이 페이지는 컵활 1급의 Excel 예제를 그대로 R과 Python에서 해보는 것을 목적으로 하고 있습니다. 오류와 수정사항 그리고 교육문의는 metrics@kakao.com 으로 메일주시면 감사하겠습니다
이 시리즈는 유형2로 유형1을 놓치신 분들은 아래의 링크를 이용하시면 됩니다.
필요한 패키지 준비
library(readxl) # read excel
library(dplyr)
library(DT)
library(formattable)
library(reticulate) # Python
#py_install(packages = "matplotlib")
#py_install(packages = "pandas")유형2 - 계산작업
R
예제2 데이터 준비
df2 = list_all[[2]]
new_header = df2[1,]
colnames(df2) = new_header
df2 = df2[2:10,] %>%
mutate_at(vars(c(단가,할인율,원가비율,판매량,총매출)), as.numeric) %>%
mutate_if(is.numeric,round, 3)
df2## # A tibble: 9 x 9
## 제품코드 제품명 등급 판매량 단가 원가비율 평가 할인율 총매출
## <chr> <chr> <chr> <dbl> <dbl> <dbl> <chr> <dbl> <dbl>
## 1 tv-a <NA> 고급형 35 1200 0.7 <NA> 0.03 NA
## 2 tv-b <NA> 중급형 60 800 0.6 <NA> 0.05 NA
## 3 tv-c <NA> 보급형 120 600 0.55 <NA> 0.1 NA
## 4 vtr-b <NA> 중급형 10 800 0.7 <NA> 0 NA
## 5 vtr-b <NA> 고급형 34 1300 0.6 <NA> 0.03 NA
## 6 vtr-c <NA> 보급형 60 800 0.55 <NA> 0.05 NA
## 7 aud-a <NA> 고급형 25 600 0.7 <NA> 0 NA
## 8 aud-b <NA> 중급형 54 800 0.6 <NA> 0.05 NA
## 9 aud-c <NA> 고급형 110 500 0.55 <NA> 0.1 NA계산 작업 (1)
- 제품명은 제품코드 뒤의 두 글짜를 뺀 나머지이며, 대문자로 표시
df2_1 =
df2 %>%
rowwise() %>%
mutate('제품명' = substr(제품코드,1,(nchar(제품코드)-2))) %>%
ungroup() %>%
mutate('제품명' = toupper(.$제품명)) %>%
#head(nrow(.)-1) %>%
print()## # A tibble: 9 x 9
## 제품코드 제품명 등급 판매량 단가 원가비율 평가 할인율 총매출
## <chr> <chr> <chr> <dbl> <dbl> <dbl> <chr> <dbl> <dbl>
## 1 tv-a TV 고급형 35 1200 0.7 <NA> 0.03 NA
## 2 tv-b TV 중급형 60 800 0.6 <NA> 0.05 NA
## 3 tv-c TV 보급형 120 600 0.55 <NA> 0.1 NA
## 4 vtr-b VTR 중급형 10 800 0.7 <NA> 0 NA
## 5 vtr-b VTR 고급형 34 1300 0.6 <NA> 0.03 NA
## 6 vtr-c VTR 보급형 60 800 0.55 <NA> 0.05 NA
## 7 aud-a AUD 고급형 25 600 0.7 <NA> 0 NA
## 8 aud-b AUD 중급형 54 800 0.6 <NA> 0.05 NA
## 9 aud-c AUD 고급형 110 500 0.55 <NA> 0.1 NA계산 작업 (2)
- 판매량이 큰 값부터 1위 ~ 3위는 “상”
- 판매량이 큰 값부터 4위 ~ 6위는 “중”
- 나머지 순위에 대해서는 “하”
df2_2 =
df2_1 %>%
mutate_at(vars(판매량), funs(as.numeric)) %>%
mutate('평가' =
ifelse(rank(-as.numeric(df2_1$판매량), ties.method = 'min') %in% 1:3, '상',
ifelse(rank(-as.numeric(df2_1$판매량), ties.method = 'min') %in% 4:6, '중',
'하'))) %>%
print()## Warning: `funs()` is deprecated as of dplyr 0.8.0.
