df= survey_df['Age'].value_counts().sort_index()
plt.figure(figsize = (12,6))
plt.title('what is your age')
plt.ylabel('응답자 수')
idx = df.index
order = [idx[7],idx[0],idx[1],idx[2],idx[3],idx[4],idx[5],idx[6]]
sns.barplot(x = df.index,y = df.values,order = order)
plt.xticks(rotation = 90)
plt.show()# data = ~~ 값을 안넣고 x.y만 넣었다는 경고에러 발생함.
#plt.figure(figsize=(12,6)) # 그림 사이즈 키우는게 다임
gender = survey_df['Gender'].value_counts()
sizes = gender.values /gender.values.sum()*100
plt.pie(sizes,labels = gender.index,autopct='%1.1f%%', shadow=True, startangle=180)
plt.show()
# 대다수가 남성임을 알 수 있었다.
survey_df['EdLevel'].value_counts()
plt.ylabel('응답자 수')
idx = df.index
order = [idx[7],idx[0],idx[1],idx[2],idx[3],idx[4],idx[5],idx[6]]
sns.barplot(x = df.index,y = df.values,order = order)
plt.xticks(rotation = 90)
plt.show()# data = ~~ 값을 안넣고 x.y만 넣었다는 경고에러 발생함.
#내 코드
def decomp(Sery):
k = set()# set 말고 전체 column들을 구해서 일단 넣고 unique처리해서 column으로 쓸수도 있었겠다.
Sery = Sery.fillna('None')
df = pd.DataFrame()
for i in Sery.value_counts().index: # set으로 중복 값 없는 column 만들기
for j in i.split(';'): # 여기서 for문 안돌리고 str로도 가능
k.add(j)
key = list(k)
key.remove('None')
for i in list(key):# 만든 column마다 함수 적용해서 True인지 False인지 구분하기.
df[i] = Sery.apply(lambda x : True if i in x else False)
return df
dev_type_df = decomp(survey_df.DevType)
dev_type_df
#선생님 코드
def split_multicolumn(col_series):
# 반환할 DataFrame이자 최초의 col_series도 담는다.
result_df = pd.DataFrame(col_series.values, index=col_series.index, columns=["DevType"])
# result_df = col_series.to_frame() --> 위의 코드와 같다.
# 기술 스텍 목록을 담았다가 마지막 반환할 때 인덱싱으로 활용
options = []
# NaN 값을 갖는 row를 제외하고 반복
for idx, value in col_series[col_series.notnull()].items():
# value를 가져와 ';'를 기준으로 분리하여 각 기술 스텍 문자열 리스트를 만든다.
for option in value.split(';'):
# 현재 option이 result_df.columns에 없으면 추가한다.
if option not in result_df.columns:
options.append(option)
result_df[option] = False
# 파싱한 기술 스텍에 해당하는 column의 값에 True를 넣는다.
result_df.at[idx, option] = True
# result_df.loc[idx, option] = True
return result_df[options]
ress = split_multicolumn(survey_df['DevType'])
# <https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.at.html>
# 상욱형 코드
def split_multicolumn(Series):
df = pd.DataFrame(False, columns = (Series.dropna().str.split(';').str[0].unique()), index = Series.index)
# for idx, rep in Series[Series.notnull()].str.split(';').items:
# for one in rep:
# df.at[idx, one.strip()] = True
# 아래 코드를 위 주석으로 바꿀 수 있음 NaN을 어떻게 처리할것이냐에 대한 차이.
for idx, rep in Series.str.split(';').items():
# NaN이 아닌 값을 분기
if isinstance(rep, list):
for one in rep:
df.at[idx, one.strip()] = True
else :
pass
return df
res = split_multicolumn(survey_df['DevType'])
survey_df['DevType'].str.split(';')
survey_df['DevType'].str.split(';').str[0]#.unique() 유니크 써서 중복없는 column만든다
# 위에서 얻은 자료로 표를 만들어보는 예제
plt.figure(figsize = (12,12))
sns.barplot(x =devtype_percentage.values,y = devtype_percentage.index)
plt.title(schema_raw.DevType)
plt.xlabel('Percentage')
plt.ylabel(None)
plt.show()
# 전체 유저 중에서 아까 만든 함수를 적용하여 어느 언어가 많이 사용되는지를 표로 만들어보자.
dev_type_df = decomp(survey_df['LanguageHaveWorkedWith'])
val = dev_type_df.sum().sort_values(ascending = False)
total = val /val.sum()*100
plt.figure(figsize = (12,12))
sns.barplot(x =total.values,y = total.index)
plt.title('Language used in the past year')
plt.xlabel('Percentage')
plt.ylabel(None)
plt.show()
# 전체 유저 중에서 한국인들이 사용하는 언어를 보여줘라.
koreans = survey_df[(survey_df['Country'] == 'South Korea') | (survey_df["Country"] == "Republic of Korea")]# 한국인이 2개 이름으로 저장해놨더라.
dev_type_df = decomp(koreans['LanguageHaveWorkedWith'])
val = dev_type_df.sum().sort_values(ascending = False)
total = val /val.sum()*100
plt.figure(figsize = (12,12))
sns.barplot(x =total.values,y = total.index)
plt.title('Language used in the past year')
plt.xlabel('Percentage')
plt.ylabel(None)
plt.show()
#Data scientist or machine learning specialist 인 사람들 중에서 언어 비율을 표로 만들어서 보는 예제
dev_type_df = decomp(survey_df['DevType'])
dev = dev_type_df['Data scientist or machine learning specialist']
x = decomp(survey_df[dev]['LanguageHaveWorkedWith'])
val = x.sum().sort_values(ascending = False)
total = val/val.sum() * 100
plt.figure(figsize = (12,12))
sns.barplot(x =total.values,y = total.index)
plt.title('Language used in Data scientist or machine learning specialist')
plt.xlabel('Percentage')
plt.ylabel(None)
plt.show()
want = decomp(survey_raw_df['LanguageWantToWorkWith'])
val = want.sum().sort_values(ascending = False)
total = val/val.sum() * 100
plt.figure(figsize = (12,12))
sns.barplot(x =total.values,y = total.index)
plt.title('Language Want To Work With')
plt.xlabel('Percentage')
plt.ylabel(None)
plt.show()
DB = decomp(survey_raw_df['DatabaseHaveWorkedWith'])
val = DB.sum().sort_values(ascending = False)
total = val/val.sum() * 100
plt.figure(figsize = (5,5))
sns.barplot(x =total.values,y = total.index)
plt.title('DB Have Worked With')
plt.xlabel('Percentage')
plt.ylabel(None)
plt.show()
