiday
0	이나니와요스케	4.4	서울시 중구 을지로1가 192-11	02-772-9994	라멘 / 소바 / 우동	20000	주차공간없음	11:00 - 23:00	일
1	바오차이	4.4	서울시 중구 을지로2가 203	02-6031-0107	정통 중식 / 일반 중식	30000	유료주차 가능	11:30 - 21:30	연중무휴
2	라칸티나	4.4	서울시 중구 을지로1가 50	02-777-2579	이탈리안	40000	NaN	월-토: 11:30 - 23:00 일: 17:30 - 23:00	연중무휴
3	라세느	4.3	서울시 중구 소공동 1	02-317-7171	뷔페	50000	발렛	06:00 - 22:00	연중무휴
4	산수갑산	4.3	서울시 중구 인현동1가 15-4	02-2275-6654	탕 / 찌개 / 전골	10000	유료주차 가능	월-금: 11:30 - 22:00 토: 11:30 - 20:00	일
...	...	...	...	...	...	...	...	...	...
395	누룩나무	4	서울시 종로구 관훈동 118-19	02-722-3398	전통 주점 / 포차	20000	주차공간없음	17:00 - 01:30	일
396	옴	4	서울시 종로구 신문로1가 2	02-723-4848	인도 음식	20000	주차공간없음	11:00 - 22:00	연중무휴
397	코블러	4	서울시 종로구 내자동 157	02-733-6421	칵테일 / 와인	20000	유료주차 가능	19:00 - 03:00	일
398	클류치	4	서울시 종로구 명륜3가 79-1	010-2702-1496	카페 / 디저트	10000	주차공간없음	월-토: 10:00 - 23:00 일: 11:00 - 20:00	연중무휴
399	도토리	4	서울시 종로구 안국동 24-1	02-6405-8153	기타 한식	10000	유료주차 가능	월-금: 10:30 - 21:00 토-일: 10:30 - 22:00	연중무휴

400 rows × 9 columns

In [31]:

# 'Rating'열의 고유 데이터 확인하기

df["Rating"].unique()

Out[31]:

array(['4.4', '4.3', '4.1', '4', '3.9', '3.8', '3.7', '3.6', '3.4', '3.3',
       '3.2', '3.1', '2.7', '-', '4.7', '4.6', '4.5', '4.2'], dtype=object)

In [32]:

# 'Rating'열의 데이터 중 '-'->'0.0'로 변경하기 (str.replace()이용하기)

df["Rating"] = df["Rating"].str.replace("-","0.0")

In [33]:

# 'Rating'열의 데이터별 개수 확인하기
df["Rating"].value_counts()

Out[33]:

0.0    155
4       53
4.1     47
4.2     40
4.3     37
4.4     20
4.5      9
3.9      7
3.7      6
4.6      5
3.3      5
3.6      4
3.4      4
4.7      3
3.8      2
3.2      1
3.1      1
2.7      1
Name: Rating, dtype: int64

In [34]:

# 'Rating'열의 타입을 'float'로 변경하기

df["Rating"] =df["Rating"].astype("float")

In [35]:

# 'Rating'열의 데이터 타입 확인하기

df["Rating"].dtypes

Out[35]:

dtype('float64')

In [36]:

# 데이터프레임의 결측치 개수 확인하기
df.isnull().sum()

Out[36]:

Restaurant Name     0
Rating              0
Address             0
Tel                50
Food                0
Price               0
Parking            71
Operating Time     36
Holiday             0
dtype: int64

In [37]:

# 'Parking'열의 데이터별 개수 확인하기

df["Parking"].value_counts()

Out[37]:

주차공간없음                199
유료주차 가능                89
무료주차 가능                24
발렛                      8
유료주차 가능 2시간 무료          3
무료주차 가능 2시간 무료          2
유료주차 가능 주차권 2시간 제공      1
무료주차 가능 당일 무료           1
유료주차 가능 1시간 무료          1
유료주차 가능 1.5시간 무료        1
Name: Parking, dtype: int64

In [38]:

