구글 플레이 스토어 데이터를 활용한 데이터 분석
[ Project ] 구글 플레이 스토어 데이터를 활용한 데이터 분석
본 프로젝트는 1) 데이터 읽기 2) 데이터 전처리 3) 데이터 시각화 4) 데이터 분석의 총 4단계로 이루어져 있습니다.
※ 분석의 목적은 다음과 같습니다.
1) 설치수와 평점 사이에 관계가 있는지를 알아봅니다.
2) 1번의 결과를 유료앱과 무료앱으로 나누어서 분석해봅니다.
3) Category별 점유율을 구하고, 설치수와 평점의 평균을 구해봅니다.
1. 데이터 살펴보기
① 데이터
- 이 프로젝트에서 사용하는 데이터는 구글 플레이 스토어 데이터입니다.
- https://www.kaggle.com/lava18/google-play-store-apps 에서 공개된 데이터를 사용합니다.
② 환경셋팅
- 이 프로젝트를 진행하기 위해서는 아래의 라이브러리가 설치되어 있어야합니다. Pandas, matplotlib
- 개인의 컴퓨터에서 Jupyter Notebook 을 설치하기 힘든 상황이라면, Azure Notebook(https://notebooks.azure.com/) 을 사용하셔도 됩니다.
③ 필드
- App, Category, Rating, Reviews
- Size, Installs, Type, Price
- Content Rating, Genres, Last Updated, Current Ver, Android Ver
2. 데이터 읽기
해당 챕터의 목표
- csv로 저장되어 있는 데이터를 불러 올 수 있습니다.
- 불러온 데이터의 필드와 데이터수를 확인하는 것으로 추후 분석의 기초를 마련합니다.
제공되는 코드
import pandas as pd
데이터 읽기 문제
문제에서 사용할 함수(다른 함수를 사용하는것으로 같은 결과를 출력할 수 있지만 가능한 아래의 함수를 사용해주세요)
- read_csv, columns, shape
[ Quiz 1] pandas의 함수를 사용하여 googleplaystore.csv을 읽어와 data라는 이름의 변수로 저장합니다.
data = pd.read_csv('./googleplaystore.csv')
# data = pd.read_csv('./datasets/googleplaystore.csv')
[Quiz 2]data 의 필드명, 필드개수, 데이터 수를 출력합니다. print 함수로 화면에 명시적으로 출력합니다.
print(data.columns)
print(data.shape)
print(data.count())
print(data.info())
Index(['App', 'Category', 'Rating', 'Reviews', 'Size', 'Installs', 'Type',
'Price', 'Content Rating', 'Genres', 'Last Updated', 'Current Ver',
'Android Ver'],
dtype='object')
(10841, 13)
App 10841
Category 10841
Rating 9367
Reviews 10841
Size 10841
Installs 10841
Type 10840
Price 10841
Content Rating 10840
Genres 10841
Last Updated 10841
Current Ver 10833
Android Ver 10838
dtype: int64
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10841 entries, 0 to 10840
Data columns (total 13 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 App 10841 non-null object
1 Category 10841 non-null object
2 Rating 9367 non-null float64
3 Reviews 10841 non-null object
4 Size 10841 non-null object
5 Installs 10841 non-null object
6 Type 10840 non-null object
7 Price 10841 non-null object
8 Content Rating 10840 non-null object
9 Genres 10841 non-null object
10 Last Updated 10841 non-null object
11 Current Ver 10833 non-null object
12 Android Ver 10838 non-null object
dtypes: float64(1), object(12)
memory usage: 1.1+ MB
None
3. 데이터 전처리
해당 챕터의 목표
- 가지고 온 데이터의 일부 값이 완전하지 않은 경우가 있습니다. 완전하지 않은 데이터를 사용하면 분석 결과에 오차가 생기거나 분석을 하지 못하는 경우가 발생합니다. 완전하지 않은 값을 수정하거나 해당 데이터를 삭제하는 것으로 추후 분석이 가능한 데이터를 구축합니다.
