Today I learned
1. 코드카타 level 1
1) x 만큼 간격이 있는 n개의 숫자
def solution(x, n):
answer = []
for i in range(1,n+1):
answer.append(x*i)
return answer
2) 자연수 뒤집어 배열로 만들기
def solution(n):
answer = [int(i) for i in str(n)]
answer.reverse()
return answer
3) 문자열 s를 숫자로 변환하기
def solution(str):
return int(str)
4) 정수 제곱근 판별하기
def solution(n):
num = n
s = num ** 0.5
if s < int(s):
return -1
elif s > int(s):
return -1
else :
return (s+1) ** 2
return solution
5) 정수를 내림차순으로 배치하기
def solution(n):
ls = list(str(n))
ls.sort(reverse = True)
return int("".join(ls))
6) 하샤드 수
def solution(x):
s = sum(int(y) for y in str(x))
if x % s == 0:
return True
else:
return False
2. [라이브 session] 실무에서 활용 가능한 Python 기초 4회차
- 함수
def add(x,y): #x, y는 매개변수라고 한다
print(x + y)
# add 라는 함수가 만들어졌어요!
add(10, 20)
30
def saymyname():
print("안녕하세요, 투혼!")
saymyname() #매개변수가 없는 함수니 그냥 써도 나옴
안녕하세요, 투혼!
def my_secret_hobby():
print("내 취미는 숨쉬기임")
my_secret_hobby()
내 취미는 숨쉬기임
def welcome(user):
print(user + "야 어서와라")
welcome("나")
나야 어서와라
def multiply(a,b): # multiply라는 함수를 만들었삼
print("결과는? 두구두구", a * b)
multiply(2,3)
결과는? 두구두구 6
def whisper(text):
print(text.lower())
whisper("IS PYTHON FUN?")
is python fun?
def cube(n):
return n * n * n
values = cube(4)
values
64
def avg4(a,b,c,d):
return (a+b+c+d)/4
print("평균평균", avg4(60, 75, 90, 100))
평균평균 81.25
def calculator(a,b,op): # op는 연산자임
if op == "+":
return a + b
elif op == "-":
return a - b
elif op == "*":
return a * b
elif op == "/":
return a / b
else:
return "잘못된 연산자임"
calculator(12, 4, "*")
48
def count_letter(text):
return len(text)
print("글자 수:", count_letter("Python Function"))
글자 수: 15
#실습 1. 최대값 찾기
def max_of_three(a,b,c): #매개변수 a,b,c 중 가장 큰 값을 찾아라
return max(a,b,c)
max_of_three(5,12,8)
12
#실습 2. 리스트 합계
def list_sum(n):
return sum(n)
list_sum([3,7,11,19]) #왜 [] 안치면 계산이 안될까?
#실습 3. 짝수 판별기
def is_even(n):
return n % 2 == 0 # n을 2로 나누었을 때 나머지가 0이면 true
print(is_even(10))
print(is_even(13))
True
False
#실습 4. 문자열 뒤집기
def reverse_text(text):
return text[::-1] # 슬라이싱:[start:end:step], step이 음수면 역수임, start와 end 자리가 비어있으니까 '처음부터 끝까지'라는 의미임
reverse_text("python")
'nohtyp'
#실습 5. 구구단 출력기
def gugudan(n):
for i in range (1,10):
print(n, "X", i, "=", n * i)
gugudan(7)
7 X 1 = 7 7 X 2 = 14 7 X 3 = 21 7 X 4 = 28 7 X 5 = 35 7 X 6 = 42 7 X 7 = 49 7 X 8 = 56 7 X 9 = 63
3. 데이터분석 종합반 5주차
1) 초기 세팅(사용선언 등)
import pandas as pd # 판다스 사용 선언
import matplotlib.pyplot as plt #맷플로립 사용 선언
plt.rc('font', family='NanumBarungothic') # 한글 깨짐 방지 설정
sparta_data = pd.read_csv('/content/sparta_data.csv') # csv 파일 불러오
sparta_data.head()
#id: 회원 고유 아이디
