-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path전동킥보드 데이터 분석
8547 lines (8547 loc) · 958 KB
/
전동킥보드 데이터 분석
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
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
{
"cells": [
{
"cell_type": "markdown",
"metadata": {
"id": "view-in-github",
"colab_type": "text"
},
"source": [
"<a href=\"https://colab.research.google.com/github/jiin124/data_analysis/blob/main/%EC%A0%84%EB%8F%99%ED%82%A5%EB%B3%B4%EB%93%9C%20%EB%8D%B0%EC%9D%B4%ED%84%B0%20%EB%B6%84%EC%84%9D\" target=\"_parent\"><img src=\"https://colab.research.google.com/assets/colab-badge.svg\" alt=\"Open In Colab\"/></a>"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "znBQ1A9AFNQr"
},
"outputs": [],
"source": [
"import numpy as np\n",
"import pandas as pd\n",
"import matplotlib.pyplot as plt\n",
"import seaborn as sns\n",
"import platform\n",
"import os\n",
"import json"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "O-OD0cQXFNQ1"
},
"outputs": [],
"source": [
"from matplotlib import font_manager, rc\n",
"%matplotlib inline\n",
"\n",
"## 운영체제별 글꼴 세팅\n",
"\n",
"path = \"c:/Windows/Fonts/malgun.ttf\"\n",
"if platform.system() == 'Darwin':\n",
" font_name = 'Apple SD Gothic Neo'\n",
" rc('font', family='Apple SD Gothic Neo')\n",
"elif platform.system() == 'Windows':\n",
" font_name = font_manager.FontProperties(fname=path).get_name()\n",
" rc('font', family=font_name)\n",
"else:\n",
" font_name = font_manager.FontProperties(fname=\"/usr/share/fonts/nanumfont/NanumGothic.ttf\")\n",
" rc('font', family=\"NanumGothic\")"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "fBsOQAPrFNQ6"
},
"outputs": [],
"source": [
"data=pd.read_csv(\"kickboard_final.csv\")"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "0JzcZg_ZFNQ9",
"outputId": "8d7ca0c5-5e7c-4fdf-b566-86f7a803409a"
},
"outputs": [
{
"data": {
"text/html": [
"<div>\n",
"<style scoped>\n",
" .dataframe tbody tr th:only-of-type {\n",
" vertical-align: middle;\n",
" }\n",
"\n",
" .dataframe tbody tr th {\n",
" vertical-align: top;\n",
" }\n",
"\n",
" .dataframe thead th {\n",
" text-align: right;\n",
" }\n",
"</style>\n",
"<table border=\"1\" class=\"dataframe\">\n",
" <thead>\n",
" <tr style=\"text-align: right;\">\n",
" <th></th>\n",
" <th>Unnamed: 0</th>\n",
" <th>id</th>\n",
" <th>나이</th>\n",
" <th>성별</th>\n",
" <th>거주지역</th>\n",
" <th>인근지하철역</th>\n",
" <th>소유차량</th>\n",
" <th>최종학력</th>\n",
" <th>월소득수준</th>\n",
" <th>사용유무</th>\n",
" <th>...</th>\n",
" <th>통학 소요시간</th>\n",
" <th>쇼핑 및 장보기 소요시간</th>\n",
" <th>레저 소요시간</th>\n",
" <th>기타 소요시간</th>\n",
" <th>서비스 이전 수단</th>\n",
" <th>사용하지 않는 이유</th>\n",
" <th>사용했으나 현재 사용하지 않는 이유</th>\n",
" <th>일상생활 편리여부</th>\n",
" <th>대중교통 편리여부</th>\n",
" <th>개선방향</th>\n",
" </tr>\n",
" </thead>\n",
" <tbody>\n",
" <tr>\n",
" <th>0</th>\n",
" <td>0</td>\n",
" <td>1</td>\n",
" <td>25-34</td>\n",
" <td>남성</td>\n",
" <td>서울특별시 노원구</td>\n",
" <td>노원역</td>\n",
" <td>1</td>\n",
" <td>고등교육 이하</td>\n",
" <td>100~300만원</td>\n",
" <td>이용했었으나 지금은 이용하지 않는다.</td>\n",
" <td>...</td>\n",
" <td>15~30분</td>\n",
" <td>15~30분</td>\n",
" <td>15~30분</td>\n",
" <td>15~30분</td>\n",
" <td>자가용</td>\n",
" <td>NaN</td>\n",
" <td>헬멧을 가지고 다니기가 귀찮아서, 시설이 제대로 갖추어져 있지 않고 위험해서 (주행...</td>\n",
" <td>편리해졌다</td>\n",
" <td>편리해졌다</td>\n",
" <td>안전 문제 해결(인도, 차도에서 위험)</td>\n",
" </tr>\n",
" <tr>\n",
" <th>1</th>\n",
" <td>1</td>\n",
" <td>2</td>\n",
" <td>25-34</td>\n",
" <td>여성</td>\n",
" <td>서울특별시 동대문구 장안동</td>\n",
" <td>장한평역, 군자역</td>\n",
" <td>0</td>\n",
