← 분야 선택으로

pandas

17문제 풀이

객관식은 정답을 모두 고르고, 주관식과 빈칸 채우기는 답을 입력한 뒤 채점하기를 눌러 주세요.

1번 문제

pandas DataFrame에서 각 열의 결측치 개수를 확인할 때 사용하는 표현으로 알맞은 것은 무엇인가요?

1. df.isna().sum()

2. df.mean()

3. df.dropna()

4. df.info().count()

2번 문제

조건에 맞는 행만 골라낼 때 가장 알맞은 코드는 무엇인가요?

1. df['score' > 80]

2. df[df['score'] > 80]

3. df.select('score', 80)

4. df.row('score') > 80

3번 문제

범주별 평균 점수를 구하기 위한 조합으로 알맞은 것은 무엇인가요?

1. df.groupby('범주')['점수'].mean()

2. df.sort_values('범주').sum()

3. df.dropna('범주').mean()

4. df.iloc['범주'].mean()

4번 문제

판다스의 특징으로 알맞은 것을 고르시오

복수 정답 문제입니다. 정답을 모두 선택하세요.

판다스는 열 벡터를 표현하는 객체이다.

데이터프레임은 리스트를 모아서 만든 데이터 테이블이다.

엑셀을 기반으로 개발된 파이썬 라이브러리이다.

Excel, Json, Pickle, csv 등의 데이터 타입을 호출할 수 있다.

5번 문제

다음 코드를 실행할 경우 예상되는 결과값은 무엇인가? import pandas as pd raw_data = {'first_name':['Jason', 'Molly', 'Tina', 'Jake', 'Amy'], 'last_name':['Miller', 'Jacobson', 'Ali', 'Milner', 'Cooze'], 'age':[42,52,36,24,73]} df = pd.DataFrame(raw_data, index=['a', 'b', 'c', 'd', 'e']) df["a"]

first_name Jason last_name Miller age 42 Name: a, dtype: object

KeyError

'Jason'

6번 문제

판다스에서는 엑셀의 피봇 테이블과 같이 데이터의 통계치를 산출하는 함수들이 있다. 다음 중 이러한 역할을 하지 못하는 함수는 무엇인가?

crosstab

pivot_table

groupby

summary

7번 문제

다음 코드를 실행할 경우 예상되는 결과값은 무엇인가? import pandas as pd nested_dict = {'Korea': {2019:4.6, 2020: 5.7, 2021: 4.8}, 'Japn': {2020: 1.5, 2020: 1.5, 2021: 1.6}} df = pd.DataFrame(nested_dict).T df

8번 문제

다음 코드를 실행할 경우 예상되는 결과값은 무엇인가? import pandas as pd data = [['Choi', 29], ['Kim', 32], ['Jung', 27], ['Lee', 25]] df = pd.DataFrame(data, columns=['Name', 'Age'], index=[1,2,3,4]) df.iloc[2]['Age']

Name Jung Age 27 Name: 3, dtype: object

Name Kim Age 32 Name: 2, dtype: object

9번 문제

두 개의 데이터프레임 병합하기 위해 merge 함수를 사용할 수 있다. 다음 중 merge 함수의 매개변수 중 설명이 맞는 것을 고르시오.

how : 병합할 유형을 지정한다. full, left, right, inner가 있다.

on : 어떤 키를 기준으로 병합할 것인지 지정한다.

right_index : right index에 어떤 열을 병합할지를 지정한다. 이름을 'str'로 지정한다.

left : left index를 포함할지에 대한 여부를 True 또는 False로 반환한다.

