DAY 8 ( Python, Pandas, pd.Series, DataFrame )

 

 

 

 

 

 

 

오늘의 노래 추천 🌃

 

 

Cosmic

아티스트

Red Velvet (레드벨벳)

앨범

Cosmic

발매일

2024.06.24

 

birthday 랑 feel my rhythm 섞은 느낌나요

참고 : 본인 레드벨벳 최애곡 birthday ㅡ> 진심개좋다는뜻

 

 

Sunflower

아티스트

Red Velvet (레드벨벳)

앨범

Cosmic

발매일

1970.01.01

 

이것도 좋음 타이틀곡 후보였대요 팡 터지는 맛이 있는 곡 꼭 들어야함!!

 

 

 

 

 

 

 

 

 

 

 

 

 

DAY 8

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

[ Pandas ]

 

pandas library

 

 

 

 

 

 

 

 

pandas library

 

 

1차원 데이터는 '시'리즈 ( 첫글자 대문자 )

인덱스 + 값

2차원 데이터는 '데'이터 프레임 ( 첫글자 대문자 )

표와 같은 형태

 

 

 

 

ㅡ pd.Series
 

 

pd.Series

 

 

인덱스 조회

 

 

 

 

 

 

 ㅡ Series 값 확인 ㅡ

 

 

 

Series 값 확인

 

실습

 

 

인덱스 name

 

인덱스 이름 달기

.index.name

.name

 

 

 

 

 

 

 ㅡ Series 연산 ㅡ

 

 

 

Series 연산

 

 Series 에 바로 연산자를 사용해 연산가능

 

 

Series 끼리의 연산

 

 Series 끼리의 연산, NaN 값 출력

 

 

 

 

 

 

  ㅡ Series 인덱싱 ㅡ

 

 

 

인덱싱

 

index 번호 또는 index 값으로 인덱싱 가능함

 

 

여러 값 인덱싱

 

"리스트"를 통해 한번에 여러 값 인덱싱 가능함

* 원하는 순서대로 값을 불러올 수 있음

 

 

 

 

 

 

 

 ㅡ Series Boolean 인덱싱 ㅡ

 

 

 

 

Boolean 인덱싱

 

 

Boolean indexing 실습

 

 

두 가지 이상의 조건 &

 

 

두가지 이상의 조건 ❘

 

 

소괄호와 & 또는 | 연산자로 두 가지 이상의 조건을 이어줌

 

 

 

 

 

 

 

 ㅡ Series 슬라이싱 ㅡ

 

 

 

위치 기반 접근

레이블 기반 접근

 

 

 

 

 

 

 

 

 

 

 

*  ( List 가 아닌 ) Dictionary 객체를 이용한 Series 생성

 

 

 

 

 

 

 

 

딕셔너리 객체

 

key 값과 value 값으로 구성된 dictionary 에서

key 값은 Series 의 index, value 값은 value 값이 된다

 

 

 

dictionary Series

 

 

dictionary 형태로 만든 데이터를 data 변수에 넣어주고

data 를 pd.Series 타입의 population2 에 넣어줌

 

 

 

 

 

 

 

 

 

[ dictionary 객체 Series 실습 ]

 

 

 

Series 생성

 

 

 

Series 연산

 

 

 

ㅡ notnull, isnull 

 

.notnull()

 

.isnull()

 

 

공격력의 증가율

 

 

 

 

 

 

 

 

ㅡ Series 값 갱신, 추가, 삭제 ㅡ

 

 

대입 연산자 이용

 

 

 

 

 

 

 

 

 

 

 

[ DataFrame ]

 

pandas library

 

 

 

 

 

dictionary 사용

* value에 해당하는 요소를 리스트로 묶어줘야함

 

 

 

DataFrame 생성

 

 

 

 

 

 

 

 ㅡ DataFrame 인덱스 수정 ㅡ

 

df.index

 

 

.index

 

 

 

 ㅡ DataFrame 인덱스 지정하여 생성 ㅡ

 

리스트 이용

 

리스트 사용

 

 

 

 

 

 

 

 ㅡ DataFrame column 와 index바꾸기 ㅡ

 

.T

 

 

.T

 

출력만 진행되고 원래 값은 재대입이 필요함

 

 

 

 

 

 

 ㅡ DataFrame 값 확인 ㅡ

 

.values .index .columns

 

 

 

 

 

실습

 

 

 

 

 

 

 

 

 

 ㅡ DataFrame 열 생성 / 수정 ㅡ

 

 

 

 

열 생성

 

대입 연산자를 이용해 열 생성

변수명 [ 컬럼이름 ] = [ 값 ]

 

 

 

 

 

 

 

 

 

 

 

[ DataFrame 인덱싱 슬라이싱 ] 

 

 

 

 

 

 

 

 ㅡ DataFrame 열 인덱싱 ㅡ

 

 

 

열 인덱싱

 

방법에 따라 결과가 각각 Series, DataFrame 으로 출력됨

 

 

 

 

 