" <td>고등교육 이하</td>\n",
" <td>100~300만원</td>\n",
" <td>이용해 본적이 없다. (17번으로 이동)</td>\n",
" <td>...</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>헬멧을 가지고 다니기가 귀찮아서</td>\n",
" <td>NaN</td>\n",
" <td>편리해졌다</td>\n",
" <td>이전과 똑같다</td>\n",
" <td>안전 문제 해결(인도, 차도에서 위험)</td>\n",
" </tr>\n",
" <tr>\n",
" <th>2</th>\n",
" <td>2</td>\n",
" <td>3</td>\n",
" <td>15-24</td>\n",
" <td>남성</td>\n",
" <td>남양주시</td>\n",
" <td>평내호평역</td>\n",
" <td>0</td>\n",
" <td>고등교육 이하</td>\n",
" <td>100만원 이하</td>\n",
" <td>이용해 본적이 없다. (17번으로 이동)</td>\n",
" <td>...</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>편리해졌다</td>\n",
" <td>편리해졌다</td>\n",
" <td>안전 문제 해결(인도, 차도에서 위험)</td>\n",
" </tr>\n",
" <tr>\n",
" <th>3</th>\n",
" <td>3</td>\n",
" <td>4</td>\n",
" <td>15-24</td>\n",
" <td>여성</td>\n",
" <td>하남시 풍산동</td>\n",
" <td>강일역</td>\n",
" <td>0</td>\n",
" <td>고등교육 이하</td>\n",
" <td>100만원 이하</td>\n",
" <td>비정기적으로 이용 중이다.</td>\n",
" <td>...</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>자전거</td>\n",
" <td>NaN</td>\n",
" <td>헬멧을 가지고 다니기가 귀찮아서</td>\n",
" <td>편리해졌다</td>\n",
" <td>편리해졌다</td>\n",
" <td>헬멧이 함께 제공</td>\n",
" </tr>\n",
" <tr>\n",
" <th>4</th>\n",
" <td>4</td>\n",
" <td>5</td>\n",
" <td>15-24</td>\n",
" <td>남성</td>\n",
" <td>서울특별시 광진구 군자동</td>\n",
" <td>어린이대공원역</td>\n",
" <td>0</td>\n",
" <td>고등교육 이하</td>\n",
" <td>100만원 이하</td>\n",
" <td>이용해 본적이 없다. (17번으로 이동)</td>\n",
" <td>...</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>편리해졌다</td>\n",
" <td>편리해졌다</td>\n",
" <td>헬멧이 함께 제공</td>\n",
" </tr>\n",
" </tbody>\n",
"</table>\n",
"<p>5 rows × 31 columns</p>\n",
"</div>"
],
"text/plain": [
" Unnamed: 0 id 나이 성별 거주지역 인근지하철역 소유차량 최종학력 \\\n",
"0 0 1 25-34 남성 서울특별시 노원구 노원역 1 고등교육 이하 \n",
"1 1 2 25-34 여성 서울특별시 동대문구 장안동 장한평역, 군자역 0 고등교육 이하 \n",
"2 2 3 15-24 남성 남양주시 평내호평역 0 고등교육 이하 \n",
"3 3 4 15-24 여성 하남시 풍산동 강일역 0 고등교육 이하 \n",
"4 4 5 15-24 남성 서울특별시 광진구 군자동 어린이대공원역 0 고등교육 이하 \n",
"\n",
" 월소득수준 사용유무 ... 통학 소요시간 쇼핑 및 장보기 소요시간 레저 소요시간 \\\n",
"0 100~300만원 이용했었으나 지금은 이용하지 않는다. ... 15~30분 15~30분 15~30분 \n",
"1 100~300만원 이용해 본적이 없다. (17번으로 이동) ... NaN NaN NaN \n",
"2 100만원 이하 이용해 본적이 없다. (17번으로 이동) ... NaN NaN NaN \n",
"3 100만원 이하 비정기적으로 이용 중이다. ... NaN NaN NaN \n",
"4 100만원 이하 이용해 본적이 없다. (17번으로 이동) ... NaN NaN NaN \n",
"\n",
" 기타 소요시간 서비스 이전 수단 사용하지 않는 이유 \\\n",
"0 15~30분 자가용 NaN \n",
"1 NaN NaN 헬멧을 가지고 다니기가 귀찮아서 \n",
"2 NaN NaN NaN \n",
"3 NaN 자전거 NaN \n",
"4 NaN NaN NaN \n",
"\n",
" 사용했으나 현재 사용하지 않는 이유 일상생활 편리여부 대중교통 편리여부 \\\n",
"0 헬멧을 가지고 다니기가 귀찮아서, 시설이 제대로 갖추어져 있지 않고 위험해서 (주행... 편리해졌다 편리해졌다 \n",
"1 NaN 편리해졌다 이전과 똑같다 \n",
"2 NaN 편리해졌다 편리해졌다 \n",
"3 헬멧을 가지고 다니기가 귀찮아서 편리해졌다 편리해졌다 \n",
"4 NaN 편리해졌다 편리해졌다 \n",
"\n",
" 개선방향 \n",
"0 안전 문제 해결(인도, 차도에서 위험) \n",
"1 안전 문제 해결(인도, 차도에서 위험) \n",
"2 안전 문제 해결(인도, 차도에서 위험) \n",
"3 헬멧이 함께 제공 \n",
"4 헬멧이 함께 제공 \n",
"\n",
"[5 rows x 31 columns]"
]
},
"execution_count": 23,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"data.head()"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "jMb2h1QgFNRB",
"outputId": "6ebc49e3-1f7c-4ecb-cbd4-722e5b0ca7d5"
},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"<class 'pandas.core.frame.DataFrame'>\n",
"RangeIndex: 226 entries, 0 to 225\n",
"Data columns (total 31 columns):\n",
" # Column Non-Null Count Dtype \n",
"--- ------ -------------- ----- \n",
" 0 Unnamed: 0 226 non-null int64 \n",
" 1 id 226 non-null int64 \n",
" 2 나이 226 non-null object \n",
" 3 성별 226 non-null object \n",
" 4 거주지역 225 non-null object \n",
" 5 인근지하철역 214 non-null object \n",
