091–100 실전 종합

pd.cut(값, bins=[0, 199, 239, 300], labels=[...], include_lowest=True).

Pythondf['grade'] = pd.cut(df['total'], bins=[0, 199, 239, 300], labels=['C', 'B', 'A'], include_lowest=True)
df[['name', 'total', 'grade']]

결과     name  total grade
0  김민준    255     A
1  이서연    255     A
2  박지호    171     C
3  최수아    260     A
4  정민서    196     C
5  강도윤    226     B
6  윤하은    250     A
7  임시우    232     B

풀이: include_lowest=True가 첫 경계 0도 포함시킵니다. 각 구간은 오른쪽 끝을 포함하며 범위 밖 값은 NaN입니다.

map({"A": "한선생", ...})으로 값을 바꿔 끼웁니다.

Pythondf['teacher'] = df['class'].map({'A': '한선생', 'B': '오선생', 'C': '문선생'})
df[['name', 'class', 'teacher']].head(4)

결과     name class teacher
0  김민준     A  한선생
1  이서연     B  오선생
2  박지호     A  한선생
3  최수아     C  문선생

풀이: 딕셔너리의 키와 반 이름을 대응시킵니다. 사전에 없는 반은 NaN이므로 실제 데이터에서는 미등록 값을 확인합니다.

이름을 인덱스로 두고 과목 세 열만 남긴 뒤 idxmax(axis=1).

Pythondf.set_index('name')[['kor', 'eng', 'math']].idxmax(axis=1)

결과name
김민준    math
이서연     kor
박지호     eng
최수아     eng
정민서    math
강도윤     kor
윤하은    math
임시우     eng
dtype: str

풀이: 세 과목 중 최댓값이 있는 열 이름을 반환합니다. 동점이면 선택한 열 순서상 첫 과목입니다.

axis=1이면 행마다 최댓값의 열 이름을 돌려줍니다.

pandas 2.x에서는 마지막 줄이 dtype: object로 보입니다. 값은 같습니다.

pd.qcut(값, 4, labels=[...])은 인원이 비슷하도록 4등분합니다.

Pythonpd.qcut(df['math'], 4, labels=['Q1', 'Q2', 'Q3', 'Q4'])

결과0    Q4
1    Q3
2    Q1
3    Q3
4    Q2
5    Q2
6    Q4
7    Q1
Name: math, dtype: category
Categories (4, str): ['Q1' < 'Q2' < 'Q3' < 'Q4']

풀이: 이 표에서는 각 구간 두 명입니다. 일반 데이터에서는 동점과 분위수 경계 중복 때문에 같은 인원을 보장하지 않습니다.

cut은 지정한 경계나 같은 폭의 구간으로, qcut은 분위수로 나눕니다. 동점이 많으면 인원이 같지 않거나 경계 중복 오류가 날 수 있습니다.

pandas 2.x에서는 값은 같고 표시만 다음과 같습니다.

결과0    Q4
1    Q3
2    Q1
3    Q3
4    Q2
5    Q2
6    Q4
7    Q1
Name: math, dtype: category
Categories (4, object): ['Q1' < 'Q2' < 'Q3' < 'Q4']

cumsum().

Pythondaily['visitors'].cumsum()

결과0     120
1     255
2     383
3     543
4     698
5     908
6    1106
Name: visitors, dtype: int64

풀이: 현재 행 순서대로 누적합니다. 날짜가 뒤섞였다면 먼저 날짜순으로 정렬해야 합니다.

rolling(3).mean() 뒤에 .round(1).

Pythondaily['visitors'].rolling(3).mean().round(1)

결과0      NaN
1      NaN
2    127.7
3    141.0
4    147.7
5    175.0
6    187.7
Name: visitors, dtype: float64

풀이: 3은 여기서 세 행을 뜻합니다. 하루 한 행이고 빠진 날짜가 없어 3일 평균으로 해석할 수 있습니다.

앞 2일은 값이 모자라 NaN입니다.

pct_change()는 비율(0.125)을 줍니다. 100을 곱해 %로 바꾸세요.

Python(daily['visitors'].pct_change() * 100).round(1)

결과0     NaN
1    12.5
2    -5.2
3    25.0
4    -3.1
5    35.5
6    -5.7
Name: visitors, dtype: float64

풀이: pct_change는 비율을 반환하므로 100을 곱해 퍼센트로 바꿉니다. 이전 값이 없으면 NaN, 이전 값이 0이면 무한대가 될 수 있습니다.

shift(1)은 한 칸 아래로 밉니다. 그 열과의 차이를 diff로 만듭니다.

Pythondaily['prev'] = daily['visitors'].shift(1)
daily['diff'] = daily['visitors'] - daily['prev']
daily

결과        date  visitors   prev  diff
0 2026-03-01       120    NaN   NaN
1 2026-03-02       135  120.0  15.0
2 2026-03-03       128  135.0  -7.0
3 2026-03-04       160  128.0  32.0
4 2026-03-05       155  160.0  -5.0
5 2026-03-06       210  155.0  55.0
6 2026-03-07       198  210.0 -12.0

풀이: shift(1)은 행 하나 전 값을 같은 행에 맞춰 놓습니다. 날짜를 하루 이동시키는 것이 아니므로 날짜 정렬과 누락 여부를 확인합니다.

세 과목 열을 고른 뒤 corr().

Pythondf[['kor', 'eng', 'math']].corr().round(2)

결과       kor   eng  math
kor   1.00  0.52  0.31
eng   0.52  1.00  0.42
math  0.31  0.42  1.00

풀이: 숫자 열 사이의 선형 상관을 계산합니다. 표본이 작고 상관만으로 인과관계를 설명할 수는 없습니다.

groupby("class").agg(학생수=(...), 평균합계=(...), 최고득점자=("total", lambda s: ...)) — 람다 안에서 s.idxmax()로 최고점 학생의 행 라벨을 얻습니다.

Pythonreport = df.groupby('class').agg(
    학생수=('name', 'size'),
    평균합계=('total', 'mean'),
    최고득점자=('total', lambda s: df.loc[s.idxmax(), 'name']),
)
report['평균합계'] = report['평균합계'].round(1)
report.sort_values('평균합계', ascending=False)

결과       학생수  평균합계 최고득점자
class                             
C           2     243.0     최수아
B           3     227.7     이서연
A           3     225.3     김민준

풀이: 그룹별 집계와 최고 합계의 이름을 결합합니다. 최고점 동점은 원래 표의 첫 학생이며 반올림한 평균을 기준으로 정렬합니다.

집계 함수 자리에 람다를 넣으면 원하는 계산을 그룹마다 할 수 있습니다.