데이터전처리 문제
문제에서 사용할 함수(다른 함수를 사용하는것으로 같은 결과를 출력할 수 있지만 가능한 아래의 함수를 사용해주세요)
- apply, lambda, replace
- 참고 링크 : https://datatofish.com/if-condition-in-pandas-dataframe/
[Quiz 3] Installs 필드에 ‘Free’값으로 되어 있는 데이터를 필터(제거)합니다.
data.head()
| App | Category | Rating | Reviews | Size | Installs | Type | Price | Content Rating | Genres | Last Updated | Current Ver | Android Ver | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | Photo Editor & Candy Camera & Grid & ScrapBook | ART_AND_DESIGN | 4.1 | 159 | 19M | 10,000+ | Free | 0 | Everyone | Art & Design | January 7, 2018 | 1.0.0 | 4.0.3 and up |
| 1 | Coloring book moana | ART_AND_DESIGN | 3.9 | 967 | 14M | 500,000+ | Free | 0 | Everyone | Art & Design;Pretend Play | January 15, 2018 | 2.0.0 | 4.0.3 and up |
| 2 | U Launcher Lite – FREE Live Cool Themes, Hide ... | ART_AND_DESIGN | 4.7 | 87510 | 8.7M | 5,000,000+ | Free | 0 | Everyone | Art & Design | August 1, 2018 | 1.2.4 | 4.0.3 and up |
| 3 | Sketch - Draw & Paint | ART_AND_DESIGN | 4.5 | 215644 | 25M | 50,000,000+ | Free | 0 | Teen | Art & Design | June 8, 2018 | Varies with device | 4.2 and up |
| 4 | Pixel Draw - Number Art Coloring Book | ART_AND_DESIGN | 4.3 | 967 | 2.8M | 100,000+ | Free | 0 | Everyone | Art & Design;Creativity | June 20, 2018 | 1.1 | 4.4 and up |
data.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10841 entries, 0 to 10840
Data columns (total 13 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 App 10841 non-null object
1 Category 10841 non-null object
2 Rating 9367 non-null float64
3 Reviews 10841 non-null object
4 Size 10841 non-null object
5 Installs 10841 non-null object
6 Type 10840 non-null object
7 Price 10841 non-null object
8 Content Rating 10840 non-null object
9 Genres 10841 non-null object
10 Last Updated 10841 non-null object
11 Current Ver 10833 non-null object
12 Android Ver 10838 non-null object
dtypes: float64(1), object(12)
memory usage: 1.1+ MB
install_free = data[data['Installs'] == 'Free']
install_free.head()
| App | Category | Rating | Reviews | Size | Installs | Type | Price | Content Rating | Genres | Last Updated | Current Ver | Android Ver | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10472 | Life Made WI-Fi Touchscreen Photo Frame | 1.9 | 19.0 | 3.0M | 1,000+ | Free | 0 | Everyone | NaN | February 11, 2018 | 1.0.19 | 4.0 and up | NaN |
data = data[data['Installs'] != 'Free']
data.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 10840 entries, 0 to 10840
Data columns (total 13 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 App 10840 non-null object
1 Category 10840 non-null object
2 Rating 9366 non-null float64
3 Reviews 10840 non-null object
4 Size 10840 non-null object
5 Installs 10840 non-null object
6 Type 10839 non-null object
7 Price 10840 non-null object
8 Content Rating 10840 non-null object
9 Genres 10840 non-null object
10 Last Updated 10840 non-null object
11 Current Ver 10832 non-null object
12 Android Ver 10838 non-null object
dtypes: float64(1), object(12)
memory usage: 1.2+ MB
[Quiz 4] Quiz3의 결과를 사용 : Installs 필드의 데이터에서 +와 ,를 제거한 후 숫자 타입으로 치환합니다.
(참고: 1.의 필터 이후(->Quiz3의 처리 이후)의 데이터는 ‘1,000,000+’와 같이 되어있습니다.)
