[데이터 취업 스쿨 스터디 노트] EDA TEST 3 / 올림픽 데이터 분석

« 2024/10 »
일	월	화	수	목	금	토
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30	31

Recent Posts

Link

SH_GitHub

관리 메뉴

log.Sehee

[데이터 취업 스쿨 스터디 노트] EDA TEST 3 / 올림픽 데이터 분석 본문

Zerobase DS School

[데이터 취업 스쿨 스터디 노트] EDA TEST 3 / 올림픽 데이터 분석

Sehe_e 2024. 8. 23. 16:24

!! 해당 데이터 분석시 한계점 !!

해당 데이터는 공식 데이터([국제스포츠정보센터](https://gsic.sports.or.kr/com/cop/game/game_info.do?partCode=1))와 차이가 있음.

대한민국 데이터 누락예시: 2008년 베이징올림픽 역도 48kg 은메달 임정화 누락

복식/단체 종목의 경우 한 종목에서 여러명이 메달을 획득하지만, 국가 순위 집계시 1개로 집계됨

동일 종목인 경우 1개로 계산하는 것이 용이

단, 3,4위 모두에 동메달을 주는 경우 한 나라에서 동메달 2개 획득시 문제 발생

대한민국 사례: 1992년 바르셀로나 올림픽 실제 탁구 남성복식 2팀 준결승 진출로 및 패배로 동메달 2개 획득

당시 준결승 진출시 동메달 수여, 총 4명

이 자료에서는 누가 누구와 복식조를 이뤘는지 구분할 수 없으며 동일종목이므로 이 자료로 국가 순위 집계시 문제 발생

참고: 현재 올림픽 탁구 복식 4위에게는 동메달을 수여하지 않음

올림픽 메달 취소 등 반영 안되어있음

복식/단체 종목의 선수 수, 당시 메달 수여 룰, 메달 취소 및 승격/승계 등의 실제 메타데이터가 없이는 확인 어려움

이러한 이유로 해당 자료 자체만으로 Test 진행 할 예정이며, 국가별 메달 집계시 동일종목당 1개의 메달로 계산

Target Data 가져오기

문제 1-1) Target Data 가져오기 (10점) - 위에 제시된 링크 혹은 datas 폴더에 있는 데이터(Summer-Olympic-medals-1976-to-2008.csv)를 Pandas DataFrame으로 읽어 오세요.

- hint1: 에러 메시지를 확인하세요.

- hint2: 해당 데이터는 영어로 이루어져 있습니다.

- 완료 후 결과 dataframe 변수를 check_01_01 함수에 입력하여 채점하세요.

from grading import *
import pandas as pd

df_target = pd.read_csv('./datas/Summer-Olympic-medals-1976-to-2008.csv', encoding='cp1252')
df_target.head()

Preprocessing missing data 처리

문제 1-2) Preprocessing: missing data 처리 (10점) - 1-1에서 읽은 Data에는 missing data가 있습니다. missing data를 확인하고 처리하세요.

- 조건1: missing data가 있다면, 해당 row(행)를 삭제(drop)하세요

- 조건2: Index를 초기화(reset)하고, 기존 Index는 삭제(drop)하세요.

- 완료 후 결과 dataframe 변수를 check_01_02 함수에 입력하여 채점하세요.

df_target = df_target.dropna()
df_target = df_target.reset_index(drop=True)
df_target.info()

Preprocessing : Data Type 정리

문제 1-3) Preprocessing: Data Type 정리 (10점) - 1-2에서 만든 DataFrame을 아래의 조건에 따라 데이터의 타입을 확인하고 변경해주세요.

- 조건1: float data는 int로 변경해주세요.

- 조건2: float data외의 모든 데이터가 string 인지 확인해주세요.

- 완료 후 결과 dataframe 변수를 check_01_03 함수에 입력하여 채점하세요.

df_target['Year'] = df_target['Year'].astype(int)
df_target.info()

2008년 대한민국 메달리스트 찾기

문제 2-1) 2008년 대한민국 메달리스트 찾기 (15점) - 문제 1에서 만든 DataFrame을 이용하여 2008년 베이징 올림픽 양궁 종목에서 금메달을 획득한 선수들을 찾아보세요.