# 'Parking'열의 결측치를 '주차공간없음'으로 변경하기

df["Parking"].fillna("주차공간없음",inplace=True)

In [40]:

# 'Parking'열의 결측치 개수 확인하기

df["Parking"].isnull().sum()

Out[40]:

맛집 데이터로 분석 가능여부 확인¶

In [41]:

# df확인

df

Out[41]:

	Restaurant Name	Rating	Address	Tel	Food	Price	Parking	Operating Time	Holiday
0	이나니와요스케	4.4	서울시 중구 을지로1가 192-11	02-772-9994	라멘 / 소바 / 우동	20000	주차공간없음	11:00 - 23:00	일
1	바오차이	4.4	서울시 중구 을지로2가 203	02-6031-0107	정통 중식 / 일반 중식	30000	유료주차 가능	11:30 - 21:30	연중무휴
2	라칸티나	4.4	서울시 중구 을지로1가 50	02-777-2579	이탈리안	40000	주차공간없음	월-토: 11:30 - 23:00 일: 17:30 - 23:00	연중무휴
3	라세느	4.3	서울시 중구 소공동 1	02-317-7171	뷔페	50000	발렛	06:00 - 22:00	연중무휴
4	산수갑산	4.3	서울시 중구 인현동1가 15-4	02-2275-6654	탕 / 찌개 / 전골	10000	유료주차 가능	월-금: 11:30 - 22:00 토: 11:30 - 20:00	일
...	...	...	...	...	...	...	...	...	...
395	누룩나무	4.0	서울시 종로구 관훈동 118-19	02-722-3398	전통 주점 / 포차	20000	주차공간없음	17:00 - 01:30	일
396	옴	4.0	서울시 종로구 신문로1가 2	02-723-4848	인도 음식	20000	주차공간없음	11:00 - 22:00	연중무휴
397	코블러	4.0	서울시 종로구 내자동 157	02-733-6421	칵테일 / 와인	20000	유료주차 가능	19:00 - 03:00	일
398	클류치	4.0	서울시 종로구 명륜3가 79-1	010-2702-1496	카페 / 디저트	10000	주차공간없음	월-토: 10:00 - 23:00 일: 11:00 - 20:00	연중무휴
399	도토리	4.0	서울시 종로구 안국동 24-1	02-6405-8153	기타 한식	10000	유료주차 가능	월-금: 10:30 - 21:00 토-일: 10:30 - 22:00	연중무휴

400 rows × 9 columns

In [42]:

# 'Price'열의 히스토그램 그리기

df["Price"].plot.hist()

Out[42]:

<AxesSubplot:ylabel='Frequency'>

In [54]:

# 'Parking'열의 데이터별 개수를 구하여 parking변수에 대입하기

parking = df["Parking"].value_counts()
parking

Out[54]:

주차공간없음                270
유료주차 가능                89
무료주차 가능                24
발렛                      8
유료주차 가능 2시간 무료          3
무료주차 가능 2시간 무료          2
유료주차 가능 주차권 2시간 제공      1
무료주차 가능 당일 무료           1
유료주차 가능 1시간 무료          1
유료주차 가능 1.5시간 무료        1
Name: Parking, dtype: int64

In [56]:

import matplotlib.pyplot as plt

plt.rc("font", family = "Malgun Gothic")

In [57]:

# parking 데이터를 bar그래프로 표시하기

parking.plot.bar()

Out[57]:

<AxesSubplot:>

In [213]:

# 'Price'가 10000원 이하인 곳의 'Rating'를 찾아서 히스토그램으로 표시하기

df.loc[df["Price"]<=10000]["Rating"].plot.hist()

Out[213]:

<AxesSubplot:ylabel='Frequency'>

In [211]:

# 'Price'가 20000원 이상인 곳의 'Rating'를 찾아서 히스토그램으로 표시하기
df[df["Price"]>=20000]["Rating"].plot.hist()

Out[211]:

<AxesSubplot:ylabel='Frequency'>

In [212]:

# 'Price'가 40000원 이상인 곳의 'Rating'를 찾아서 히스토그램으로 표시하기

df[df["Price"]>=40000]["Rating"].plot.hist()

