23일차) 내일배움캠프 데이터 분석 TIL - 기초 프로젝트(1)

+ pandas에서는 .copy()가 deepcopy임

---

Q4. 아래 코드의 출력 결과로 올바른 것은? 🚀 도전

nums = [3,1,2]
result = nums.sort()
print(nums)
print(result)

A. [1, 2, 3] / [1, 2, 3]

B. [3, 1, 2] / None

C. [1, 2, 3] / None

D. 오류 발생(sort()는 반환값이 반드시 리스트여야 함)

-> sort는 원본 자체를 바꿔주는 메서드이기 때문에 result는 반환되지 않음

반면 sorted는 원본을 바꾸지 않고 새로운 반환값을 줌

---

Q6. 더 큰 수 반환 함수 🧰 필수

두 수 a, b를 받아 더 큰 값을 반환하는 함수 bigger(a, b)를 작성하세요.

(두 수가 같다면 어떤 수가 나와도 됨.)

• 예: bigger(3, 5) → 5

def bigger(a, b) :
    if a >= b :
        return a
    else :
        return b

---

Q7. return 오류 디버깅 🧰 필수

아래 함수가 의도대로 동작하지 않는 이유를 1~2문장(이유, 반환값은 무엇?)으로 설명하고, 올바르게 수정하세요.

( 의도 : 10 출력 )

def double(n):
    n * 2

result = double(5)
print(result)

# 이유 : double(n) 함수를 실행했을 때 return 값이 없어서 None으로 출력된다.

# 올바르게 수정한 코드

def double(n):
    return n * 2

result = double(5)
print(result)

---

Q8. 0 입력 시 종료하는 누적합 프로그램 🧰 필수

사용자에게 정수를 계속 입력받아 합을 누적하세요.

• 단, 0을 입력하면 종료
• 0은 합계에 포함하지 않음
• 종료 후 합계를 출력

result = 0
while num != 0 :
    num = int(input("정수를 입력하세요(0을 입력하면 종료) :"))
    result += num

print(result)

# 내가 작성한 코드

total = 0

while True:
	num = int(input())
    if num == 0:
    	break
    total += num
   
print(total)

# 정답 코드

---

Q9. Class 출력 예측 + 수정 🚀 도전

아래 코드의 출력 결과를 예측하고(2줄), 왜 그런지 설명한 뒤, 각 객체가 자기만의 scores 리스트를 갖도록 수정하세요.

class Student:
    scores = []

    def add_score(self, score):
        self.scores.append(score)

s1 = Student()
s2 = Student()

s1.add_score(90)
s2.add_score(80)

print(s1.scores)
print(s2.scores)

# 출력 결과 :
# print(s1.scores) -> [90, 80]
# print(s2.scores) -> [90, 80]
# scores가 전역변수로 지정되어 있기 때문에 각각의 값을 구분해서 저장할 수 없다

scores가 클래스 변수라서 s1, s3 인스턴스가 같은 리스트를 공유한다
그리고 리스트는 가변 객체(mutable)라서 append가 공유 객체에 반영된다

 

# 제출 코드

class Student:
    def add_score(self, score):
        self.scores = []
        self.scores.append(score)

s1 = Student()
s2 = Student()

s1.add_score(90)
s2.add_score(80)

print(s1.scores)
print(s2.scores)

 

# 정답 코드

class Student:
    def __init__(self):
        self.scores = []

    def add_score(self, score):
        self.scores.append(score)

s1 = Student()
s2 = Student()

s1.add_score(90)
s2.add_score(80)

print(s1.scores)
print(s2.scores)

---

Q10. 아래 코드 실행 후 order_date 컬럼 dtype으로 가장 적절한 것은? 🧰 필수

orders = pd.read_csv("bootcamp_orders.csv", parse_dates=["order_date"])
orders["order_date"].dtype

A. object

B. datetime64[ns] (M8[ns])

C. int64

D. category

parse_dates = ["order_date"]
: datetime으로 형 변환하는 함수

---

Q11. DataFrame df에서 첫 번째 행의 age 값을 가져오는 코드로 가장 적절한 것은? 🧰 필수

(단, df는 기본 인덱스 0,1,2…를 가진다고 가정)

A. df.loc[0, "age"] → "age"라는 라벨이 들어가니까 loc!!!!

B. df.iloc[0, "age"]

C. df.loc["age", 0]

D. df.iloc["age", 0]

행렬 이니까 인덱스(행), 컬럼명(열) 순서대로 적기!