- 조건1: 2008년 베이징 올림픽 양궁 종목의 금메달리스트만 있는 DataFrame을 만들어 주세요

- 참고: 추후 문제풀이시 문제 없게 하기 위해서 현재데이터를 deep copy하여 진행하시는 것을 추천드립니다.

- 하지 않아도 문제는 없으나 코드 작성 방법에 따라 다음 문제 풀이시 다시 load하고 전처리 진행해야 할 수도 있습니다.

- 완료 후 결과 dataframe 변수를 check_02_01 함수에 입력하여 채점하세요.

df_archery = df_target[
    (df_target['Year'] == 2008) &
    (df_target['Medal'] == 'Gold') &
    (df_target['Sport'] == 'Archery') &
    (df_target['City'] == 'Beijing') &
    (df_target['Country'] == 'Korea, South')
]
df_archery

대한민국 역대(1976-2008) 하계 올림픽 메달 획득 내역 확인

### 문제 2-2) 대한민국 역대(1976-2008) 하계 올림픽 메달 획득 내역 확인(15점) - 문제 1에서 만든 DataFrame과 Pandas 기능을 활용하여 아래 예시와 같은 형태의 대한민국 역대 메달 획득 내역을 만들어주세요.

- 조건1: Index는 Year - Medal로 보여주세요(아래 예시 참고)

- 조건2: Index에서 Year는 내림차순, Medal은 Gold-Silver-Bronze 순으로 보여주세요(아래 예시 참고)

- hint1: 앞서 이야기 한 바와 같이, 메달 숫자는 복식/단체 종목을 감안하여 선수명(Athlete)과 성별(Gender)를 제외한 내용이 일치할 경우 같은 경기에서 획득한 메달로 간주하시면 됩니다.

- hint2: 내용이 일치하는 데이터를 삭제하기 위한 방법은 drop_duplicate, groupby, pivot_table 등 다양한 방법이 있습니다.

- hint3: Medal Index의 정렬 순서를 'Gold'-'Silver'-'Bronze'로 하기 위해서 sort_index의 'key' argument에 dictionary를 활용할 수 있습니다.

- 이 외에 sort_index의 다른 arguments도 확인해 보세요

- 참고2: 추후 문제풀이시 문제 없게 하기 위해서 현재데이터를 deep copy하여 진행하시는 것을 추천드립니다.

- 하지 않아도 문제는 없으나 코드 작성 방법에 따라 다음 문제 풀이시 다시 load하고 전처리 진행해야 할 수도 있습니다.

- 참고3: 대한민국은 1980년 모스크바 올림픽에 참가하지 않았습니다.

- 완료 후 결과 dataframe 변수를 check_02_02 함수에 입력하여 채점하세요.

import numpy as np
df_kor = df_target[df_target['Country'] == 'Korea, South'].drop(columns=['Athlete', 'Gender']).drop_duplicates()
df_kor_pivot = df_kor.pivot_table(index=['Year', 'Medal'], values='City', aggfunc=len)
df_kor_pivot

medal_order = {'Gold':0, 'Silver':1, 'Bronze':2}
df_kor_sort = df_kor_pivot.sort_index(level = 1, key = lambda x: x.map(medal_order), sort_remaining = False)
df_kor_sort = df_kor_sort.sort_index(level = 0, ascending = True, sort_remaining = False)
df_kor_sort

1996년 애틀란타 올림픽 총 메달 개수 기준 상위 10개 국가 확인하기

### 문제 2-3) 1996년 애틀란타 올림픽 총 메달 개수 기준 상위 10개 국가 확인하기(20점) - 문제 1에서 만든 DataFrame과 Pandas 기능을 활용하여 아래 예시와 같은 형태의 **총** 메달 개수 기준 상위 10개국 내역을 만들어주세요.

- 조건1: Index는 앞선 1단계에서 Preprocessing한 Data의 Index 그대로 나두어 주세요.

- 조건2: 총 메달 개수로 오름차순 정렬 후 상위 10개 국가만 나타내는 DataFrame을 만드세요.

- 조건3: 결과 DataFrame의 Columns은 ['Country', 'Medal'] 입니다.

