[코딩테스트 대비] 교통사고 통계

데이터분석 직무에 코딩테스트 대비를 위한 기록 

 

출처 : GIL`s LAB

 

 

 

1.  막대 그래프로 시각화

2. 가장 많은 유형 출력

3. 중상비율 계산

 

 

In [1]:

!sudo apt-get install -y fonts-nanum
!sudo fc-cache -fv
!rm ~/.cache/matplotlib -rf

 

 

Reading package lists... Done
Building dependency tree... Done
Reading state information... Done
fonts-nanum is already the newest version (20200506-1).
0 upgraded, 0 newly installed, 0 to remove and 45 not upgraded.
/usr/share/fonts: caching, new cache contents: 0 fonts, 1 dirs
/usr/share/fonts/truetype: caching, new cache contents: 0 fonts, 3 dirs
/usr/share/fonts/truetype/humor-sans: caching, new cache contents: 1 fonts, 0 dirs
/usr/share/fonts/truetype/liberation: caching, new cache contents: 16 fonts, 0 dirs
/usr/share/fonts/truetype/nanum: caching, new cache contents: 12 fonts, 0 dirs
/usr/local/share/fonts: caching, new cache contents: 0 fonts, 0 dirs
/root/.local/share/fonts: skipping, no such directory
/root/.fonts: skipping, no such directory
/usr/share/fonts/truetype: skipping, looped directory detected
/usr/share/fonts/truetype/humor-sans: skipping, looped directory detected
/usr/share/fonts/truetype/liberation: skipping, looped directory detected
/usr/share/fonts/truetype/nanum: skipping, looped directory detected
/var/cache/fontconfig: cleaning cache directory
/root/.cache/fontconfig: not cleaning non-existent cache directory
/root/.fontconfig: not cleaning non-existent cache directory
fc-cache: succeeded

 

In [2]:

from google.colab import drive
drive.mount('/content/drive')

 

 

Drive already mounted at /content/drive; to attempt to forcibly remount, call drive.mount("/content/drive", force_remount=True).

 

In [3]:

import pandas as pd

df = pd.read_excel('/content/drive/MyDrive/accident_stat.xlsx')
df.head()

 

Out[3]:

	사고유형대분류	사고유형중분류	사고유형	사고건수	사망자수	중상자수	경상자수	부상신고자수
0	차대사람	횡단중	횡단중	12767	445	5999	6664	458
1	차대사람	차도통행중	차도통행중	3628	146	1438	2007	183
2	차대사람	길가장자리구역통행중	길가장자리구역통행중	1973	33	563	1330	121
3	차대사람	보도통행중	보도통행중	2226	21	745	1455	131
4	차대사람	기타	기타	14675	333	4887	9139	1062

 

In [4]:

df.사고유형대분류.value_counts()

 

Out[4]:

사고유형대분류
차량단독    7
차대사람    5
차대차     5
Name: count, dtype: int64

 

 

1번¶

 

In [30]:

df['사망비율'] = df.사망자수/df.사고건수

 

In [31]:

df[df['사고유형대분류'] == '차대차']

 

Out[31]:

	사고유형대분류	사고유형중분류	사고유형	사고건수	사망자수	중상자수	경상자수	부상신고자수	사망비율
5	차대차	정면충돌	정면충돌	7892	205	3539	8837	588	0.025976
6	차대차	측면충돌	측면충돌	71687	404	17756	84667	5781	0.005636
7	차대차	후진중충돌	후진중충돌	3514	2	304	4172	162	0.000569
8	차대차	추돌	추돌	32717	379	7564	47111	2748	0.011584
9	차대차	기타	기타	44222	248	9990	49616	3839	0.005608

 

In [29]:

import seaborn as sns
from matplotlib import pyplot as plt

cartocar = df[df['사고유형대분류'] == '차대차']
cartocar

plt.bar(range(len(cartocar['사망비율'])), cartocar['사망비율'])
plt.xticks(range(len(cartocar['사망비율'])), cartocar['사고유형'])
plt.show()

 

 

/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 51221 (\N{HANGUL SYLLABLE JEONG}) missing from current font.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 47732 (\N{HANGUL SYLLABLE MYEON}) missing from current font.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 52649 (\N{HANGUL SYLLABLE CUNG}) missing from current font.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 46028 (\N{HANGUL SYLLABLE DOL}) missing from current font.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 52769 (\N{HANGUL SYLLABLE CEUG}) missing from current font.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 54980 (\N{HANGUL SYLLABLE HU}) missing from current font.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 51652 (\N{HANGUL SYLLABLE JIN}) missing from current font.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 51473 (\N{HANGUL SYLLABLE JUNG}) missing from current font.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 52628 (\N{HANGUL SYLLABLE CU}) missing from current font.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 44592 (\N{HANGUL SYLLABLE GI}) missing from current font.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 53440 (\N{HANGUL SYLLABLE TA}) missing from current font.
  fig.canvas.print_figure(bytes_io, **kw)