# created_at: 수강 등록 시점
# updated_at: 수강 완료 시점
# name: 니 이름
# marketing: 마케팅 수신동의
# managed: 관리 여부
# gender: 성별
# age: 나이
#processPrate: 진도율
_idcreated_atupdated_atnamemarketingmanagedgenderageprogress_rate01234
| e88cbf158991b41c | 2022-08-26 10:04:54 | 2022-10-07 8:35:47 | 온아린 | False | True | male | 10 | 100.00 |
| 34525c4c113ea233 | 2021-02-20 1:23:38 | 2022-08-08 22:04:00 | 유강민 | False | False | female | 40 | 63.64 |
| 8f869d1ce7289b3d | 2021-02-20 1:23:38 | 2022-08-08 22:04:00 | 문민서 | False | False | female | 30 | 63.64 |
| bf1e94f981743e8d | 2022-07-22 15:59:44 | 2022-08-29 21:12:15 | 석준영 | False | False | male | 50 | 64.77 |
| b281c6fc121a338c | 2022-07-22 15:59:44 | 2022-08-29 21:12:15 | 석도현 | False | False | male | 20 | 64.77 |
2) 글꼴 설치
!sudo apt-get install -y fonts-nanum
!sud fc-cache -fv
!rm ~/.cache/matplotlib -rf
Reading package lists... Done
Building dependency tree... Done
Reading state information... Done
fonts-nanum is already the newest version (20200506-1).
0 upgraded, 0 newly installed, 0 to remove and 35 not upgraded.
/bin/bash: line 1: sud: command not found
3) 나이대별 수강률, 합 구하기
progress_rate_by_age = sparta_data.groupby('age')['progress_rate'].sum()
#sparta_data.groupby('age') :sparta_data라는 데이터를 age 컬럼 기준으로 그룹화, 같은 나이(age)값을 가진 행을 하나의 그룹으로 묶음
#['progress_rate'] : 그룹화한 데이터에서 progress_rate 칼럼만 선택
#.sum(): progress_rate 값을 전부 더함
progress_rate_by_age
# 이렇게 만들어진 값들을 progress_rate_by_age 변수에 저장
progress_rateage1020304050
| 14446.05 |
| 74306.47 |
| 56793.87 |
| 15921.31 |
| 13001.36 |
4) 나이대별 수강 인원 구하기
number_people_by_age = sparta_data.groupby('age')['_id'].count()
#sparta_data.groupby('age') :sparta_data라는 데이터를 age 컬럼 기준으로 그룹화, 같은 나이(age)값을 가진 행을 하나의 그룹으로 묶음
#['age']: 그룹화한 데이터에서 'age'칼럼만 선택
# .count(): 'age' 값들을 전부 카운
number_people_by_age
_idage1020304050
| 226 |
| 1043 |
| 835 |
| 240 |
| 230 |
dtype: int64
5) 연령대별 평균
average_progress_rate = progress_rate_by_age / number_people_by_age
average_progress_rate
0age1020304050
| 63.920575 |
| 71.243020 |
| 68.016611 |
| 66.338792 |
| 56.527652 |
dtype: float64
6)시각화하기
#그래프의 높이와 넓이 설정
plt.figure(figsize = (6,6))
#그래프의 x축 눈금 설정
plt.xticks([10,20,30,40,50])
#그래프의 x축, y축 값
plt.bar("x축", "y축")
#그래프의 바에 각 수치율을 추가
bar = plt.bar(average_progress_rate.index, average_progress_rate, width = 8.0)
for rect in bar:
height = rect.get_height()
plt.text(rect.get_x() + rect.get_width()/2.0, height, '%.1f' % height, ha = 'center')
#그래프 제목
plt.title('[나이대 별 평균 수강율]', fontsize = 15, pad = 20)
#그래프의 y축 라벨 이름
plt.ylabel('수강생(명)', fontsize = 14, rotation = 360, labelpad = 35)
#그래프를 나타내 주세요!
