yeon's 👩🏻‍💻

4.4 특정 공원구분 가져오기 공원구분 빈도수 구하기 df["공원구분"].value_counts() 특정 텍스트가 들어가는 공원만 가져오기: str.match park_type = r'.*((역사|체육|수변|문화)공원).*' park = df[df["공원구분"].str.match(park_type)] park.shape - . : 모든 문자 - * : 0번 이상 반복 --> .* : 모든 문자가 0번 이상 반복된다. var_numbers 리스트에 "공원구분" 원소 추가하기 -> "공원구분"에 따라 색상 다르게 표현하기 위해 리스트의 원소 제거하기 var_pair = var_numbers var_pair.append("공원구분") var_pair.remove("지정고시일") var_pair.remove("..

4. 시도별 공원 분포 4.1 시도별 공원 비율 시도별로 합계 데이터 출력 city_count = df["시도"].value_counts().to_frame() city_mean = df["시도"].value_counts(normalize=True).to_frame() - normalize=True : 비율로 구하기 - 둘을 합쳐주기 위해 dataframe 형태로 바꾸었다. 합계와 비율 함께 구하기: merge city = city_count.merge(city_mean, left_index=True, right_index=True) city.columns = ["합계", "비율"] city.style.background_gradient() 4.2 공원구분별 분포 "공원구분" 별로 색상 다르게, "공원면..

3. 데이터 요약하기 3.1 수치형, 범주형 변수 구분하기 데이터 타입만 따로 모으기 data_types = df.dtypes 3.2 수치형 변수 요약 수치형 변수 구하기 var_numbers = data_types[data_types != "object"] var_numbers = var_numbers.index.tolist() var_numbers 히스토그램으로 분포 확인하기 h = df.hist(figsize=(12, 10)) 3.3 범주형 변수 요약 var_objects = data_types[data_types == object] var_objects = var_objects.index.tolist() var_objects[:5] 문자열 타입의 데이터 요약하기 df[var_objects].des..

2.7 특정 정보 마스킹 2.7.1 전화번호 마스킹 - 전화번호 마스킹 : 일부 문자를 *로 대체하자 가운데가 4자리일 때 re.sub("(\d{3})-(\d{2})(\d{2})-(\d{2})(\d{2})", r"\1-\2**-**\5", "010-1234-5678") - 010-1234-5678 을 010 / 12 / 23 / 56 / 78 로 나누어 마스킹하기 (3-2-2-2-2) 가운데가 3자리일 떄 res.sub("(\d{3})-(\d{1,2})(\d{2})-(\d{2})(\d{2}), r"\1-\2**-**\5", "010-123-5678") - 010-123-5678을 010 / 1 / 23 / 56 / 78 로 나누어 마스킹하기 (3-(1,2)-2-2-2) 국가번호가 들어갈 때 re.sub(..