[Drug/김세연, 최다예] EDA 및 전처리 과정

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
from sklearn.preprocessing import LabelEncoder

200개의 행, 6개의 열/ 널값없

• 10대부터 70대 까지 골고루 분포해있음
• 20대 초반, 30대 후반, 40대 후반 비율이 가장 높음

• Drug Y : 모든 종류의 BP가 다 나타남, HIGH > LOW > NORMAL 순
• Drug A, B : HIGH BP만 나타남
• Drug C : LPW BP만 나타남
• Drug X : NORMAL > LOW 순으로 나타남

• 남자 혹은 여자가 특별히 선호하는 약물은 없음 (비슷한 비율)

• DrugB : 60~70대 사이에 분포되어 있음
• DrugY : 광범위하게 분포되어 있음
• DrugA : 3번째로 많음에도 불구하고 30~40대에 집중적으로 분포되어 있음
• DrugC : 데이터 수가 가장 적음에도 불구하고 30~50대에 광범위하게 분포함

• DrugY가 다른 것들에 비해 압도적으로 Na_to_K 값이 높음
• Drug Y의 Na_to_K만 평균이 20이상으로 높고 나머지 약들은 평균이 10 정도에 머물러 있음

• X축 : 마약의 종류, Y축 : Na_to_K, 포인트 : BP
• DrugY : 유일하게 Na_to_K값이 15이상만 존재함, BP의 세 종류가 모두 고루 분포함
• DrugA,B : Na_to_K가 15 이하만 존재하며, HIGH BP만을 가짐
• DrugC : Na_to_K가 15 이하만 존재하며, LOW BP만을 가짐
• DrugX : Na_to_K가 15 이하만 존재하며, LOW, NORMAL BP만을 가짐

• BP와 Cholesterol이 NORMAL인 값들

• BP와 Cholersterol이 모두 정상인 사람은 Drug X와 Y에 분포함

• Na_to_K 값이 10~20 사이에 많이 분포함

• Drug와 Na_to_K는 음의 상관관계를 가짐(-0.69)
• Drug와 BP는 음의 상관관계를 가짐(0.42)
•  

전처리

• DrugY만 앞이 대문자로 표시되어있어 추후 확인이 필요함
• 데이터 불균형 문제 해결 (DrugY와 DrugC의 차이가 4배)
• Na_to_K 소수점 자리 수 통일시키기 (소수점 둘째자리를 기준으로)