새싹개발자

위와같은 데이터 프레임 df가 있습니다. Employee Name 의 데이터들의 글자 수를 알고 싶다면 어떻게 해야 할까요? 우리는 문자열의 갯수를 구하는 함수 len()을 알고 있고 있습니다. 이 함수를 적용시키는 방법은 apply() 함수를 이용하시면 됩니다. df['Employee Name'].apply( len ) 이런식으로 apply를 이용하면 함수를 적용시킬수 있게 됩니다.

위와 같은 데이터를 가지고 있는 df 가 있습니다. 경력이 3년 이상인 사람들의 데이터를 가져오고 싶습니다. df.loc[df['Years of Experience']>= 3 , ] 위와 같이 행부분에 조건을 입력하여 출력이 가능합니다. 다만 이런식으로 조건을 입력할 경우 loc 함수만을 이용해야 합니다. 조건이 여러개인 경우는 & , | 를 이용하여 처리할 수 있습니다. 예를 들어 경력이 4년 이상이고 8년 이하인 사람의 데이터는 df.loc[(df['Years of Experience'] >= 4) & (df['Years of Experience']

DataFrame 의 데이터가 특정값이 반복될 때 데이터를 그룹지어 분석 할 수 있다. 다음과 같은 데이터 프레임 df가 있습니다. 지금은 8개의 데이터밖에 없으나 만약 수십만개 이상이라고 가정해봅시다. Year의 데이터의 값이 같은게 여러개 있을 수 있고, 또는 한개 일 수도 있습니다. 데이터의 종류는 몇가지인지 궁금할때 우리는 중복을 없애는 함수 unique를 배웠습니다. df['Year'].unique() 이렇게 3가지 종류로 있는 걸 알 수있습니다. 갯수를 알고 싶다면 nunique() 을 이용하면 갯수로 알려줍니다. 그러면 이번에는 특정 조건을 만족하는 데이터를 묶어서 처리하는 groupby() 함수를 알아봅시다. year 값이 같은 데이터들의 연봉합을 알고 싶습니다. df.groupby('Ye..

NaN 값이 존재하게 되면 데이터를 분석하는 과정에서 오류가 나타날 수 있다. 따라서 이 NaN값을 처리해줘야 한다. 1. NaN값이 있는 행을 지운다. 2. NaN값을 무언가로 대체한다. df라는 데이터프레임은 다음과 같다 먼저 비어있는 데이터가 어디에 있는지 확인을 해야한다. 그럴때 사용하는 함수는 isna()와 notna()가 있다. isna() : 데이터가 비어있으면 True, 비어있지 않으면 False notna() : 데이터가 있으면 True, 비어있으면 False 그러면 이제 이 비어있는 값을 가지고 있는 행을 지워보자. 이럴때 사용하는 함수는 dropna() 함수이다. df.dropna() # 행을 삭제한다. 행을 삭제하지 않고 다른 값으로 대체하려면 fillna()를 이용한다. filln..

DataFrame 은 CSV 파일 을 읽어와 사용하게 됩니다. import pandas as pd pd.read_csv('경로/파일명.csv') 위와같은 방식으로 읽어오게 됩니다. 예를 들어 winemag-data_first150k 라는 이름의 csv 파일이 있고 이를 reviews 라는 변수에 가져와보겠습니다. reviews = pd.read_csv('../data/winemag-data_first150k.csv',index_col=0) 여기서 index_col 은 가져온 데이터프레임에 컬럼을 인덱스로 사용하겠다는 의미로 0은 첫번째 값을 인덱스로 사용한다 는 의미입니다. 이런 형태의 수만가지 데이터가 저장됩니다. 처음 몇개의 형태만 출력하고 싶다면 head()를 , 뒤에 몇개를 출력하고 싶다면 tai..