## Please use a list of either functions or lambdas:
##
## # Simple named list:
## list(mean = mean, median = median)
##
## # Auto named with `tibble::lst()`:
## tibble::lst(mean, median)
##
## # Using lambdas
## list(~ mean(., trim = .2), ~ median(., na.rm = TRUE))
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_warnings()` to see where this warning was generated.## # A tibble: 9 x 9
## 제품코드 제품명 등급 판매량 단가 원가비율 평가 할인율 총매출
## <chr> <chr> <chr> <dbl> <dbl> <dbl> <chr> <dbl> <dbl>
## 1 tv-a TV 고급형 35 1200 0.7 중 0.03 NA
## 2 tv-b TV 중급형 60 800 0.6 상 0.05 NA
## 3 tv-c TV 보급형 120 600 0.55 상 0.1 NA
## 4 vtr-b VTR 중급형 10 800 0.7 하 0 NA
## 5 vtr-b VTR 고급형 34 1300 0.6 하 0.03 NA
## 6 vtr-c VTR 보급형 60 800 0.55 상 0.05 NA
## 7 aud-a AUD 고급형 25 600 0.7 하 0 NA
## 8 aud-b AUD 중급형 54 800 0.6 중 0.05 NA
## 9 aud-c AUD 고급형 110 500 0.55 상 0.1 NA계산 작업 (3)
- 판매량이 가장 큰 항목의 제품코드를 구하시오
df2_2$제품코드[which.max(df2_2$판매량)]## [1] "tv-c"계산 작업 (4)
- 등급별 판매량의 합계를 구하시오
df2_2 %>%
group_by(등급) %>%
summarise('판매량 합계' = sum(판매량))## # A tibble: 3 x 2
## 등급 `판매량 합계`
## <chr> <dbl>
## 1 고급형 204
## 2 보급형 180
## 3 중급형 124계산 작업 (5)
- 총매출을 계산할 사용자 정의함수를 만드시오.총매출은 단가(unit cost), 할인율(discount rate), 판매량(sales volume)을 인수로 받아 총매출을 계산하여 되돌려줌.
- 총매출은 단가 x (1-할인율) x 판매량 으로 계산
cal_fun = function(unit_cost, discount_rate, sales_volumne){
total = unit_cost * (1-discount_rate) * sales_volumne
}
df2_5 =
df2_2 %>%
mutate_at(vars(c(단가,할인율, 판매량)), funs(as.numeric)) %>%
mutate('총매출' = cal_fun(단가, 할인율, 판매량)) %>%
print()## # A tibble: 9 x 9
## 제품코드 제품명 등급 판매량 단가 원가비율 평가 할인율 총매출
## <chr> <chr> <chr> <dbl> <dbl> <dbl> <chr> <dbl> <dbl>
## 1 tv-a TV 고급형 35 1200 0.7 중 0.03 40740
## 2 tv-b TV 중급형 60 800 0.6 상 0.05 45600
## 3 tv-c TV 보급형 120 600 0.55 상 0.1 64800
## 4 vtr-b VTR 중급형 10 800 0.7 하 0 8000
## 5 vtr-b VTR 고급형 34 1300 0.6 하 0.03 42874
## 6 vtr-c VTR 보급형 60 800 0.55 상 0.05 45600
## 7 aud-a AUD 고급형 25 600 0.7 하 0 15000
## 8 aud-b AUD 중급형 54 800 0.6 중 0.05 41040
## 9 aud-c AUD 고급형 110 500 0.55 상 0.1 49500Python
Calling R from Python
We can access to R objects within Python cuhcks via the r object.