data.head()
| App | Category | Rating | Reviews | Size | Installs | Type | Price | Content Rating | Genres | Last Updated | Current Ver | Android Ver | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | Photo Editor & Candy Camera & Grid & ScrapBook | ART_AND_DESIGN | 4.1 | 159 | 19M | 10,000+ | Free | 0 | Everyone | Art & Design | January 7, 2018 | 1.0.0 | 4.0.3 and up |
| 1 | Coloring book moana | ART_AND_DESIGN | 3.9 | 967 | 14M | 500,000+ | Free | 0 | Everyone | Art & Design;Pretend Play | January 15, 2018 | 2.0.0 | 4.0.3 and up |
| 2 | U Launcher Lite – FREE Live Cool Themes, Hide ... | ART_AND_DESIGN | 4.7 | 87510 | 8.7M | 5,000,000+ | Free | 0 | Everyone | Art & Design | August 1, 2018 | 1.2.4 | 4.0.3 and up |
| 3 | Sketch - Draw & Paint | ART_AND_DESIGN | 4.5 | 215644 | 25M | 50,000,000+ | Free | 0 | Teen | Art & Design | June 8, 2018 | Varies with device | 4.2 and up |
| 4 | Pixel Draw - Number Art Coloring Book | ART_AND_DESIGN | 4.3 | 967 | 2.8M | 100,000+ | Free | 0 | Everyone | Art & Design;Creativity | June 20, 2018 | 1.1 | 4.4 and up |
# data['Installs'] = data['Installs'].str.replace(pat=r'[^0-9]', repl= r'', regex=True)
data['Installs'] = data['Installs'].apply(lambda str: str.replace(',', '').replace('+', ''))
data.head()
| App | Category | Rating | Reviews | Size | Installs | Type | Price | Content Rating | Genres | Last Updated | Current Ver | Android Ver | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | Photo Editor & Candy Camera & Grid & ScrapBook | ART_AND_DESIGN | 4.1 | 159 | 19M | 10000 | Free | 0 | Everyone | Art & Design | January 7, 2018 | 1.0.0 | 4.0.3 and up |
| 1 | Coloring book moana | ART_AND_DESIGN | 3.9 | 967 | 14M | 500000 | Free | 0 | Everyone | Art & Design;Pretend Play | January 15, 2018 | 2.0.0 | 4.0.3 and up |
| 2 | U Launcher Lite – FREE Live Cool Themes, Hide ... | ART_AND_DESIGN | 4.7 | 87510 | 8.7M | 5000000 | Free | 0 | Everyone | Art & Design | August 1, 2018 | 1.2.4 | 4.0.3 and up |
| 3 | Sketch - Draw & Paint | ART_AND_DESIGN | 4.5 | 215644 | 25M | 50000000 | Free | 0 | Teen | Art & Design | June 8, 2018 | Varies with device | 4.2 and up |
| 4 | Pixel Draw - Number Art Coloring Book | ART_AND_DESIGN | 4.3 | 967 | 2.8M | 100000 | Free | 0 | Everyone | Art & Design;Creativity | June 20, 2018 | 1.1 | 4.4 and up |
import numpy as np
data['Installs'] = data['Installs'].astype(np.int32)
data.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 10840 entries, 0 to 10840
Data columns (total 13 columns):
App 10840 non-null object
Category 10840 non-null object
Rating 9366 non-null float64
Reviews 10840 non-null object
Size 10840 non-null object
Installs 10840 non-null int32
Type 10839 non-null object
Price 10840 non-null object
Content Rating 10840 non-null object
Genres 10840 non-null object
Last Updated 10840 non-null object
Current Ver 10832 non-null object
Android Ver 10838 non-null object
dtypes: float64(1), int32(1), object(11)
memory usage: 1.1+ MB
data['Installs'].max()
1000000000
- 리뷰
- 잘해주셨습니다.
- 코드상으로 조금 조언을 드리자면
- 언어에서 이미 예약어로 쓰고 있는 것을 variable 이름으로 쓰는 것은 좋지 않습니다.
- lambda 에 str을 써 주신 부분
- x, y 등과 같이 간결한 걸로 써주시는 것이 좋습니다.
- lambda 같이 간결한 경우!
- 숫자타입 변환의 경우 np.int를 꼭 쓰시지 않고
- ‘int’만 해주셔도 돼요!
