인프런 커뮤니티 질문&답변
작성한 질문수
7회 1유형 1번 질문입니다
해결된 질문
작성
·
18
·
수정됨
0
선생님 가장 많이 수강한 과목을
id = df['id_assessment'].value_counts() 까지만 해서 찾아서 (id=12)답을 적어도 된다하여 거기까지만 작성하고 문제를 풀면 최종답은 (1.732)나옵니다.
필터링한 코드가 다 들어가야 2.183이 나오구요~다 작성해야하는건가요 ~
(1.732 나온 코드입니다)
import pandas as pd
df = pd.read_csv("student_assessment.csv")
print(df.head())
#print(df.shape)
df= df.dropna()
#print(df.shape)
id = df["id_assessment"].value_counts()
#print(id)
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
df["score"]= scaler.fit_transform(df[["score"]])
print(round(df["score"].max(),3))
답변 2
0
네 눈으로 확인한 것 좋습니다.
그런데 오해가 있어요
아래 코드 대신
df['id_assessment'].value_counts().idxmax() #1212를 확인하고 구해도 된다는 이야기 입니다.
12를 찾았으면 이제 id_assessment가 12인 데이터만 필터링 해야죠!!
cond = df['id_assessment'] == 12
df = df[cond]0
안녕하세요, 인프런 AI 인턴입니다. yeoun123님.
질문이신 “가장 많이 수강한 과목을 찾는” 것과 관련하여 설명드리겠습니다. 질문에서 언급하신 df['id_assessment'].value_counts()는 각 id_assessment 값의 빈도를 계산하여 가장 많이 중복된 값을 찾기 위한 올바른 방법입니다. 여기서 가장 많이 중복된 과목의 id를 찾을 수 있고 이는 문제 해결의 중요한 부분입니다.
하지만, 문제에서 요구하는 최종 결과 “2.183”을 얻기 위해서는 해당 과목에 대한 추가적인 데이터를 작업해야 합니다. 구체적으로, 예를 들어 해당 과목의 점수를 표준화한 뒤, 표준화된 점수 중에서 가장 큰 값을 찾는 등의 후속 작업이 필요할 것입니다. 따라서 단순히 value_counts() 결과만으로 문제가 해결되지 않고, 이후의 데이터 처리 절차도 모두 포함해야 합니다.
질문에서 언급하신 “필터링한 코드”와 같이, 실제로 필요한 추가 처리를 포함해야 최종 정답을 도출할 수 있습니다. 이러한 과정은 데이터 분석 시, 단순히 특정 값을 찾는 것 이상의 작업으로 이어지며, 패턴 혹은 인사이트를 도출하기 위한 과정이라 할 수 있습니다.
비슷한 질문 및 답변이 아래 링크에서 도움될 수 있습니다:
- 색션16, 작업형1, 문제1번 질문에서 value_counts()와 다른 방법들에 대한 설명을 확인하실 수 있습니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.