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
df = r.df2
df.head()## 제품코드 제품명 등급 판매량 단가 원가비율 평가 할인율 총매출
## 0 tv-a NA 고급형 35.0 1200.0 0.70 NA 0.03 NaN
## 1 tv-b NA 중급형 60.0 800.0 0.60 NA 0.05 NaN
## 2 tv-c NA 보급형 120.0 600.0 0.55 NA 0.10 NaN
## 3 vtr-b NA 중급형 10.0 800.0 0.70 NA 0.00 NaN
## 4 vtr-b NA 고급형 34.0 1300.0 0.60 NA 0.03 NaN계산 작업 (1)
- 제품명은 제품코드 뒤의 두 글짜를 뺀 나머지이며, 대문자로 표시
df2_1 = df.copy()
df2_1['제품명'] = df2_1['제품코드'].apply(lambda x: x[:-2]).str.upper()
df2_1## 제품코드 제품명 등급 판매량 단가 원가비율 평가 할인율 총매출
## 0 tv-a TV 고급형 35.0 1200.0 0.70 NA 0.03 NaN
## 1 tv-b TV 중급형 60.0 800.0 0.60 NA 0.05 NaN
## 2 tv-c TV 보급형 120.0 600.0 0.55 NA 0.10 NaN
## 3 vtr-b VTR 중급형 10.0 800.0 0.70 NA 0.00 NaN
## 4 vtr-b VTR 고급형 34.0 1300.0 0.60 NA 0.03 NaN
## 5 vtr-c VTR 보급형 60.0 800.0 0.55 NA 0.05 NaN
## 6 aud-a AUD 고급형 25.0 600.0 0.70 NA 0.00 NaN
## 7 aud-b AUD 중급형 54.0 800.0 0.60 NA 0.05 NaN
## 8 aud-c AUD 고급형 110.0 500.0 0.55 NA 0.10 NaN계산 작업 (2)
- 판매량이 큰 값부터 1위 ~ 3위는 평가 “상”
- 판매량이 큰 값부터 4위 ~ 6위는 평가 “중”
- 나머지 순위에 대해서는 평가 “하”
df2_2 = df2_1.copy()
df2_2['평가'] = (-df2_2['판매량']).rank(method='min').apply(
lambda x: '상' if x in range(1,4) else
'중' if x in range(4,7) else
'하')
df2_2
# def rank(data):
# return np.array([sorted(data).index(x) for x in df2_2['판매량']])
# np.isin(rank(df2_2['판매량']),range(1,4))## 제품코드 제품명 등급 판매량 단가 원가비율 평가 할인율 총매출
## 0 tv-a TV 고급형 35.0 1200.0 0.70 중 0.03 NaN
## 1 tv-b TV 중급형 60.0 800.0 0.60 상 0.05 NaN
## 2 tv-c TV 보급형 120.0 600.0 0.55 상 0.10 NaN
## 3 vtr-b VTR 중급형 10.0 800.0 0.70 하 0.00 NaN
## 4 vtr-b VTR 고급형 34.0 1300.0 0.60 하 0.03 NaN
## 5 vtr-c VTR 보급형 60.0 800.0 0.55 상 0.05 NaN
## 6 aud-a AUD 고급형 25.0 600.0 0.70 하 0.00 NaN
## 7 aud-b AUD 중급형 54.0 800.0 0.60 중 0.05 NaN
## 8 aud-c AUD 고급형 110.0 500.0 0.55 상 0.10 NaN계산 작업 (3)
- 판매량이 가장 큰 항목의 제품코드를 구하시오
df2_2['제품코드'] [df2_2['판매량'].argmax()]## 'tv-c'계산 작업 (4)
- 등급별 판매량의 합계를 구하시오
df2_2.groupby('등급').sum()['판매량']## 등급
## 고급형 204.0
## 보급형 180.0
## 중급형 124.0
## Name: 판매량, dtype: float64계산 작업 (5)
- 총매출을 계산할 사용자 정의함수를 만드시오.총매출은 단가(unit cost), 할인율(discount rate), 판매량(sales volume)을 인수로 받아 총매출을 계산하여 되돌려줌.
- 총매출은 단가 x (1-할인율) x 판매량 으로 계산
def cal_fun(unit_cost, discount_rate, sales_volume):
return unit_cost * (1-discount_rate) * sales_volume
df2_2['총매출'] = df2_2.apply(lambda x: cal_fun(x['단가'],x['할인율'],x['판매량']), axis=1)
df2_2## 제품코드 제품명 등급 판매량 단가 원가비율 평가 할인율 총매출
## 0 tv-a TV 고급형 35.0 1200.0 0.70 중 0.03 40740.0
## 1 tv-b TV 중급형 60.0 800.0 0.60 상 0.05 45600.0
## 2 tv-c TV 보급형 120.0 600.0 0.55 상 0.10 64800.0
## 3 vtr-b VTR 중급형 10.0 800.0 0.70 하 0.00 8000.0
## 4 vtr-b VTR 고급형 34.0 1300.0 0.60 하 0.03 42874.0
## 5 vtr-c VTR 보급형 60.0 800.0 0.55 상 0.05 45600.0
## 6 aud-a AUD 고급형 25.0 600.0 0.70 하 0.00 15000.0
## 7 aud-b AUD 중급형 54.0 800.0 0.60 중 0.05 41040.0
## 8 aud-c AUD 고급형 110.0 500.0 0.55 상 0.10 49500.0