[Quiz 5] Quiz4의 결과를 사용 : Size 필드에 ‘Varies with device’값으로 되어 있는 데이터를 필터(제거) 합니다.
temp_size = data[data['Size'] == 'Varies with device']
temp_size.count()
App 1695
Category 1695
Rating 1637
Reviews 1695
Size 1695
Installs 1695
Type 1694
Price 1695
Content Rating 1695
Genres 1695
Last Updated 1695
Current Ver 1695
Android Ver 1695
dtype: int64
data = data[data['Size'] != 'Varies with device']
temp_size = data[data['Size'] == 'Varies with device']
temp_size.count()
App 0
Category 0
Rating 0
Reviews 0
Size 0
Installs 0
Type 0
Price 0
Content Rating 0
Genres 0
Last Updated 0
Current Ver 0
Android Ver 0
dtype: int64
[Quiz 6] Quiz5의 결과를 사용 : Reviews 데이터를 숫자 타입으로 치환합니다.
data['Reviews'] = data['Reviews'].astype(np.int32)
data.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 9145 entries, 0 to 10840
Data columns (total 13 columns):
App 9145 non-null object
Category 9145 non-null object
Rating 7729 non-null float64
Reviews 9145 non-null int32
Size 9145 non-null object
Installs 9145 non-null int32
Type 9145 non-null object
Price 9145 non-null object
Content Rating 9145 non-null object
Genres 9145 non-null object
Last Updated 9145 non-null object
Current Ver 9137 non-null object
Android Ver 9143 non-null object
dtypes: float64(1), int32(2), object(10)
memory usage: 928.8+ KB
4. 데이터 시각화
해당 챕터의 목표
- 전처리가 완료된 데이터를 사용하여 데이터를 시각화합니다.
- Rating과 Installs를 각각 x축과 y축에 매핑하는 것으로 평점과 설치수 사이의 상관관계를 눈으로 확인합니다.
- 유료앱과 무료앱을 나누어 시각화 하는 것으로 유료앱과 무료앱이 가지는 차이를 눈으로 확인합니다.
제공되는 코드
# data의 경우 데이터 전처리가 완료된 값을 사용해주세요.
import matplotlib.pyplot as plt
import numpy as np
visual_data = data
데이터 시각화 문제
문제에서 사용할 함수(다른 함수를 사용하는것으로 같은 결과를 출력할 수 있지만 가능한 아래의 함수를 사용해주세요)
- notnull, log10, scatter(또는 plot), groupby, subplots, get_group
[Quiz 7] Installs가 0 초과인 데이터만을 사용합니다. Rating, Intalls에서 값이 Nan인 데이터를 제거합니다.
visual_data.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 9145 entries, 0 to 10840
Data columns (total 13 columns):
App 9145 non-null object
Category 9145 non-null object
Rating 7729 non-null float64
Reviews 9145 non-null int32
Size 9145 non-null object
Installs 9145 non-null int32
Type 9145 non-null object
Price 9145 non-null object
Content Rating 9145 non-null object
Genres 9145 non-null object
Last Updated 9145 non-null object
Current Ver 9137 non-null object
Android Ver 9143 non-null object
dtypes: float64(1), int32(2), object(10)
memory usage: 928.8+ KB
visual_data = visual_data[visual_data['Installs'] > 0]
visual_data.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 9131 entries, 0 to 10840
Data columns (total 13 columns):
App 9131 non-null object
Category 9131 non-null object
Rating 7729 non-null float64
Reviews 9131 non-null int32
Size 9131 non-null object
Installs 9131 non-null int32
Type 9131 non-null object
Price 9131 non-null object
Content Rating 9131 non-null object
Genres 9131 non-null object
Last Updated 9131 non-null object
Current Ver 9123 non-null object
Android Ver 9129 non-null object
dtypes: float64(1), int32(2), object(10)
memory usage: 927.4+ KB
# visual_data = visual_data.dropna(subset=['Rating', 'Installs'])
visual_data = visual_data[pd.notnull(visual_data.Rating) & pd.notnull(visual_data.Installs)]
visual_data.isnull().sum()
App 0
Category 0
Rating 0
Reviews 0
Size 0
Installs 0
Type 0
Price 0
Content Rating 0
Genres 0
Last Updated 0
Current Ver 4
Android Ver 2
dtype: int64
[Quiz 8] X축이 Rating, Y축이 Installs인 점 그래프를 그려봅니다.
이 때 Installs의 값이 Rating에 비해 지나치게 크기 때문에 log10을 씌웁니다.
visual_data['Installs'] = np.log10(visual_data['Installs'])
visual_data.plot.scatter(x='Rating', y='Installs', c='b', figsize=(8, 6))
plt.show()
[Quiz 9] X축이 Rating, Y축이 Reviews인 점 그래프를 그려봅니다.
