HW0

204page

Q1

mpg데이터의 cty와 hwy간의 어떤 관계가 있는지 알아보려고 합니다. 
x축은 cty, y축은 hwy로 된 산점도를 만들어 보세요.

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
mpg=pd.read_csv('data/mpg.csv')
mpg.head()

	manufacturer	model	displ	year	cyl	trans	drv	cty	hwy	fl	category
0	audi	a4	1.8	1999	4	auto(l5)	f	18	29	p	compact
1	audi	a4	1.8	1999	4	manual(m5)	f	21	29	p	compact
2	audi	a4	2.0	2008	4	manual(m6)	f	20	31	p	compact
3	audi	a4	2.0	2008	4	auto(av)	f	21	30	p	compact
4	audi	a4	2.8	1999	6	auto(l5)	f	16	26	p	compact

sns.scatterplot(mpg, x="cty",y="hwy")
plt.show()

Q2

미국의 지역별 인구통계 정보를 담은 midwest.csv 를 이용해 전체 인구와 아시아인 
인구 간에 어떤 관계가 있는지 알아보려고 합니다. x축은 poptotal, y축은 popasian으로 된 
산점도를 만들어 보세요. 전체 인구는 50만 명 이하, 아시아인 인구는 1만 면 이하인 지역만 
산점도에 표시되게 설정하세요. 

midwest=pd.read_csv('data/midwest.csv ')
midwest.head()

	PID	county	state	area	poptotal	popdensity	popwhite	popblack	popamerindian	popasian	...	percollege	percprof	poppovertyknown	percpovertyknown	percbelowpoverty	percchildbelowpovert	percadultpoverty	percelderlypoverty	inmetro	category
0	561	ADAMS	IL	0.052	66090	1270.961540	63917	1702	98	249	...	19.631392	4.355859	63628	96.274777	13.151443	18.011717	11.009776	12.443812	0	AAR
1	562	ALEXANDER	IL	0.014	10626	759.000000	7054	3496	19	48	...	11.243308	2.870315	10529	99.087145	32.244278	45.826514	27.385647	25.228976	0	LHR
2	563	BOND	IL	0.022	14991	681.409091	14477	429	35	16	...	17.033819	4.488572	14235	94.956974	12.068844	14.036061	10.852090	12.697410	0	AAR
3	564	BOONE	IL	0.017	30806	1812.117650	29344	127	46	150	...	17.278954	4.197800	30337	98.477569	7.209019	11.179536	5.536013	6.217047	1	ALU
4	565	BROWN	IL	0.018	5836	324.222222	5264	547	14	5	...	14.475999	3.367680	4815	82.505140	13.520249	13.022889	11.143211	19.200000	0	AAR

5 rows × 28 columns

sns.scatterplot(midwest, x="poptotal", 
                         y="popasian").set(xlim=[0,500000],ylim=[0,10000])

---

211 page

Q1

어떤 회사에서 생산한 suv 차종의 도시 연비가 높은지 알아보려고 합니다. 
suv 차종을 대상으로 cty 평균이 가장 높은 회사 다섯 곳을 막대그래프로 표현해 보세요. 
막대는 연비가 높은 순으로 정렬하세요. 

plt.clf()
mpg_suv=mpg.query('category=="suv"').groupby('manufacturer')["cty"].mean().sort_values(ascending=False).head()
sns.barplot(mpg_suv)
plt.show()

Q2

자동차 중에 어떤 category가 많은지 알아보려고 합니다. sns.barplot() 을 이용해 자동차 종류별 빈도를 표현한 막대그래프를 만들어 보세요. 막대는 빈도가 높은 순으로 정렬하세요. 

plt.clf()
mpg_c=mpg.groupby('category')['category'].count().sort_values(ascending=False)
sns.barplot(mpg_c).set(ylim=[0,100])
plt.xticks(rotation=45)
plt.title("Frequency barplot by category")
plt.show()