- hint1: 앞서 이야기 한 바와 같이, 메달 숫자는 복식/단체 종목을 감안하여 선수명(Athlete)과 성별(Gender)를 제외한 내용이 일치할 경우 같은 경기에서 획득한 메달로 간주하시면 됩니다.

- hint2: 내용이 일치하는 데이터를 삭제하기 위한 방법은 drop_duplicate, groupby, pivot_table 등 다양한 방법이 있습니다.

- hint3: Groupby, Pivot_table 등의 기능을 활용하는 경우 'as_index' 혹은 'index'와 같은 argument를 활용하세요

- 참고: 추후 문제풀이시 문제 없게 하기 위해서 현재데이터를 deep copy하여 진행하시는 것을 추천드립니다.

- 하지 않아도 문제는 없으나 코드 작성 방법에 따라 다음 문제 풀이시 다시 load하고 전처리 진행해야 할 수도 있습니다.

- 완료 후 결과 dataframe 변수를 check_02_03 함수에 입력하여 채점하세요.

df_medal = df_target[df_target['Year'] == 1996]
df_medal = df_medal.drop(columns=['Athlete', 'Gender']).drop_duplicates()
df_medal

df_medal_count = df_medal.groupby(by='Country')['Medal'].count().reset_index()
df_rank_10 = df_medal_count.sort_values(by='Medal', ascending=False)[:10]
df_rank_10

1996년 애틀란타 올림픽 금메달 개수 기준 상위 10개 국가 확인하기

### 문제 2-4) 1996년 애틀란타 올림픽 금매달 개수 기준 상위 10개 국가 확인하기(20점) - 문제 1에서 만든 DataFrame과 Pandas 기능을 활용하여 아래 예시와 같은 형태의 **금**메달 개수 기준 상위 10개국 내역을 만들어주세요.

- 조건1: 'Gold', 'Silver', 'Bronze' 컬럼을 만들고, 해당 Row(행)의 Medal 이 Gold면 'Gold' 컬럼에 1, Silver면 'Silver' 컬럼에 1, 'Bronze'면 'Bronze'컬럼에 1을 입력하세요

- 추후 아래 예시와 같은 형태로 DataFrame을 만들기 위한 작업입니다. 적당한 순서에 맞추어 해당 작업을 하시면 되고, 혹시 이 작업이 필요 없을 경우 안하셔도 무방합니다.

- 조건2: Index는 앞선 1단계에서 Preprocessing한 Data의 Index 그대로 나두어 주세요.

- 조건3: 금메달 개수로 내림차순 정렬 후 상위 10개 국가만 나타내는 DataFrame을 만드세요.

- 만약 금메달 개수가 같다면, 은메달 개수가 많은 국가가 더 높은 순위이며 은메달 개수도 같다면 동메달 개수가 더 많은 국가가 상위입니다.

- 조건4: 결과 DataFrame의 Columns은 ['Country', 'Gold', 'Silver', 'Bronze'] 입니다.

- hint1: 앞서 이야기 한 바와 같이, 메달 숫자는 복식/단체 종목을 감안하여 선수명(Athlete)과 성별(Gender)를 제외한 내용이 일치할 경우 같은 경기에서 획득한 메달로 간주하시면 됩니다.

- hint2: 내용이 일치하는 데이터를 삭제하기 위한 방법은 drop_duplicate, groupby, pivot_table 등 다양한 방법이 있습니다.

- hint3: Groupby, Pivot_table 등의 기능을 활용하는 경우 'as_index' 혹은 'index'와 같은 argument를 활용하세요

- 완료 후 결과 dataframe 변수를 check_02_04 함수에 입력하여 채점하세요.

df_medal_count = df_medal.groupby(by=['Country', 'Medal']).size().unstack(fill_value=0).reset_index()

medal_order = ['Country', 'Gold', 'Silver', 'Bronze']
df_medal_count = df_medal_count.sort_index(axis=1, key=lambda x: x.map({medal: i for i, medal in enumerate(medal_order)}))
df_medal_count = df_medal_count.sort_values(by=['Gold', 'Silver', 'Bronze'], ascending=False)[:10]
df_medal_count