이 때, Reviews의 값에 log10을 씌우고, Type으로 GroupBy 하여 Type의 값이 ‘Free’인 경우는 ‘red’, ‘Paid’인 경우는 ‘green’ 으로 표시합니다.
type_group = visual_data.groupby('Type')
type_group.groups
{'Free': Int64Index([ 0, 1, 2, 3, 4, 5, 6, 7, 8,
9,
...
10827, 10828, 10829, 10830, 10832, 10833, 10834, 10836, 10837,
10840],
dtype='int64', length=7150),
'Paid': Int64Index([ 234, 235, 290, 291, 477, 481, 851, 852, 853,
854,
...
10583, 10586, 10594, 10675, 10682, 10690, 10697, 10760, 10782,
10785],
dtype='int64', length=579)}
type_group.count()
| App | Category | Rating | Reviews | Size | Installs | Price | Content Rating | Genres | Last Updated | Current Ver | Android Ver | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Type | ||||||||||||
| Free | 7150 | 7150 | 7150 | 7150 | 7150 | 7150 | 7150 | 7150 | 7150 | 7150 | 7147 | 7149 |
| Paid | 579 | 579 | 579 | 579 | 579 | 579 | 579 | 579 | 579 | 579 | 578 | 578 |
fig, ax = plt.subplots()
for name, group in type_group:
if name == 'Free':
color = 'r'
elif name == 'Paid':
color = 'g'
group.plot.scatter(x='Rating', y='Installs', c=color, figsize=(8, 6), label=name, ax=ax)
plt.legend(loc='upper left', fontsize='x-large')
plt.show()
5. 데이터 분석
해당 챕터의 목표
- 시각화의 결과로 얻어진 insight를 기반으로 하여 데이터의 수치적인 부분의 토대를 마련합니다.
- 데이터의 평균, 중앙값, 최대값, 최소값 등 수치적인 데이터를 구해봅니다.
제공되는 코드
# data의 경우 데이터 전처리가 완료된 값을 사용해주세요.
analysis_data = data
데이터 분석 문제
문제에서 사용할 함수(다른 함수를 사용하는것으로 같은 결과를 출력할 수 있지만 가능한 아래의 함수를 사용해주세요)
- notnull, value_counts, pie, show, round, mean, groupby, get_group
- 모든 정답은 소수점 2자리까지 출력합니다. 단, 2번 문제의 경우 autopct=’%1.2f%%’ 파라미터 사용, 그 외는 round 함수 사용
[Quiz 10] Rating, Intalls가 Nan인 데이터는 제거합니다.
analysis_data.isnull().sum()
App 0
Category 0
Rating 1416
Reviews 0
Size 0
Installs 0
Type 0
Price 0
Content Rating 0
Genres 0
Last Updated 0
Current Ver 8
Android Ver 2
dtype: int64
analysis_data = analysis_data[pd.notnull(analysis_data.Rating) & pd.notnull(analysis_data.Installs)]
# analysis_data = analysis_data.dropna(subset=['Rating', 'Installs'])
analysis_data.isnull().any()
App False
Category False
Rating False
Reviews False
Size False
Installs False
Type False
Price False
Content Rating False
Genres False
Last Updated False
Current Ver True
Android Ver True
dtype: bool
[Quiz 11] Category별 구글 플레이 스토어 점유율을 파이 그래프로 그려봅니다.