" 6 소유차량 226 non-null int64 \n",
" 7 최종학력 225 non-null object \n",
" 8 월소득수준 225 non-null object \n",
" 9 사용유무 226 non-null object \n",
" 10 사용이유 97 non-null object \n",
" 11 총 이용기간 99 non-null object \n",
" 12 이용하지 못한 이유 97 non-null object \n",
" 13 평균이용시간 99 non-null object \n",
" 14 적정 기본 요금 96 non-null float64\n",
" 15 적정 시간당 요금 96 non-null float64\n",
" 16 목적지 카테고리 81 non-null object \n",
" 17 주요 출발지와 도착지 84 non-null object \n",
" 18 이용 시간대 94 non-null object \n",
" 19 출근 소요시간 37 non-null object \n",
" 20 퇴근 소요시간 36 non-null object \n",
" 21 통학 소요시간 35 non-null object \n",
" 22 쇼핑 및 장보기 소요시간 37 non-null object \n",
" 23 레저 소요시간 34 non-null object \n",
" 24 기타 소요시간 44 non-null object \n",
" 25 서비스 이전 수단 95 non-null object \n",
" 26 사용하지 않는 이유 119 non-null object \n",
" 27 사용했으나 현재 사용하지 않는 이유 78 non-null object \n",
" 28 일상생활 편리여부 206 non-null object \n",
" 29 대중교통 편리여부 207 non-null object \n",
" 30 개선방향 213 non-null object \n",
"dtypes: float64(2), int64(3), object(26)\n",
"memory usage: 54.9+ KB\n"
]
}
],
"source": [
"data.info()"
]
},
{
"cell_type": "markdown",
"metadata": {
"id": "BvRtW50eFNRD"
},
"source": [
"컬럼명이 너무 길고 장황하여 처리해주었다."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "-7nMcYgBFNRI",
"outputId": "4573672c-6d28-473e-d457-c753f0f8d1b3"
},
"outputs": [
{
"data": {
"text/plain": [
"(226, 31)"
]
},
"execution_count": 7,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"data.shape"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "RnMuQp1wFNRM",
"outputId": "7c182410-b8a8-4577-ed08-220f9f896059"
},
"outputs": [
{
"data": {
"text/plain": [
"Unnamed: 0 0\n",
"id 0\n",
"나이 0\n",
"성별 0\n",
"거주지역 1\n",
"인근지하철역 12\n",
"소유차량 0\n",
"최종학력 1\n",
"월소득수준 1\n",
"사용유무 0\n",
"사용이유 129\n",
"총 이용기간 127\n",
"이용하지 못한 이유 129\n",
"평균이용시간 127\n",
"적정 기본 요금 130\n",
"적정 시간당 요금 130\n",
"목적지 카테고리 145\n",
"주요 출발지와 도착지 142\n",
"이용 시간대 132\n",
"출근 소요시간 189\n",
"퇴근 소요시간 190\n",
"통학 소요시간 191\n",
"쇼핑 및 장보기 소요시간 189\n",
"레저 소요시간 192\n",
"기타 소요시간 182\n",
"서비스 이전 수단 131\n",
"사용하지 않는 이유 107\n",
"사용했으나 현재 사용하지 않는 이유 148\n",
"일상생활 편리여부 20\n",
"대중교통 편리여부 19\n",
"개선방향 13\n",
"dtype: int64"
]
},
"execution_count": 8,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"data.isnull().sum()"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"scrolled": false,
"id": "aLmx9nKpFNRO",
"outputId": "d77f356e-919d-4409-e0cf-9b97b3cb3d89"
},
"outputs": [
{
"ename": "KeyError",
"evalue": "\"['감사합니다!! 설문조사가 끝이 났습니다.'] not found in axis\"",
"output_type": "error",
"traceback": [
"\u001b[1;31m---------------------------------------------------------------------------\u001b[0m",
"\u001b[1;31mKeyError\u001b[0m Traceback (most recent call last)",
"\u001b[1;32m<ipython-input-9-541f56fa731b>\u001b[0m in \u001b[0;36m<module>\u001b[1;34m\u001b[0m\n\u001b[0;32m 2\u001b[0m \u001b[1;34m\"적정 기본 요금\"\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;34m\"적정 시간당 요금\"\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;34m\"주요 출발지와 도착지\"\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;34m\"이용 시간대\"\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;34m\"출근 소요시간\"\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;34m\"퇴근 소요시간\"\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;34m\"통학 소요시간\"\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;34m\"쇼핑 및 장보기 소요시간\"\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;34m\"레저 소요시간\"\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;34m\"기타 소요시간\"\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 3\u001b[0m \"서비스 이전 수단\",\"사용하지 않는 이유\",\"사용했으나 현재 사용하지 않는 이유\",\"일상생활 편리여부\",\"대중교통 편리여부\",\"개선방향\"]\n\u001b[1;32m----> 4\u001b[1;33m \u001b[0mdata\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mdrop\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;33m[\u001b[0m\u001b[1;34m'감사합니다!! 