DataFrame df 는 위와 같은 값을 가지고 있습니다. DataFrame 에서 행렬삭제는 drop()을 이용합니다. store 2 의 값을 삭제하고 싶습니다. df.drop('store 2' , axis=0 ) 실행하면 위 사진처럼 출력이 됩니다. 이번에는 glasses 컬럼을 삭제해봅시다. df.drop('glasses' , axis= 1 ) 이런식으로 drop('삭제할 컬럼or행 이름' , axis = 0( =행) , 1(=열) ) 을 입력하면 됩니다. 인덱스의 이름을 변경하려면 rename() 을 이용합니다. store 3 의 이름을 last store로 바꿔봅시다. df.rename(index={'store 3' : 'last store'} ) 이번에는 컬럼의 이름을 변경해봅시다. df.re..

DataFrame 의 데이터 값을 수정하기 위해서는 그 데이터를 엑세스할 필요가 있다. 위와 같은 값을 가진 DataFrame df가 있다. store 2 의 watches 값을 20으로 변경하고 싶다. 값을 변경하기 위해서는 이 값에 엑세스하여 값을 변경해주면 된다. df.iloc[1,2] = 20 df.loc['store 2','watches'] = 20 이런식으로 값을 변경해줄 수 있다. 이번에는 새로운 컬럼을 추가해보자 shits 라는 새로운 항목에 store 1 에는 15개 store 2 에는 2개를 만들었다. df['shirts']= [15,2] 이런식으로 추가가 가능하다. 예시를 한번 더 들어봅시다 pants의 값과 shirts 를 합쳐 새로운 suits 라는 항목을 만들고 싶다 df['su..

import pandas as pd # We create a dictionary of Pandas Series items = {'Bob' : pd.Series(data = [245, 25, 55], index = ['bike', 'pants', 'watch']), 'Alice' : pd.Series(data = [40, 110, 500, 45], index = ['book', 'glasses', 'bike', 'pants'])} 위 와 같은 items 딕셔너리가 있습니다. 이 items 를 이용해 DataFrame 을 만들어보고 데이터에 접근하는 방법까지 알아보겠습니다. df = pd.DataFrame(data = items) 출력하시면 위와 같은 값을 얻을 수 있습니다. 여기서 bike,book,gla..

Pandas 를 알아봅시다. 먼저 사용하기 위해서는 import pandas 해줍니다. 편하게 사용하기 위해 별칭 pd로 지정을 합니다. import pandas as pd 판다스의 1차원 데이터는 Series 라고 부릅니다. Series( data = , index=) 를 통해 생성 가능합니다. 위 사진 처럼 list를 만들었습니다. groceries 변수에 Series를 만들었습니다. groceries를 실행하면 eggs 30 apples 6 milk Yes bread No 으로 출력되는걸 알 수 있습니다. 왼쪽 값은 index , 오른쪽 값은 data를 의미합니다. 다만 여기서 index는 우리가 보기 편한 index 입니다. 컴퓨터는 index를 0부터 시작하지만 우리가 보기는 어렵기 때문에 보기..

이번에는 정수값이 아닌 실수값을 가져올때는 linspace ( 시작,끝,개수) 를 이용하여 실수값을 가져와 1차원 배열로 만들어준다. 그러면 다음과 같은 1차원 벡터값을 2차원 행렬로 만들려면 어떻게 해야할까? 먼저 1차원 배열을 만들어보자. x 는 2부터 10까지 저장되어있는 1차원 벡터이다. 위 사진처럼 shape , ndim 을 통해 1차원인 것을 확인했다. 위사진은 대문자 X에 소문자x.reshape(3,3)을 저장한 것을 알수 있고 X를 출력하니 위 사진처럼 나왔다. 모양과 차원을 확인해보니 2차원 행렬 3x3인걸 알 수 있다. 다만 중요한 점은 x = [55,15,10,2,15,55,79,97,78,81] 인 값이 있는 벡터라고 하자. X = x의 값이 5열 2행으로 reshape되어있는 행렬..