analysis_data['Category'].unique()
array(['ART_AND_DESIGN', 'AUTO_AND_VEHICLES', 'BEAUTY',
'BOOKS_AND_REFERENCE', 'BUSINESS', 'COMICS', 'COMMUNICATION',
'DATING', 'EDUCATION', 'ENTERTAINMENT', 'EVENTS', 'FINANCE',
'FOOD_AND_DRINK', 'HEALTH_AND_FITNESS', 'HOUSE_AND_HOME',
'LIBRARIES_AND_DEMO', 'LIFESTYLE', 'GAME', 'FAMILY', 'MEDICAL',
'SOCIAL', 'SHOPPING', 'PHOTOGRAPHY', 'SPORTS', 'TRAVEL_AND_LOCAL',
'TOOLS', 'PERSONALIZATION', 'PRODUCTIVITY', 'PARENTING', 'WEATHER',
'VIDEO_PLAYERS', 'NEWS_AND_MAGAZINES', 'MAPS_AND_NAVIGATION'],
dtype=object)
share = analysis_data['Category'].value_counts().sort_values(ascending=False)
share
FAMILY 1617
GAME 974
TOOLS 634
MEDICAL 324
LIFESTYLE 280
PERSONALIZATION 280
FINANCE 266
SPORTS 247
BUSINESS 246
PHOTOGRAPHY 236
PRODUCTIVITY 235
HEALTH_AND_FITNESS 223
COMMUNICATION 211
SHOPPING 179
SOCIAL 177
DATING 173
NEWS_AND_MAGAZINES 169
TRAVEL_AND_LOCAL 160
BOOKS_AND_REFERENCE 144
VIDEO_PLAYERS 116
EDUCATION 110
MAPS_AND_NAVIGATION 95
ENTERTAINMENT 90
FOOD_AND_DRINK 84
AUTO_AND_VEHICLES 63
LIBRARIES_AND_DEMO 62
ART_AND_DESIGN 59
HOUSE_AND_HOME 56
WEATHER 51
COMICS 49
PARENTING 44
EVENTS 38
BEAUTY 37
Name: Category, dtype: int64
plt.figure(figsize=(20, 10))
plt.pie(share, labels=share.index, autopct='%1.2f%%', startangle=90)
plt.axis('equal')
plt.show()
[Quiz 12] 점유율 상위 5개의 카테고리를 구하고, 각각의 Rating 평균, Installs 평균을 구해봅니다.
# LIFESTYLE 과 PERSONALIZATION 의 값이 280 으로 동일하게 나와 6개를 구햐였습니다.
# 현업에서는 이럴 경우 어떤 식으로 처리 하는 지 궁금합니다.
top5_share = analysis_data['Category'].value_counts().sort_values(ascending=False)[:6]
top5_share
FAMILY 1617
GAME 974
TOOLS 634
MEDICAL 324
LIFESTYLE 280
PERSONALIZATION 280
Name: Category, dtype: int64
top5_mean_rating_installs_category = round(analysis_data.groupby('Category').mean()[['Rating', 'Installs']].loc[top5_share.index], 2)
top5_mean_rating_installs_category
| Rating | Installs | |
|---|---|---|
| FAMILY | 4.19 | 4204349.77 |
| GAME | 4.27 | 30671922.71 |
| TOOLS | 4.01 | 5561598.58 |
| MEDICAL | 4.18 | 143497.15 |
| LIFESTYLE | 4.09 | 1563354.00 |
| PERSONALIZATION | 4.32 | 3564796.18 |
- 리뷰
- 잘해주셨습니다!
- 이런 답을 원했지만 이 부분까지 해주시는 분은 정말 드물었습니다.
- 사실 top5를 구하라고 했지만
- 점수가 동일한 것이 존재할 경우, 위와 같이 모두 표시해줍니다.
- top5의 점수만 구해오라는 것이 아니였으면 말이죠
- 데이터를 살펴보지 않게 되면 상위 5개만 보여주고
- 동일한 점수를 가지게 되는 row가 누락되는 실수가 발생할 수 있습니다.
[Quiz 13] 점유율 상위 5개의 카테고리중 Rating 평균이 가장 높은 Category를 구하고 해당 Category 데이터를 Type별로 GroupBy한 후 Rating, Installs 평균을 구해봅니다.
top5_rating_category = top5_mean_rating_installs_category['Rating'].sort_values(ascending=False)
top5_rating_category
PERSONALIZATION 4.32
GAME 4.27
FAMILY 4.19
MEDICAL 4.18
LIFESTYLE 4.09
TOOLS 4.01
Name: Rating, dtype: float64
top5_rating_category.index[0]
'PERSONALIZATION'
round(analysis_data[analysis_data['Category'] == top5_rating_category.index[0]].groupby('Type').mean()[['Rating', 'Installs']], 2)
| Rating | Installs | |
|---|---|---|
| Type | ||
| Free | 4.29 | 4597659.31 |
| Paid | 4.43 | 78883.12 |