설문조사가 끝이 났습니다.'\u001b[0m\u001b[1;33m]\u001b[0m\u001b[1;33m,\u001b[0m\u001b[0maxis\u001b[0m \u001b[1;33m=\u001b[0m \u001b[1;36m1\u001b[0m\u001b[1;33m,\u001b[0m\u001b[0minplace\u001b[0m \u001b[1;33m=\u001b[0m\u001b[1;32mTrue\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 5\u001b[0m \u001b[0mdata\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mcolumns\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mcolumn\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
"\u001b[1;32mC:\\ProgramData\\Miniconda3\\lib\\site-packages\\pandas\\core\\frame.py\u001b[0m in \u001b[0;36mdrop\u001b[1;34m(self, labels, axis, index, columns, level, inplace, errors)\u001b[0m\n\u001b[0;32m 4303\u001b[0m \u001b[0mweight\u001b[0m \u001b[1;36m1.0\u001b[0m \u001b[1;36m0.8\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 4304\u001b[0m \"\"\"\n\u001b[1;32m-> 4305\u001b[1;33m return super().drop(\n\u001b[0m\u001b[0;32m 4306\u001b[0m \u001b[0mlabels\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0mlabels\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 4307\u001b[0m \u001b[0maxis\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0maxis\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
"\u001b[1;32mC:\\ProgramData\\Miniconda3\\lib\\site-packages\\pandas\\core\\generic.py\u001b[0m in \u001b[0;36mdrop\u001b[1;34m(self, labels, axis, index, columns, level, inplace, errors)\u001b[0m\n\u001b[0;32m 4148\u001b[0m \u001b[1;32mfor\u001b[0m \u001b[0maxis\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mlabels\u001b[0m \u001b[1;32min\u001b[0m \u001b[0maxes\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mitems\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 4149\u001b[0m \u001b[1;32mif\u001b[0m \u001b[0mlabels\u001b[0m \u001b[1;32mis\u001b[0m \u001b[1;32mnot\u001b[0m \u001b[1;32mNone\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m-> 4150\u001b[1;33m \u001b[0mobj\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mobj\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_drop_axis\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mlabels\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0maxis\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mlevel\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0mlevel\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0merrors\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0merrors\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 4151\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 4152\u001b[0m \u001b[1;32mif\u001b[0m \u001b[0minplace\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
"\u001b[1;32mC:\\ProgramData\\Miniconda3\\lib\\site-packages\\pandas\\core\\generic.py\u001b[0m in \u001b[0;36m_drop_axis\u001b[1;34m(self, labels, axis, level, errors)\u001b[0m\n\u001b[0;32m 4183\u001b[0m \u001b[0mnew_axis\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0maxis\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mdrop\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mlabels\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mlevel\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0mlevel\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0merrors\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0merrors\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 