[python] 집계 기본 함수 정리

01. 티켓 클래스에 따른 생존율 비교

train_df[["Pclass", "Survived"]].groupby(["Pclass"], as_index=False).mean() \
	.sort_values(by="Survived", ascending=False)

transactions.groupby("month", as_index=False)["amount"].sum() # 그룹별 합계 다른 방식으로

 

02. 월별 결제 총액 및 시각화

transactions.csv 를 활용하여 2023년 월별 총 결제 금액을 바 차트로 시각화하세요.

transactions = pd.reac_csv("./2504 코딩테스트준비/transactions_csv.csv")
transactions["transaction_date"] = pd.to_datetime(transactions["transaction_date"])
transactions["month"] = transactions["transaction_date"].dt.to_period("M")
transactions

monthly_total = transactions.groupby("month", as_index=False)["amount"].sum()
monthly_total

시각화

import matplotlib.pyplot as plt
plt.rcParams['font.family'] ='Malgun Gothic'
plt.rcParams['axes.unicode_minus'] =False

plt.figure(figsize=(10, 5))
monthly_total.plot(kind="bar", title="2023년 월별 결제 총액", ylabel="총 금액 (원)")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

 

 

02-1.species 별 sepal_length 평균 그래프

import seaborn as sns
import matplotlib.pyplot as plt

iris = sns.load_dataset('iris')
iris2 = iris.groupby('species', as_index=False)[['sepal_length', 'sepal_width', 'petal_length','petal_width']].mean()

plt.figure(figsize=(20,5))
iris2['sepal_length'].plot.bar(x=iris2.index, color='green', alpha=0.5)
plt.title('Average Sepal Length by Species') # , fontsize=15
plt.xlabel('species')
plt.ylabel('average sepal length')
plt.xticks(fontsize=12, rotation=0)
plt.show()

 

 

03. 재구매율 상위 사용자 찾기

한 번 이상 거래한 사용자를 기준으로 2회 이상 결제한 사용자 비율을 계산하세용

user_counts = transactions["user_id"].value_counts()
repurchase_rate = (user_counts_df["count"] >=2.sum()) / len(user_counts)

- .value_counts()

(user_counts_df["count"] >= 2.sum())

user_counts_df = transactions.groupby("user_id", as_index=False).size()
user_counts_df.columns = ["user_id","count"]
user_counts_df = user_counts_df.sort_values(by="count", ascending = False).head(5)
user_counts_df

 

04. 2023년 가입자 중 1회 이상 결제한 사용자 비율

user_info['joined_date'] = pd.to_datetime(user_info['joined_date'])
joined_2023 = user_info[user_info['joined_date'].dt.year == 2023]
active_users = transactions['user_id'].unique()

active_joined_2023 = joined_2023[joined_2023['user_id'].isin(active_users)]
active_joined_2023

len(active_joined_2023) /len(joined_2023)

- pd.to_datetime(user_info['joined_date']) 데이터 타입 변형 잊지 말기