---

Q12. 아래 코드의 동작으로 올바른 설명은? 🧰 필수

orders2 = orders.drop_duplicates(subset=["order_id"], keep="first")

A. order_id가 중복인 행을 모두 삭제하여 해당 order_id가 완전히 사라진다

B. 중복 행을 제거하되, order_id별로 첫 번째 행만 남긴다

C. 중복 여부와 상관없이 첫 번째 1행만 남긴다

D. 원본 orders도 항상 함께 바뀐다

---

Q13. 아래 코드 결과로 올바른 것은? 🚀 도전

import numpy as np
import pandas as pd

df = pd.DataFrame({
    "category": ["coffee", "coffee", "tea"],
    "rating": [5, np.nan, 3]
})

print(df.groupby("category")["rating"].count())

A. coffee=2, tea=1

B. coffee=1, tea=1

C. coffee=2, tea=0

D. coffee=1, tea=0

 

---

Q14. 아래 설명 중 가장 올바른 것은? 🧰 필수

merged = orders.merge(customers, on="customer_id", how="left")

A. customers에 없는 customer_id의 주문은 자동으로 삭제된다

B. orders에 없는 customer_id의 고객은 자동으로 삭제된다

C. orders의 모든 행은 유지되고, 매칭되지 않는 고객 정보는 NaN이 된다

D. left merge는 기본적으로 중복을 제거한다

---

Q15. 원본 주문행(df_orders)에서 카테고리별 총매출 합계 막대그래프를 가장 확실하게 그리는 방법은? 🚀 도전

A. sns.barplot(data=df_orders, x="category", y="revenue")

B. sns.barplot(data=df_orders, x="category", y="revenue", estimator="sum")

C. df_sum = df_orders.groupby("category")["revenue"].sum().reset_index()로 합계를 만든 뒤, sns.barplot(data=df_sum, x="category", y="revenue")

D. sns.histplot(data=df_orders, x="category")

---

Q16. 그래프에서 라벨/눈금이 겹칠 때 가장 흔히 쓰는 해결 방법은? 🧰 필수

A. plt.tight_layout()

B. plt.reset_index()

C. plt.groupby()

D. plt.astype(int)

---

Q17. 데이터 로드 & 기본 점검 🧰 필수

1. customers/orders를 pandas로 읽고 각각 shape 출력

2. orders에서 order_id 기준 중복 행 개수 출력

print('dup order_id count:',orders['order_id'].duplicated().sum())

 

3. customers와 orders 각각에 대해 컬럼별 결측치 개수를 출력

---

Q18. 주문 데이터 정리 + 매출 컬럼 만들기 🧰 필수

orders 데이터에 대해 아래를 수행하세요.

1. order_id 기준 중복 제거(첫 행 유지)

import pandas as pd

customers = pd.read_csv("./data/bootcamp_customers.csv", encoding='utf-8')
orders = pd.read_csv("./data/bootcamp_orders.csv", encoding='utf-8')


orders_clean = orders.drop_duplicates(subset=['order_id'], keep='first')

2. discount_rate 결측치는 0으로 채우기

orders_clean = orders_clean['discount_rate'].fillna(0)

 

3. revenue = unit_price * quantity * (1 - discount_rate) 컬럼 생성

 

 

4. 정리된 orders의 행 개수와 revenue 총합을 출력

---

Q19. 고객 정보 붙이고 도시별 매출 요약 만들기 🚀 도전

1. Q18의 정리된 orders를 customers와 left merge 하세요.

merged = orders_clean.merge(customers, on='customer_id', how='left')

 

2. city가 결측치인 경우 "UNKNOWN"으로 채우세요.

merged['city'] = merged['city'].fillna("UNKNOWN")

 

3. 도시별로 아래 집계를 구하세요.

• order_cnt : 도시별 고유 주문 수 (nunique(order_id))
• customer_cnt : 도시별 고유 고객 수 (nunique(customer_id))
• revenue_sum : 도시별 매출 합계
• 정렬: revenue_sum 내림차순, city 오름차순

---

Q20. 시각화 리포트(2개 그래프) 🚀 🚀 🚀 도전

Q18~Q19 결과를 활용해 아래 2개 그래프를 그리세요.

 

1. 카테고리별 총매출 막대그래프(Bar Plot)

• x: category, y: revenue_sum(총합)
• 제목/축 라벨 포함
• (권장) 매출 내림차순으로 카테고리 정렬

import matplotlib.pyplot as plt
import seaborn as sns

category_sum = (
    orders_clean.groupby('category')['revenue'].sum()
    .reset_index(name='revenue_sum')
    .sort_values('revenue_sum', ascending = False)
)

plt.figure(figsize = (7,4))
sns.barplot(data=category_sum, x='category', y='revenue_sum')
plt.title('Total Revenue by Category')
plt.xlabel('Category')
plt.ylabel('Revenue Sum')
plt.tight_layout()
plt.show()

 

2. 일자별 매출 추이 선그래프(Line Plot)

• x: order_date, y: daily_revenue
• 제목/축 라벨 포함
• 날짜 라벨이 겹치면 회전 처리

daily_revenue = (
    orders_clean.groupby('order_date')['revenue'].sum()
    .reset_index(name='daily_revenue')
    .sort_values('order_date')
)

plt.figure(figsize = (7,4))
plt.plot(daily_revenue['order_date'], daily_revenue['daily_revenue'], marker = 'o')
plt.title('Daily Revenue Trend')
plt.xlabel('Order Date')
plt.ylabel('Daily Revenue')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

---

파이썬 전처리/시각화 성취도 평가와 기초 프로젝트 주제 선정 등으로 인해 개인 공부를 전혀 할 수 없었다.
프로젝트 주간 시작인데, 팀 활동을 최우선으로 하되 틈틈이 코드카타와 같은 개인 공부도 할 수 있도록 신경 써야겠다!