plt.show()
7) 관리 여부에 따른 수강 완료율 평균 구하기
import pandas as pd #판다스 사용 선언
import seaborn as sns #씨본 사용 선언
import matplotlib.pyplot as plt #맷플로립 사용 선언
plt.rc('font', family='NanumBarungothic') # 한글 깨짐 방지
sparta_data=pd.read_csv('/content/sparta_data.csv')
sparta_data.head()
managed = ['True','False']
managed
#관리 여부에 따른 수강완료율 평균 구하기
managed_data_avg = sparta_data.groupby('managed')['progress_rate'].sum()/sparta_data.groupby('managed')['_id'].count()
managed_data_avg
#plt.figure(width, height) : 넓이와 높이 만큼 이미지를 생성한다는 것을 말해줍니다!
plt.figure(figsize=(6,6))
#각각 어떤 값이 들어가야 하는지 입력해 볼까요?
#plt.bar(X축값, Y축값)
plt.bar(managed_data_avg.index ,managed_data_avg)
#그래프의 바에 각 수치율을 추가 해 볼까요?
bar = plt.bar(managed_data_avg.index ,managed_data_avg)
for rect in bar:
height = rect.get_height()
plt.text(rect.get_x() + rect.get_width()/2.0, height, '%.1f' % height, ha='center', va='bottom', size = 12)
#그래프의 제목
plt.title('찐한관리 유무에 따른 평균 완주율',fontsize=14)
#그래프의 x축 라벨 이름
plt.xlabel('평균 완주율',fontsize=12)
#x축 눈금 레이블 지정하기
#기존의 0,1이라는 x축 레이블을, labels =["..."]로 변경 가능 합니다 :)
plt.xticks([0,1], labels=["찐한관리 비 신청자","찐한관리 신청자"])
#그래프의 y축 라벨 이름
plt.ylabel('찐한관리 여부',fontsize=12,rotation=360,labelpad=35)
#x축 눈금의 글씨를 45도 회전
plt.xticks(rotation=45)
#y축 눈금의 글씨를 360도 회전
plt.yticks(rotation=360)
#그래프를 화면에 나타나도록 합니다.
plt.show()
8) 코호트 분석
#코호트 분석
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
plt.rc('font', family = 'NanumBarunGothic')
sparta_data = pd.read_table('/content/cohort_data.csv', sep=',')
sparta_data.info() # 불러온 문서 정보
sparta_data.head()
format = "%Y. %m. %d"
sparta_data['start_time'] = pd.to_datetime(sparta_data['created_at'], format='mixed')
sparta_data.tail()
#수강 시작 주 구하고, 테이블의 열로 추가 하기
sparta_data['start_week']= sparta_data['start_time'].dt.isocalendar().week
sparta_data.tail()
#이전에 배웠듯이 set()은 set안의 데이터는 순서가 정해져있지 않고, 중복되지 않는 고유한 요소를 가져옵니다!
category_range = set(sparta_data['start_week'])
category_range
progress_rate = list(sparta_data['progress_rate'])
#범주를 구분하는 기준 bins 처음(0)과 끝(100) 잊지 말고 기입 해주세요!
bins = [0,4.11,26.03,41.10,61.64,80.82,100]
#구분한 범주의 라벨 labels
labels=[0,1,2,3,4,5]
#범주화에 사용하는 함수 pd.cut
cuts = pd.cut(progress_rate,bins, right=True,include_lowest=True, labels=labels)
cuts
#결과물을 테이블로 변경하기
cuts = pd.DataFrame(cuts)
cuts.tail()
#concat() 함수를 이용하여, sparta_data 테이블과, cuts 테이블 병합 할수 있습니다 :)
sparta_data = pd.concat([sparta_data,cuts],axis=1, join='inner')
sparta_data.head()
# sparta_data.columns[6]="weeks"
#6번째의 컬럼의 이름만 "weeks" 변경 해주면 되겠죠?
#하지만 이렇게 작성하면 오류가 발생 할꺼예요!