10번 문제

다음 코드를 실행할 경우 예상되는 결과값은 무엇인가? import pandas as pd ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings', 'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'], 'Rank': [1,2,2,3,3,4,1,1,2,4,1,2], 'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2016], 'Points':[876,789,863,673,741,812,756,788,694,701,804,690]} df = pd.DataFrame(ipl_data) df.groupby('Team')["Points"].mean()

11번 문제

실행 결과와 같은 데이터가 존재할 때, df에 Age 열을 제외하여 저장하고 싶다고 가정하자. 적합하지 않은 코드는 무엇인가? import pandas as pd data = [['Choi',29], ['Kim', 32], ['Jung',27], ['Lee',25]] df = pd.DataFrame(data, columns=['Name','Age'], index=[1,2,3,4]) df

복수 정답 문제입니다. 정답을 모두 선택하세요.

df = df.drop("Age")

del df["Age"]

df.drop("Age", inplace=True)

df = df[["Name"]]

12번 문제

다음과 같은 데이터프레임 df가 존재할 때, 과목별로 Null 값의 개수를 구하려고 한다. 빈칸에 들어갈 값을 고르시오. import pandas as pd import numpy as np df = pd.DataFrame(data=[['Seol', 'A', 'B', None], ['Kim', 'B+', None, None], ['Choi', 'B+', None, 'A'], ['Jung', 'A', None, 'A+']], columns=['Family Name', 'Python', 'DS', 'Algorithm']) df = df.set_index('Family Name').T

df.isnull().count()

df.isnull().sum(axis=1)

df.isnull().count(axis=1)

df.isnull().sum(axis=0)

13번 문제

다음은 판다스의 내장 함수(built-in function)에 대한 설명이다. 함수와 기능이 잘못 짝지어진 것을 고르시오.

sum() : 시리즈 데이터 값이 숫자형 값일 경우에는 합의 값을, 문자열 타입일 경우 연결을 보여준다.

describe() : 숫자 데이터 타입의 요약 정보를 보여준다.

isnull() : 요소 값이 NULL인 인덱스를 반환한다.

mean() : 시리즈 데이터 값이 숫자형 값일 경우에는 평균값을, 문자열 타입일 경우 글자 수에 대한 카운터 값을 보여준다.

14번 문제

다음과 같은 데이터에서 숫자형 열들의 통계 데이터를 추출하고자 한다. 적절한 코드를 고르시오.

pd.pivot_table(df, idnex=["sex"], aggfunc=np.mean)

pd.groupby(df, index=["sex"], aggfunc=np.mean)

pd.cross_tab(df, index=["sex"], aggfunc=np.mean)

pd.summary(df, index=["sex"], aggfunc=np.mean)

15번 문제

다음 실행 결과와 같은 데이터프레임이 존재할 때, 데이터프레임과 각 데이터프레임의 행의 평균에 대한 합의 제곱을 구하기 위한 코드로 올바른 것은? import numpy as np import pandas as pd df = pd.DataFrame(np.arange(1,17).reshape(4,4)) df

(df + df.mean(axis=1)) ** 2

(df + df.mean(axis=0)) ** 2

(df + df.rows) ** 2

(df.sum(df.mean(axis=0))) ** 2

16번 문제

다음 실행 결과와 같은 결과를 출력하기 위해 빈칸의 코드로 적절한 것은? df1 = pd.DataFrame(np.arange(25).reshape(5,5), columns = list("abcde")) df2 = pd.DataFrame(np.arange(16).reshape(4,4), columns = list("abcd")) (작성해야 하는 코드. 여기에 넣어야 할 거 찾으면 됌.)

df1.sum(df2)

df1 + df2

(df1 + df2).fillna(0)

df1 + df2.fillna(0)

17번 문제

다음 실행 결과와 같은 결과를 출력하기 위한 빈칸의 코드로 적절한 것은? df1 = pd.DataFrame(np.arange(16).reshape(4,4)) df2 = pd.DataFrame([[1,0,0,0], [0,1,0,0], [0,0,1,0], [0,0,0,1]]) (여기를 빈칸의 코드)

df.add(df2)

df1.sub(df2)

df1.dot(df2)

df1.mul(df2)