 

 

 

요약 : plt.bar(range(len(df)), df)

 

2번¶

 

In [9]:

# 사망유형대분류별로 사망자수가 가장많은 사고유형

df

 

Out[9]:

	사고유형대분류	사고유형중분류	사고유형	사고건수	사망자수	중상자수	경상자수	부상신고자수	사망비율
0	차대사람	횡단중	횡단중	12767	445	5999	6664	458	0.034855
1	차대사람	차도통행중	차도통행중	3628	146	1438	2007	183	0.040243
2	차대사람	길가장자리구역통행중	길가장자리구역통행중	1973	33	563	1330	121	0.016726
3	차대사람	보도통행중	보도통행중	2226	21	745	1455	131	0.009434
4	차대사람	기타	기타	14675	333	4887	9139	1062	0.022692
5	차대차	정면충돌	정면충돌	7892	205	3539	8837	588	0.025976
6	차대차	측면충돌	측면충돌	71687	404	17756	84667	5781	0.005636
7	차대차	후진중충돌	후진중충돌	3514	2	304	4172	162	0.000569
8	차대차	추돌	추돌	32717	379	7564	47111	2748	0.011584
9	차대차	기타	기타	44222	248	9990	49616	3839	0.005608
10	차량단독	전도	전도	956	82	384	403	209	0.085774
11	차량단독	전복	전복	165	36	87	81	27	0.218182
12	차량단독	공작물충돌	공작물충돌	2742	340	1256	1504	532	0.123997
13	차량단독	주/정차차량 충돌	주/정차차량 충돌	23	3	7	8	6	0.130435
14	차량단독	도로이탈	도로이탈 추락	385	73	199	179	44	0.189610
15	차량단독	도로이탈	도로이탈 기타	156	18	73	79	34	0.115385
16	차량단독	기타	기타	3401	148	1114	2030	495	0.043517

 

In [40]:

df.groupby(['사고유형대분류','사망자수'])['사고유형'].max()

 

Out[40]:

사고유형대분류  사망자수
차대사람     21           보도통행중
         33      길가장자리구역통행중
         146          차도통행중
         333             기타
         445            횡단중
차대차      2            후진중충돌
         205           정면충돌
         248             기타
         379             추돌
         404           측면충돌
차량단독     3        주/정차차량 충돌
         18         도로이탈 기타
         36              전복
         73         도로이탈 추락
         82              전도
         148             기타
         340          공작물충돌
Name: 사고유형, dtype: object

 

In [41]:

df.loc[df.groupby('사고유형대분류')['사망자수'].idxmax(), '사고유형'].tolist()

 

Out[41]:

['횡단중', '측면충돌', '공작물충돌']

 

 

요약 : idxmax()

 

3번¶

 

In [42]:

df

 

Out[42]:

	사고유형대분류	사고유형중분류	사고유형	사고건수	사망자수	중상자수	경상자수	부상신고자수	사망비율
0	차대사람	횡단중	횡단중	12767	445	5999	6664	458	0.034855
1	차대사람	차도통행중	차도통행중	3628	146	1438	2007	183	0.040243
2	차대사람	길가장자리구역통행중	길가장자리구역통행중	1973	33	563	1330	121	0.016726
3	차대사람	보도통행중	보도통행중	2226	21	745	1455	131	0.009434
4	차대사람	기타	기타	14675	333	4887	9139	1062	0.022692
5	차대차	정면충돌	정면충돌	7892	205	3539	8837	588	0.025976
6	차대차	측면충돌	측면충돌	71687	404	17756	84667	5781	0.005636
7	차대차	후진중충돌	후진중충돌	3514	2	304	4172	162	0.000569
8	차대차	추돌	추돌	32717	379	7564	47111	2748	0.011584
9	차대차	기타	기타	44222	248	9990	49616	3839	0.005608
10	차량단독	전도	전도	956	82	384	403	209	0.085774
11	차량단독	전복	전복	165	36	87	81	27	0.218182
12	차량단독	공작물충돌	공작물충돌	2742	340	1256	1504	532	0.123997
13	차량단독	주/정차차량 충돌	주/정차차량 충돌	23	3	7	8	6	0.130435
14	차량단독	도로이탈	도로이탈 추락	385	73	199	179	44	0.189610
15	차량단독	도로이탈	도로이탈 기타	156	18	73	79	34	0.115385
16	차량단독	기타	기타	3401	148	1114	2030	495	0.043517

 

In [51]:

# 사고유형별 중상비율 계산 후 50% 넘는 데이터만 .csv로 저장

df['중상비율'] = (df['중상자수'] / df['사고건수']) *100
df[df['중상비율'] > 50].to_csv('중상비율.csv', index=False, encoding='cp949')

 

요약 : to_csv()