[Kaggle] Zomato Bangalore Restaurants 데이터 분석 2 (데이터 전처리)

이전 내용은 아래 글에서 확인 하실 수 있습니다.

[Data Analysis/Kaggle] - [Kaggle] Zomato Bangalore Restaurants 데이터 분석 (데이터 확인 / 질문하기)

[Kaggle] Zomato Bangalore Restaurants 데이터 분석 (데이터 확인 / 질문하기)

3. 데이터 전처리

3-1 불필요한 컬럼 삭제

# url, phone, menu_item 컬럼은 사용하지 않을 것이므로 삭제

zomato = zomato.drop(["url", "phone", "menu_item"], axis = 1)

print(zomato.shape)
zomato.head()

3-2 중복 데이터 확인

zomato.duplicated().sum()

중복 데이터가 50개가 존재하여 삭제하도록 하겠습니다.

 

 

# 중복 데이터 삭제

zomato = zomato.drop_duplicates()

print(zomato.shape)
zomato.head()

3-3 결측치 처리

# Nan 값이 존재하는 행 전부 삭제

zomato = zomato.dropna(how = "any")

print(zomato.shape)
zomato.isnull().sum()

3-4 컬럼명 변경

zomato = zomato.rename(columns = {"approx_cost(for two people)" : "cost",
                                "listed_in(type)" : "list_type",
                                "listed_in(city)" : "list_city"})

zomato.columns

3-5 컬럼 타입 변경

# cost 컬럼의 콤마(,) 삭제 후 숫자 타입으로 변경

zomato["cost"] = zomato["cost"].replace(",", "", regex = True) # 콤마(,) 삭제
zomato["cost"] = pd.to_numeric(zomato["cost"]) # 숫자 타입으로 변경

zomato.info()

 

 

# rate 컬럼 /5 삭제 후 rating 컬럼에 지정

zomato["rating"] = zomato["rate"].replace("/5", "", regex = True)

zomato["rating"].unique()

 

 

# rating 컬럼의 NEW 를 0으로 변경 후 숫자 타입으로 변경

zomato["rating"] = zomato["rating"].replace("NEW", "", regex = True)
zomato["rating"] = pd.to_numeric(zomato["rating"])

print(zomato.shape)
print(zomato["rating"].unique())
zomato.head()

3-6 online_order, book_table 컬럼

# Yes -> 1, No -> 0 으로 변경

zomato["online_order"] = zomato["online_order"].map({"Yes" : 1, "No" : 0}).astype(int)
zomato["book_table"] = zomato["book_table"].map({"Yes" : 1, "No" : 0}).astype(int)

print(zomato.shape)
zomato.head()