4184\u001b[0m \u001b[1;32melse\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m-> 4185\u001b[1;33m \u001b[0mnew_axis\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0maxis\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mdrop\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mlabels\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0merrors\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0merrors\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 4186\u001b[0m \u001b[0mresult\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mreindex\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;33m**\u001b[0m\u001b[1;33m{\u001b[0m\u001b[0maxis_name\u001b[0m\u001b[1;33m:\u001b[0m \u001b[0mnew_axis\u001b[0m\u001b[1;33m}\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 4187\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n",
"\u001b[1;32mC:\\ProgramData\\Miniconda3\\lib\\site-packages\\pandas\\core\\indexes\\base.py\u001b[0m in \u001b[0;36mdrop\u001b[1;34m(self, labels, errors)\u001b[0m\n\u001b[0;32m 5589\u001b[0m \u001b[1;32mif\u001b[0m \u001b[0mmask\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0many\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 5590\u001b[0m \u001b[1;32mif\u001b[0m \u001b[0merrors\u001b[0m \u001b[1;33m!=\u001b[0m \u001b[1;34m\"ignore\"\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m-> 5591\u001b[1;33m \u001b[1;32mraise\u001b[0m \u001b[0mKeyError\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;34mf\"{labels[mask]} not found in axis\"\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m 5592\u001b[0m \u001b[0mindexer\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mindexer\u001b[0m\u001b[1;33m[\u001b[0m\u001b[1;33m~\u001b[0m\u001b[0mmask\u001b[0m\u001b[1;33m]\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m 5593\u001b[0m \u001b[1;32mreturn\u001b[0m \u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mdelete\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mindexer\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
"\u001b[1;31mKeyError\u001b[0m: \"['감사합니다!! 설문조사가 끝이 났습니다.'] not found in axis\""
]
}
],
"source": [
"column = [\"id\",\"나이\",\"성별\",\"거주지역\",\"인근지하철역\",\"소유차량\",\"최종학력\",\"월소득수준\",\"사용유무\",\"사용이유\",\"총 이용기간\",\"이용하지 못한 이유\",\"평균이용시간\",\n",
" \"적정 기본 요금\",\"적정 시간당 요금\",\"주요 출발지와 도착지\",\"이용 시간대\",\"출근 소요시간\",\"퇴근 소요시간\",\"통학 소요시간\",\"쇼핑 및 장보기 소요시간\",\"레저 소요시간\",\"기타 소요시간\",\n",
" \"서비스 이전 수단\",\"사용하지 않는 이유\",\"사용했으나 현재 사용하지 않는 이유\",\"일상생활 편리여부\",\"대중교통 편리여부\",\"개선방향\"]\n",
"data.drop(['감사합니다!! 설문조사가 끝이 났습니다.'],axis = 1,inplace =True)\n",
"data.columns = column"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "A7o4b9dDFNRQ",
"outputId": "c697840f-e920-40bd-d879-7911bf319857"
},
"outputs": [
{
"data": {
"text/plain": [
"(226, 31)"
]
},
"execution_count": 10,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"data.shape"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "ghiyF4khFNSN",
"outputId": "5a77a458-6d36-4bf9-d587-c780a6488882"
},
"outputs": [
{
"data": {
"text/html": [
"<div>\n",
"<style scoped>\n",
" .dataframe tbody tr th:only-of-type {\n",
" vertical-align: middle;\n",
" }\n",
"\n",
" .dataframe tbody tr th {\n",
" vertical-align: top;\n",
" }\n",
"\n",
" .dataframe thead th {\n",
" text-align: right;\n",
" }\n",
"</style>\n",
"<table border=\"1\" class=\"dataframe\">\n",
