Pandas를 이용한 NC 다이노스 선수 분석

지금까지 설명한 pandas 의 개념을 활용하여 NC 다이노스 선수 데이터를 활용하여 분석해보겠다. 사실 분석이라 하기엔 그렇고 간단히 살펴보겠다.

NC Dinos.xlsx

0.01MB

NC 다이노스 데이터는 3개의 시트가 저장되어 있어서 시트 모두를 불러와야한다. 그리고 엑셀 파일이다.

따라서 코드는

data = pd.read_excel('NC Dinos.xlsx',sheet=None)
nc13,nc14,nc15 = data.values()

위와 같은 코드를 사용하여 각각의 변수에 데이터 값을 불러온다.

nc13.head(2)

위와 같이 연도 구분이 없으므로 연도를 컬럼을 추가한다.

그리고 13년,14년,15년 데이터를 모두 하나의 데이터프레임으로 만들어준다.

for i,j in zip([2013,2014,2015],[nc13,nc14,nc15]):
	j['연도'] = i
df = nc13.merge([nc14,nc15],ignore_index=True)
# df = pd.concat([nc13,nc14,nc15],ignore_index=True) <- merge와 똑같은 결과
df.shape
#out
(60,20)

사실 for 문과 zip을 사용하지 않고 바로 컬럼 삽입을 해주면 되지만 추 후에 model fit이나 predict할 때 사용하기 편하므로 위와 같이 조금은 어려운 코드를 짰다. 이 글을 읽는 사람들이 위 코드를 많이 활용을 했으면 좋겠다.

df.tail()

1. 2015년 타율이 가장 높은 선수 상위 10명의 이름을 뽑아내라

단, 타율이 같을 경우 안타 개수가 많은 순으로 정렬

t1 = df[df['연도'] == 2015].sort_values(by=['타율','안타'],ascending=False).head(10)
t1

t1

이름만 뽑아내야 하니

t1['선수명'].tolist()
#out
'''
['테임즈', '박정준', '조평호', '나성범', '박민우', '김종호', '이호준', '모창민', '용덕한', '조영훈']
'''

 한 번 더 나아가서 상위 10명의 선수와 타율을 데이터 프레임형식으로 정리해보겠다.

t1[['선수명','타율','안타']]

한결 보기가 편해졌다.

박정준 선수와 테임즈 선수의 안타 개수가 상당히 차이 나는 것을 보고 단순히 타율만으로 결정해서는 안되겠구나 라는 것을 깨닫게 된다.

2.  2013~2015년  선수별 3년 평균 안타 수

- 평균 안타수가 높은 순서로 정렬해서 보이기

df.pivot_table(index='선수명',values='안타',aggfunc='mean').sort_values('안타',ascending=False).head(10)

pivot_table을 사용해 인덱스를 선수명으로 하고 values를 안타로 정하여 aggfunc='mean'을 함으로써 평균 안타수를 나타내주는 pivot_table을 만들 수 있다. 이 때 aggfunc='mean'은 default 값이니 사실 따로 설정을 안해줘도 되지만 정확히 하기 위해 해주는 것이 좋다.

만약 pivot_table을 사용하지 않고는 어떻게 할까?

tmp = df.set_index(['선수명','안타'])

인덱스를 선수명과 안타로 설정한 데이터 프레임을 하나 만들어준다.

tmp.head(3)

tmp['안타'].unstack(0).mean(axis=1).sort_values(ascending=False).head(10)

unstack(0)로 연도별(컬럼), 선수별(로우) 안타수를 보기 위한 구조로 변경한 후 컬럼의 평균을 구한 다음 정렬을 시킨 것이다.

tmp['안타'].unstack(0).head()

pivot_table이 훨~~씬 편하다는 것을 느낀다.

3. 평균 안타수 기준 상위 10위 타자들의 3년간 안타, 홈런, 타율 조회
 참고) NaN 값이 있을 경우 '-'로 대체해서 표현 => df.fillna('-')

우선 전체 데이터 값에서 필요한 컬럼만 뽑아서 변수에 저장하겠다.

df2=df[['선수명','연도','안타','홈런','타율']].copy()

그리고 위에서 구했던 안타수 기준 상위 10위 타자들의 이름을 리스트 형식으로 추출하겠다.

위에 코드를 그대로 복붙한 후 만들어 주면 된다.

name=df.pivot_table(index='선수명',values='안타',aggfunc='mean').sort_values('안타',ascending=False).head(10).index.tolist()
name
#out
'''
['테임즈', '나성범', '김종호', '이호준', '이종욱', '김태군', '손시헌', '박민우', '모창민', '지석훈']
'''

 

그 다음 선수명을 인덱스로 변경한다.

tmp = df2.set_index('선수명').loc[name]

tmp.head(3)

그리고 구조를 재배열한다.

tmp.reset_index().set_index(['연도','선수명']).unstack(0)

원하는대로 깔끔하게 나왔다! 하지만 이 과정은 약간의 귀찮음이 있다. 따라서 한줄 코드로 변환시켜봤다.

df.set_index(['연도','선수명'])[['안타','홈런','타율']].unstack(0).loc[name]

기존의 원 데이터 프레임에서 구조를 먼저 잡고 추출하는 방법이다.

위와 같은 코드 끝에 .fillna('-')을 붙여주면

원하는 결과가 추출이 된다.

4. 연도별 팀의 총 안타수, 총 홈런수, 총 도루수

이 역시 예상했듯이 바로 pivot_table을 사용하면 된다.

t=df1.pivot_table(index='연도',values=['안타','홈런','도루'],aggfunc='sum')
t

values(numeric type 이어야 됨)에 원하는 컬럼을 넣어서 pivot_table을 생성시키면 완성이다.