 ㅡ DataFrame 행 인덱싱 ㅡ

 

 

 

인덱싱

 

위치 기반 접근 ( 인덱스 번호 )

레이블 기반 접근 ( 인덱스 값 )

 

 

 

 

 

 ㅡ loc[], iloc[] 인덱서 ㅡ

 

loc, iloc ( 레이블, 위치 )

 

 

 

 

인덱서 loc, iloc

 

 

 

loc []

실제 인덱스 값을 사용해 행을 가지고 올 때 사용 (레이블 기반 접근)

 

loc

 

 

iloc []

numpy 의 array 인덱싱 방식으로 행을 가지고 올 때 ( 위치 기반 접근 )

 

iloc

 

 

 

 

 

 

 

 ㅡ DataFrame Boolean 인덱싱 ㅡ

 

 

 

 

boolean indexing

 

 

 

 

 

 

 

 

 

[ csv 파일 불러오기 ]

 

 

 

 

ㅡ read csv ㅡ

 

csv 파일 불러오기

 

 

 

 

.value_counts ()

값이 숫자, 문자열, 카테고리 값인 경우에 각각의 값이 나온 횟수를 셀 수 있음

 

.tail ()

뒷 5개 데이터 확인 가능

 

value_counts()

 

value_counts ()

 

 

 

 

 

ㅡ 정렬 ㅡ

 

sort

 

 

.sort_index ()

'인덱스 값'을 기준으로 정렬 ( 오름차순 )

 

.sort_values ()

'데이터 값'을 기준으로 정렬 ( 오름차순 )

* by 를 이용한 컬럼 값 지정이 필요할 수 있음

*ascending = False
 내림차순

 

 

sort_index ()

 

sort_value ()

 

by 는 생략가능 

 

 

* 여러 컬럼 조건을 통한 정렬

여러 컬럼 정렬

 

 

 

 

 

 

 

[ 최종 실습 ]

 

 

 

 

 

 ㅡ csv 파일불러오기

read.csv

   

csv 불러오기

 

 

 

 

ㅡ 합계 구하기

sum

 

sum

 

  

 

 

ㅡ 합계 컬럼 추가

sum

 

합계 컬럼 추가

 

  

 

 

ㅡ 평균 구하기

mean

 

mean ()

  

 

 

ㅡ 반 평균 구하기

mean ( axis = 0 )

 

반평균 구하기

 

 

 

 

ㅡ 최대 최솟값 구하기

min, max ( axis = 1 )

 

min, max

 

 

 

  

 

 

ㅡ apply ( func, axis =0 or 1 )

mean ( axis = 0 )

 

apply

 

행이나 열 단위로 더 복잡한 처리를 할 때 사용

 

 

 

 

 

 

 

[ category ]

 

 

 

 

 

카테고리 만들기

 

  

 

 

ㅡ 카테고리 만들기

pd.cut ()

 

카테고리 만들기

 

카테고리에 들어갈 데이터

카테고리를 분류할 기준이 되는 범주

카테고리 명칭

 

ㅡ> 리스트 형태의 값으로 작성

 

 

  

 

ㅡ 카테고리만 보고 싶을 때 

.categories

 

.categories

 

  

 

 

ㅡ 카테고리만 보고 싶을 때 

.categories

 

  

 

ㅡ 카테고리만 보고 싶을 때 

.categories

 

 

  

 

ㅡ 카테고리만 보고 싶을 때 

.categories

 

 

 

 

 

 

 

[ DataFrame 병합 ]

 

 

 

 

 

 

  

 

ㅡ Merge ()

특정 컬럼을 기준으로 병합

 

pd.merge ( df1, df2, on = 중복컬럼명, how = 조인방식 )

 

inner : 중복값이 있는 행만 출력 ( 교집합방식 )

left : 왼쪽 df 에 있는 값은 모두 출력

right : 오른쪽 df 에 있는 값은 모두 출력

full Outer : 존재하는 값 모두 출력

 

 

 

 

ㅡ 데이터 dictionary 생성

 

딕셔너리 생성

 

 

 

ㅡ DataFrame 에 dictionary 값 넣어주기

 

df

 

 

ㅡ 이름을 기준으로 inner 조인 해주기

merge ()

 

merge ()

 

 

ㅡ left 조인

left 조인

 

 

ㅡ right 조인

 

right 조인

 

 

ㅡ full Outer 조인

 

full outer 조인

 

 

 

 

 

 

 

ㅡ Concat ()

축 ( axis ) 을 기준으로 병합

 

 

pd.concat ( [df1, df2], on = 중복컬럼명, how = 조인방식 )

 

inner : 중복값이 있는 행만 출력 ( 교집합방식 )

full Outer : 존재하는 값 모두 출력

 

 

 

 

key 속성 부여 시 다중 index 가 됨

 

 

 

ignore_index = True

기존 인덱스를 무시하고 새로운 인덱스 부여

 

 

 

 

 

 

 

[ 실습 ]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

슈

 

 

 

 

 

 

 

 

 

Bye