" <thead>\n",
" <tr style=\"text-align: right;\">\n",
" <th></th>\n",
" <th>Unnamed: 0</th>\n",
" <th>id</th>\n",
" <th>나이</th>\n",
" <th>성별</th>\n",
" <th>거주지역</th>\n",
" <th>인근지하철역</th>\n",
" <th>소유차량</th>\n",
" <th>최종학력</th>\n",
" <th>월소득수준</th>\n",
" <th>사용유무</th>\n",
" <th>...</th>\n",
" <th>통학 소요시간</th>\n",
" <th>쇼핑 및 장보기 소요시간</th>\n",
" <th>레저 소요시간</th>\n",
" <th>기타 소요시간</th>\n",
" <th>서비스 이전 수단</th>\n",
" <th>사용하지 않는 이유</th>\n",
" <th>사용했으나 현재 사용하지 않는 이유</th>\n",
" <th>일상생활 편리여부</th>\n",
" <th>대중교통 편리여부</th>\n",
" <th>개선방향</th>\n",
" </tr>\n",
" </thead>\n",
" <tbody>\n",
" <tr>\n",
" <th>0</th>\n",
" <td>0</td>\n",
" <td>1</td>\n",
" <td>25-34</td>\n",
" <td>남성</td>\n",
" <td>서울특별시 노원구</td>\n",
" <td>노원역</td>\n",
" <td>1</td>\n",
" <td>고등교육 이하</td>\n",
" <td>100~300만원</td>\n",
" <td>이용했었으나 지금은 이용하지 않는다.</td>\n",
" <td>...</td>\n",
" <td>15~30분</td>\n",
" <td>15~30분</td>\n",
" <td>15~30분</td>\n",
" <td>15~30분</td>\n",
" <td>자가용</td>\n",
" <td>NaN</td>\n",
" <td>헬멧을 가지고 다니기가 귀찮아서, 시설이 제대로 갖추어져 있지 않고 위험해서 (주행...</td>\n",
" <td>편리해졌다</td>\n",
" <td>편리해졌다</td>\n",
" <td>안전 문제 해결(인도, 차도에서 위험)</td>\n",
" </tr>\n",
" <tr>\n",
" <th>1</th>\n",
" <td>1</td>\n",
" <td>2</td>\n",
" <td>25-34</td>\n",
" <td>여성</td>\n",
" <td>서울특별시 동대문구 장안동</td>\n",
" <td>장한평역, 군자역</td>\n",
" <td>0</td>\n",
" <td>고등교육 이하</td>\n",
" <td>100~300만원</td>\n",
" <td>이용해 본적이 없다. (17번으로 이동)</td>\n",
" <td>...</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>헬멧을 가지고 다니기가 귀찮아서</td>\n",
" <td>NaN</td>\n",
" <td>편리해졌다</td>\n",
" <td>이전과 똑같다</td>\n",
" <td>안전 문제 해결(인도, 차도에서 위험)</td>\n",
" </tr>\n",
" <tr>\n",
" <th>2</th>\n",
" <td>2</td>\n",
" <td>3</td>\n",
" <td>15-24</td>\n",
" <td>남성</td>\n",
" <td>남양주시</td>\n",
" <td>평내호평역</td>\n",
" <td>0</td>\n",
" <td>고등교육 이하</td>\n",
" <td>100만원 이하</td>\n",
" <td>이용해 본적이 없다. (17번으로 이동)</td>\n",
" <td>...</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>편리해졌다</td>\n",
" <td>편리해졌다</td>\n",
" <td>안전 문제 해결(인도, 차도에서 위험)</td>\n",
" </tr>\n",
" <tr>\n",
" <th>3</th>\n",
" <td>3</td>\n",
" <td>4</td>\n",
" <td>15-24</td>\n",
" <td>여성</td>\n",
" <td>하남시 풍산동</td>\n",
" <td>강일역</td>\n",
" <td>0</td>\n",
" <td>고등교육 이하</td>\n",
" <td>100만원 이하</td>\n",
" <td>비정기적으로 이용 중이다.</td>\n",
" <td>...</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>자전거</td>\n",
" <td>NaN</td>\n",
" <td>헬멧을 가지고 다니기가 귀찮아서</td>\n",
" <td>편리해졌다</td>\n",
" <td>편리해졌다</td>\n",
" <td>헬멧이 함께 제공</td>\n",
" </tr>\n",
" <tr>\n",
" <th>4</th>\n",
" <td>4</td>\n",
" <td>5</td>\n",
" <td>15-24</td>\n",
" <td>남성</td>\n",
" <td>서울특별시 광진구 군자동</td>\n",
" <td>어린이대공원역</td>\n",
" <td>0</td>\n",
" <td>고등교육 이하</td>\n",
" <td>100만원 이하</td>\n",
" <td>이용해 본적이 없다. (17번으로 이동)</td>\n",
" <td>...</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>NaN</td>\n",
" <td>편리해졌다</td>\n",
" <td>편리해졌다</td>\n",
" <td>헬멧이 함께 제공</td>\n",
" </tr>\n",
" </tbody>\n",
"</table>\n",
"<p>5 rows × 31 columns</p>\n",
"</div>"
],
"text/plain": [
" Unnamed: 0 id 나이 성별 거주지역 인근지하철역 소유차량 최종학력 \\\n",
"0 0 1 25-34 남성 서울특별시 노원구 노원역 1 고등교육 이하 \n",
"1 1 2 25-34 여성 서울특별시 동대문구 장안동 장한평역, 군자역 0 고등교육 이하 \n",
"2 2 3 15-24 남성 남양주시 평내호평역 0 고등교육 이하 \n",
"3 3 4 15-24 여성 하남시 풍산동 강일역 0 고등교육 이하 \n",
"4 4 5 15-24 남성 서울특별시 광진구 군자동 어린이대공원역 0 고등교육 이하 \n",
"\n",
" 월소득수준 사용유무 ... 통학 소요시간 쇼핑 및 장보기 소요시간 레저 소요시간 \\\n",
"0 100~300만원 이용했었으나 지금은 이용하지 않는다. ... 15~30분 15~30분 15~30분 \n",
"1 100~300만원 이용해 본적이 없다. (17번으로 이동) ... NaN NaN NaN \n",
"2 100만원 이하 이용해 본적이 없다. (17번으로 이동) ... NaN NaN NaN \n",
