프로젝트: CSV 분석하기
합쳐 볼 시간이에요. 메모리에 작은 CSV 파일을 쓰고, pandas로 다시 읽고, 묶은 집계를 계산해요. 실제 분석이 시작하는 방식이에요.
pandas는 파일이나 메모리 속 버퍼에서 CSV 글을 읽어요. 디스크를 건드리지 않도록 io.StringIO를 써요:
import io
import pandas as pd
csv_text = "name,dept,salary\nAda,eng,100\nBo,eng,140\n"
df = pd.read_csv(io.StringIO(csv_text))
print(df)거기서부터의 동작은 이미 알아요: 마스크로 거르고, groupby(...).agg(...)로 묶고, .loc나 레이블로 인덱싱해서 Series에서 값 하나를 꺼내요.
할 일: 데이터를 읽고, 그것을 요약하는 results dict 하나를 만드세요. 평범한 dict를 돌려주는 건 분석 결과를 프로그램의 나머지(또는 보고서, LLM 프롬프트)에 넘기는 흔하고 테스트하기 쉬운 방법이에요. 우리는 출력이 아니라 그 dict의 숫자를 채점해요.
results에 들어가는 것
"n_rows": 표의 행 수"total_salary": salary 열 전체의 합"avg_by_dept": 각 dept를 평균 연봉에 대응시키는 dict (groupby 평균으로 만든 다음.to_dict())"top_dept": 평균 연봉이 가장 높은 dept
CSV 글은 csv_text에 주어져요. pd.read_csv(io.StringIO(csv_text))로 그것을 DataFrame df로 읽으세요. 그다음 다음 키를 가진 results라는 dict를 만드세요: "n_rows"(행 수), "total_salary"(salary 열의 합), "avg_by_dept"(dept에서 평균 연봉으로의 dict), "top_dept"(평균 연봉이 가장 높은 dept).
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.