Out[212]:

<AxesSubplot:ylabel='Frequency'>

In [70]:

# 'Price'와 'Rating'의 관계를 scatter 플롯으로 표시하기

df.plot.scatter(x="Price", y="Rating")

Out[70]:

<AxesSubplot:xlabel='Price', ylabel='Rating'>

In [87]:

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 400 entries, 0 to 399
Data columns (total 9 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   Restaurant Name  400 non-null    object 
 1   Rating           400 non-null    float64
 2   Address          400 non-null    object 
 3   Tel              350 non-null    object 
 4   Food             400 non-null    object 
 5   Price            400 non-null    int64  
 6   Parking          400 non-null    object 
 7   Operating Time   364 non-null    object 
 8   Holiday          400 non-null    object 
dtypes: float64(1), int64(1), object(7)
memory usage: 28.2+ KB

In [208]:

# 'Rating'이 3이상이고 'Price'가 20000원 이하인 데이터만 찾아 df_star변수에 대입하기

df_star = df[(df["Rating"]>=3) & (df["Price"]<=20000)][["Rating","Price"]]

In [202]:

df_star

Out[202]:

	Rating	Price
4	4.3	10000
6	4.1	10000
7	4.1	10000
8	4.1	10000
10	4.1	10000
...	...	...
390	4.0	10000
392	4.0	10000
393	4.0	10000
398	4.0	10000
399	4.0	10000

103 rows × 2 columns

In [210]:

# df_star의 ''Price'와 Rating'의 관계를 scatter 플롯으로 표시하기

df_star.plot.scatter(x="Price",y="Rating")

Out[210]:

<AxesSubplot:xlabel='Price', ylabel='Rating'>

In [135]:

# df의 인덱스르 'Food'열로 바꾸고 df_food에 대입한다.
# df_food의 'Rating','Price'열만 선택에 다시 df_food에 대입한다.

df_food = df.set_index("Food")

In [142]:

# df_food의 index를 구성하는 데이터의 개수를 확인한다.
df_food.index.value_counts()

Out[142]:

카페 / 디저트            68
고기 요리               42
탕 / 찌개 / 전골         25
한정식 / 백반 / 정통 한식    25
이탈리안                24
기타 한식               20
국수 / 면 요리           15
치킨 / 호프 / 펍         14
닭 / 오리 요리           13
베이커리                11
정통 중식 / 일반 중식       10
칵테일 / 와인            10
세계음식 기타              9
브런치 / 버거 / 샌드위치      9
정통 일식 / 일반 일식        8
해산물 요리               8
기타 중식                7
라멘 / 소바 / 우동         7
회 / 스시               6
돈부리 / 일본 카레 / 벤토     6
스테이크 / 바베큐           5
인도 음식                5
일반 주점                5
베트남 음식               5
기타 일식                4
기타 양식                4
퓨전 양식                4
태국 음식                4
까스 요리                4
프랑스 음식               4
다국적 아시아 음식           3
전통 주점 / 포차           3
뷔페                   3
이자카야 / 오뎅 / 꼬치       2
남미 음식                2
퓨전 일식                2
퓨전 중식                2
딤섬 / 만두              1
패밀리 레스토랑             1
Name: Food, dtype: int64

In [147]:

# df_food에서 일식('라멘 / 소바 / 우동','정통 일식 / 일반 일식',    '회 / 스시','돈부리 / 일본 카레 / 벤토', '이자카야 / 오뎅 / 꼬치')
# 메뉴들의 'Price'를 찾아 히스토그램을 그려본다.

pd.DataFrame(df_food.loc[['라멘 / 소바 / 우동','정통 일식 / 일반 일식','회 / 스시','돈부리 / 일본 카레 / 벤토', '이자카야 / 오뎅 / 꼬치']]["Price"])

Out[147]:

	Price
Food
라멘 / 소바 / 우동	20000
라멘 / 소바 / 우동	10000
라멘 / 소바 / 우동	10000
라멘 / 소바 / 우동	10000
라멘 / 소바 / 우동	10000
라멘 / 소바 / 우동	10000
라멘 / 소바 / 우동	10000
정통 일식 / 일반 일식	40000
정통 일식 / 일반 일식	10000
정통 일식 / 일반 일식	50000
정통 일식 / 일반 일식	50000
정통 일식 / 일반 일식	50000
정통 일식 / 일반 일식	20000
정통 일식 / 일반 일식	20000
정통 일식 / 일반 일식	20000
회 / 스시	40000
회 / 스시	30000
회 / 스시	30000
회 / 스시	50000
회 / 스시	20000
회 / 스시	30000
돈부리 / 일본 카레 / 벤토	10000
돈부리 / 일본 카레 / 벤토	10000
돈부리 / 일본 카레 / 벤토	20000
돈부리 / 일본 카레 / 벤토	20000
돈부리 / 일본 카레 / 벤토	20000
돈부리 / 일본 카레 / 벤토	10000
이자카야 / 오뎅 / 꼬치	20000
이자카야 / 오뎅 / 꼬치	30000

In [159]:

# df_food에서 일식('라멘 / 소바 / 우동','정통 일식 / 일반 일식',    '회 / 스시','돈부리 / 일본 카레 / 벤토', '이자카야 / 오뎅 / 꼬치')
# 메뉴들의 'Rating'을 찾아 히스토그램을 그려본다.

df_food.loc[['라멘 / 소바 / 우동','정통 일식 / 일반 일식','회 / 스시','돈부리 / 일본 카레 / 벤토', '이자카야 / 오뎅 / 꼬치'],["Rating"]].plot.hist()

Out[159]:

<AxesSubplot:ylabel='Frequency'>

In [162]:

# df_food에서 일식('라멘 / 소바 / 우동','정통 일식 / 일반 일식',    '회 / 스시','돈부리 / 일본 카레 / 벤토', '이자카야 / 오뎅 / 꼬치')
# 메뉴들의 'Price'과 'Rating'의 관계를 scatter 플롯으로 그려본다.

df_food.loc[['라멘 / 소바 / 우동','정통 일식 / 일반 일식','회 / 스시','돈부리 / 일본 카레 / 벤토', '이자카야 / 오뎅 / 꼬치'],["Price","Rating"]].plot.scatter(x="Price", y="Rating")

Out[162]:

<AxesSubplot:xlabel='Price', ylabel='Rating'>

🐼 데이터 분석할 데이터 csv 가지고 한번 해볼까나!

728x90

'😁 빅데이터 문제 풀기 & Study > - 이외 사이트 문제' 카테고리의 다른 글

[Pandas] Pandas 연습 문제 풀기 -6 🐼 (0)	2022.02.23
[Pandas] Pandas 연습 문제 풀기 -5 🐼 (0)	2022.02.23
[Pandas] Pandas 연습 문제 풀기 -3 🐼 (0)	2022.02.22
[Pandas] Pandas 연습 문제 풀기 - 2 🐼 (0)	2022.02.21
[Pandas] Pandas 연습 문제 풀기 - 1 🐼 (0)	2022.02.21

현재글[Pandas] Pandas 연습 문제 풀기 -4 🐼

코딩하는 간호사

[Pandas] Pandas 연습 문제 풀기 -4 🐼

맛집 데이터를 정돈하기¶

맛집 데이터로 분석 가능여부 확인¶

'😁 빅데이터 문제 풀기 & Study > - 이외 사이트 문제' 카테고리의 다른 글

'😁 빅데이터 문제 풀기 & Study/- 이외 사이트 문제'의 다른글

티스토리툴바

[Pandas] Pandas 연습 문제 풀기 -4 🐼

맛집 데이터를 정돈하기¶

맛집 데이터로 분석 가능여부 확인¶

'😁 빅데이터 문제 풀기 & Study > - 이외 사이트 문제' 카테고리의 다른 글

'😁 빅데이터 문제 풀기 & Study/- 이외 사이트 문제'의 다른글

관련글

티스토리툴바