"3 100만원 이하 비정기적으로 이용 중이다. ... NaN NaN NaN \n",
"4 100만원 이하 이용해 본적이 없다. (17번으로 이동) ... NaN NaN NaN \n",
"\n",
" 기타 소요시간 서비스 이전 수단 사용하지 않는 이유 \\\n",
"0 15~30분 자가용 NaN \n",
"1 NaN NaN 헬멧을 가지고 다니기가 귀찮아서 \n",
"2 NaN NaN NaN \n",
"3 NaN 자전거 NaN \n",
"4 NaN NaN NaN \n",
"\n",
" 사용했으나 현재 사용하지 않는 이유 일상생활 편리여부 대중교통 편리여부 \\\n",
"0 헬멧을 가지고 다니기가 귀찮아서, 시설이 제대로 갖추어져 있지 않고 위험해서 (주행... 편리해졌다 편리해졌다 \n",
"1 NaN 편리해졌다 이전과 똑같다 \n",
"2 NaN 편리해졌다 편리해졌다 \n",
"3 헬멧을 가지고 다니기가 귀찮아서 편리해졌다 편리해졌다 \n",
"4 NaN 편리해졌다 편리해졌다 \n",
"\n",
" 개선방향 \n",
"0 안전 문제 해결(인도, 차도에서 위험) \n",
"1 안전 문제 해결(인도, 차도에서 위험) \n",
"2 안전 문제 해결(인도, 차도에서 위험) \n",
"3 헬멧이 함께 제공 \n",
"4 헬멧이 함께 제공 \n",
"\n",
"[5 rows x 31 columns]"
]
},
"execution_count": 11,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"data.head()"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "TIKeePtFFNSP",
"outputId": "6fdb1952-3b2c-44d2-df89-a1a308d7d39e"
},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"<class 'pandas.core.frame.DataFrame'>\n",
"RangeIndex: 226 entries, 0 to 225\n",
"Data columns (total 29 columns):\n",
" # Column Non-Null Count Dtype \n",
"--- ------ -------------- ----- \n",
" 0 id 226 non-null int64 \n",
" 1 나이 226 non-null object\n",
" 2 성별 226 non-null object\n",
" 3 거주지역 225 non-null object\n",
" 4 인근지하철역 214 non-null object\n",
" 5 소유차량 226 non-null object\n",
" 6 최종학력 225 non-null object\n",
" 7 월소득수준 225 non-null object\n",
" 8 사용유무 226 non-null object\n",
" 9 사용이유 97 non-null object\n",
" 10 총 이용기간 99 non-null object\n",
" 11 이용하지 못한 이유 97 non-null object\n",
" 12 평균이용시간 99 non-null object\n",
" 13 적정 기본 요금 96 non-null object\n",
" 14 적정 시간당 요금 96 non-null object\n",
" 15 주요 출발지와 도착지 84 non-null object\n",
" 16 이용 시간대 94 non-null object\n",
" 17 출근 소요시간 37 non-null object\n",
" 18 퇴근 소요시간 36 non-null object\n",
" 19 통학 소요시간 35 non-null object\n",
" 20 쇼핑 및 장보기 소요시간 37 non-null object\n",
" 21 레저 소요시간 34 non-null object\n",
" 22 기타 소요시간 44 non-null object\n",
" 23 서비스 이전 수단 95 non-null object\n",
" 24 사용하지 않는 이유 119 non-null object\n",
" 25 사용했으나 현재 사용하지 않는 이유 78 non-null object\n",
" 26 일상생활 편리여부 206 non-null object\n",
" 27 대중교통 편리여부 207 non-null object\n",
" 28 개선방향 213 non-null object\n",
"dtypes: int64(1), object(28)\n",
"memory usage: 51.3+ KB\n"
]
}
],
"source": [
"data.info()"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "7BguAVgjFNST",
"outputId": "f7f36baf-7ada-40f9-85d3-61a1f9d89a6d"
},
"outputs": [
{
"data": {
"text/plain": [
"id 1\n",
"나이 25-34\n",
"성별 남성\n",
"거주지역 서울특별시 노원구\n",
"인근지하철역 노원역\n",
"소유차량 1대 소유\n",
"최종학력 대학생\n",
"월소득수준 100~300만원\n",
"사용유무 이용했었으나 지금은 이용하지 않는다.\n",
"사용이유 스마트폰앱으로 지불 및 서비스 이용이 용이하다., 직접 운전하기 편리하고 재미있다....\n",
"총 이용기간 한 달 이상\n",
"이용하지 못한 이유 전동킥보드 부재, 킥보드가 파손, 고장난 경우, 헬멧이 없어서\n",
"평균이용시간 15~30분\n",
"적정 기본 요금 1500원\n",
"적정 시간당 요금 150원\n",
"주요 출발지와 도착지 노원역-태릉약\n",
"이용 시간대 15-18시\n",
"출근 소요시간 15~30분\n",
"퇴근 소요시간 15~30분\n",
"통학 소요시간 15~30분\n",
"쇼핑 및 장보기 소요시간 15~30분\n",
"레저 소요시간 15~30분\n",
"기타 소요시간 15~30분\n",
"서비스 이전 수단 자가용\n",
"사용하지 않는 이유 NaN\n",
"사용했으나 현재 사용하지 않는 이유 헬멧을 가지고 다니기가 귀찮아서, 시설이 제대로 갖추어져 있지 않고 위험해서 (주행...\n",
"일상생활 편리여부 편리해졌다\n",
"대중교통 편리여부 편리해졌다\n",
"개선방향 안전 문제 해결(인도, 차도에서 위험)\n",
"Name: 0, dtype: object"
]
},
"execution_count": 328,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"data.iloc[0]"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "0-tVRuFQFNSY",
"outputId": "fcaf437b-33d4-416f-a6e8-7db0a40e1391"
},
"outputs": [
{
"data": {
"text/plain": [
"array(['자가용', nan, '자전거', '도보', '공유자전거 서비스', '자전거,버스,지하철', '버스', '전철',\n",