#그래서, 귀찮더라도, 우리가 원하는 컬럼의 이름을 다 작성해 줍시다!
sparta_data.columns=['created_at','user_id','name','progress_rate','start_time','start_week',"week"]
sparta_data.head()
#기존의 테이블을, start_week와, week로 묶어줍니다!
grouping = sparta_data.groupby(['start_week','week'])
grouping.head()
#내부적으로는 start_week와 week로 그룹핑이 된 상태임
cohort_data = grouping['user_id'].apply(pd.Series.nunique)
cohort_data = pd.DataFrame(cohort_data)
#첫 주가 31주니 변수를 하나 만들어 줍니다!
f=31
#처음 수강 시작한 주의 범위가 {31,32,33,34,35,36} 이니, range(6)으로 합시다!
for i in range(6):
#5주차의 강의가 마지막이고, 0주차까지 이니, 시작은 5에서 시작해 1씩 0까지 감소 시킬수 있어요!
for j in range(5, 0, -1):
cohort_data.at[(f,j-1), 'user_id'] = int(cohort_data.at[(f,j),'user_id']) + int(cohort_data.at[(f,j-1),'user_id'])
#주차는(31부터 32 33..) 1씩 늘어나죠?
f=f+1
cohort_data.head()
cohort_data = cohort_data.reset_index()
cohort_data.head(20)
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1736 entries, 0 to 1735
Data columns (total 4 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 created_at 1736 non-null object
1 user_id 1736 non-null object
2 name 1736 non-null object
3 progress_rate 1736 non-null int64
dtypes: int64(1), object(3)
memory usage: 54.4+ KB
/tmp/ipython-input-2749483683.py:55: FutureWarning: The default of observed=False is deprecated and will be changed to True in a future version of pandas. Pass observed=False to retain current behavior or observed=True to adopt the future default and silence this warning.
grouping = sparta_data.groupby(['start_week','week'])
start_weekweekuser_id012345678910111213141516171819
| 31 | 0 | 230 |
| 31 | 1 | 225 |
| 31 | 2 | 211 |
| 31 | 3 | 197 |
| 31 | 4 | 181 |
| 31 | 5 | 167 |
| 32 | 0 | 344 |
| 32 | 1 | 340 |
| 32 | 2 | 323 |
| 32 | 3 | 275 |
| 32 | 4 | 233 |
| 32 | 5 | 213 |
| 33 | 0 | 289 |
| 33 | 1 | 277 |
| 33 | 2 | 242 |
| 33 | 3 | 228 |
| 33 | 4 | 202 |
| 33 | 5 | 184 |
| 34 | 0 | 261 |
| 34 | 1 | 247 |
9) 피벗테이블
cohort_counts = cohort_data.pivot(index="start_week",
columns="week",
values="user_id")
cohort_counts
# 앞서 만든 피벗 테이블을 retention 변수에 저장하기
retention = cohort_counts
#각 주(week) 별 최초 수강생 수만 가져오기 (나눠줄때, 분모가 되는 부분!)
cohort_sizes = cohort_counts.iloc[:,0] #x 축을 첫번째 열만 들고 가고 찢겠다
cohort_sizes.head()
# 표의 단일 데이터에 최초 수강생의 수를 나누어, 각 주당 수강생 수강율 나타내기!
retention = cohort_counts.divide(cohort_sizes, axis=0)
retention.head()
#각 수치 퍼센트로 변경하기
#round 함수로 3자리 수에서 반올림 한 후, 100을 곱해 줍니다!
retention.round(3)*100
#테이블 크기 설정 하기
plt.figure(figsize=(10,8))
sns.heatmap(data=retention,
annot=True,
fmt='.2%',
vmin=0,
vmax=1,
cmap="BuGn")
plt.xlabel('주차', fontsize=14,labelpad=30)
plt.ylabel('개강일', fontsize=14,rotation=360,labelpad=30)
plt.yticks(rotation=360)
plt.show()
'빅데이터 QAQC_3기 > 빅데이터 QAQC_3기 TIL' 카테고리의 다른 글
| TIL_250924 (0) | 2025.09.24 |
|---|---|
| TIL_250923 (0) | 2025.09.23 |
| TIL_250919 (1) | 2025.09.19 |
| TIL_250918 (0) | 2025.09.18 |
| TIL_250917 (0) | 2025.09.17 |