" '이륜차', '택시', '자차'], dtype=object)"
]
},
"execution_count": 329,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"data[\"서비스 이전 수단\"].unique()"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "7HhWdb7rFNSa",
"outputId": "982e14d1-27e5-4b9d-ec6a-00508f5f8dff"
},
"outputs": [
{
"data": {
"text/plain": [
"array([nan, '헬멧을 가지고 다니기가 귀찮아서',\n",
" '헬멧을 가지고 다니기가 귀찮아서, 시설이 제대로 갖추어져 있지 않고 위험해서 (주행도로, 거치장소 등)',\n",
" '시설이 제대로 갖추어져 있지 않고 위험해서 (주행도로, 거치장소 등), 비싼 가격',\n",
" '시설이 제대로 갖추어져 있지 않고 위험해서 (주행도로, 거치장소 등), 서비스 사용/운전이 어려워서 (어플 사용, 킥보드 사용방법 등)',\n",
" '이용할 필요가 없어서',\n",
" '헬멧을 가지고 다니기가 귀찮아서, 서비스 사용/운전이 어려워서 (어플 사용, 킥보드 사용방법 등)',\n",
" '이용할 필요가 없어서, 비싼 가격',\n",
" '서비스 사용/운전이 어려워서 (어플 사용, 킥보드 사용방법 등), 이용할 필요가 없어서',\n",
" '헬멧을 가지고 다니기가 귀찮아서, 이용할 필요가 없어서', '운전면허증이 없어서',\n",
" '헬멧을 가지고 다니기가 귀찮아서, 시설이 제대로 갖추어져 있지 않고 위험해서 (주행도로, 거치장소 등), 서비스 사용/운전이 어려워서 (어플 사용, 킥보드 사용방법 등), 비싼 가격',\n",
" '헬멧을 가지고 다니기가 귀찮아서, 개인 킥보드 고유중',\n",
" '헬멧을 가지고 다니기가 귀찮아서, 시설이 제대로 갖추어져 있지 않고 위험해서 (주행도로, 거치장소 등), 서비스 사용/운전이 어려워서 (어플 사용, 킥보드 사용방법 등)',\n",
" '시설이 제대로 갖추어져 있지 않고 위험해서 (주행도로, 거치장소 등), 이용할 필요가 없어서',\n",
" '헬멧을 가지고 다니기가 귀찮아서, 비싼 가격', '서비스 사용/운전이 어려워서 (어플 사용, 킥보드 사용방법 등)',\n",
" '서비스 사용/운전이 어려워서 (어플 사용, 킥보드 사용방법 등), 면허가 없어서',\n",
" '시설이 제대로 갖추어져 있지 않고 위험해서 (주행도로, 거치장소 등)', '운전면허가 없어서',\n",
" '이용할 필요가 없어서, 면허 없음',\n",
" '운전면허증이 없어서, 시설이 제대로 갖추어져 있지 않고 위험해서 (주행도로, 거치장소 등)', '비싼 가격',\n",
" '시설이 제대로 갖추어져 있지 않고 위험해서 (주행도로, 거치장소 등), 운전면허증이 없어서',\n",
" '이용할 필요가 없어서, 운전면허증이 없어서', '비싼 가격, 운전면허증이 없어서', '운전면허증이 없어서, 위험해서',\n",
" '시설이 제대로 갖추어져 있지 않고 위험해서 (주행도로, 거치장소 등), 서비스 사용/운전이 어려워서 (어플 사용, 킥보드 사용방법 등), 운전면허증이 없어서',\n",
" '헬멧을 가지고 다니기가 귀찮아서, 시설이 제대로 갖추어져 있지 않고 위험해서 (주행도로, 거치장소 등), 비싼 가격'],\n",
" dtype=object)"
]
},
"execution_count": 330,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"data[\"사용하지 않는 이유\"].unique()"
]
},
{
"cell_type": "markdown",
"metadata": {
"id": "9-Y8CpNRFNSc"
},
"source": [
"## 나이"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "9v8WSUBfFNSe",
"outputId": "f42c9b1a-8c98-4ad9-bc0a-2ced8245b7e5"
},
"outputs": [
{
"data": {
"text/html": [
"<div>\n",
"<style scoped>\n",
" .dataframe tbody tr th:only-of-type {\n",
" vertical-align: middle;\n",
" }\n",
"\n",
" .dataframe tbody tr th {\n",
" vertical-align: top;\n",
" }\n",
"\n",
" .dataframe thead th {\n",
" text-align: right;\n",
" }\n",
"</style>\n",
"<table border=\"1\" class=\"dataframe\">\n",
" <thead>\n",
" <tr style=\"text-align: right;\">\n",
" <th></th>\n",
" <th>성별</th>\n",
" </tr>\n",
" <tr>\n",
" <th>나이</th>\n",
" <th></th>\n",
" </tr>\n",
" </thead>\n",
" <tbody>\n",
" <tr>\n",
" <th>15-24</th>\n",
" <td>153</td>\n",
" </tr>\n",
" <tr>\n",
" <th>25-34</th>\n",
" <td>58</td>\n",
" </tr>\n",
" <tr>\n",
" <th>45-54</th>\n",
" <td>2</td>\n",
" </tr>\n",
" <tr>\n",
" <th>55-64</th>\n",
" <td>13</td>\n",
" </tr>\n",
" </tbody>\n",
"</table>\n",
"</div>"
],
"text/plain": [
" 성별\n",
"나이 \n",
"15-24 153\n",
"25-34 58\n",
"45-54 2\n",
"55-64 13"
]
},
"execution_count": 331,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"age_data=data.groupby(\"나이\").count()[[\"성별\"]]\n",
"age_data"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"id": "FKTWr9YQFNSf",
"outputId": "8bea5784-add9-4ad9-f71f-5a9ed25aa6fd"
},
"outputs": [
{
"data": {
"text/html": [
"<div>\n",
"<style scoped>\n",
" .dataframe tbody tr th:only-of-type {\n",
" vertical-align: middle;\n",
" }\n",
"\n",
" .dataframe tbody tr th {\n",
" vertical-align: top;\n",
" }\n",
"\n",
" .dataframe thead th {\n",
" text-align: right;\n",