juooo1117

원하는 조건을 데이터를 조회하고 일괄적으로 처리하는 방법에 대해 정리해 보자 1. 데이터 조회 - filter() # 'Age'의 평균이 20이상이면 return! def check_mean(data): return data['Age'].mean() >= 20 # 'Country' 별 'Age'의 평균이 20이상인 값 조회 df.groupyby('Country').filter(check_mean) # 'col_name'과 'threshold'를 입력으로 받음 def check_mean2(data, col_name, threshold): return data[col_name].mean() >= threshold df.groupby('Country').filter(check_mean2, col_name='A..

데이터를 불러와서 정렬하고 일정한 조건으로 집계해 보자. 1. 데이터 정렬 df.sort_index() # 오름차순 정렬 df.sort_index(ascending=False) # 내림차순 정렬 df.sort_index(axis=1) # column 이름을 기준으로 정렬 df.sort_index().loc['A':'B'] # A로 시작하는 값들만 조회('B'는 포함아님) df.sort_values(by='Country') # Country를 기준으로 오름차순 정렬 df.sort_values(by='Country', ascending=False) # 내림차순 정렬 df.sort_values(['Country','Region'], ascending=[True, False])[['Country','Region..

데이터를 불러와서 만질 때 가장 많이 쓰이는 pandas에 대해서 정리하고자 한다. 기본적으로 가장 자주 쓰이는 것들을 정리해 보자 1. .csv 데이터 불러오기 df = pd.read.csv('/data/grade3.csv', header=None, # 원래는 첫 행이 header가 된다. names=['ID','국어','영어'] # column명을 정해준다. na_values=['없음', '미정', '탈락'] # '없음','미정','탈락' 3가지 값이 NaN 이 된다. ) df.isnull().sum() # column별로 null인 값이 몇개인지 확인 df = pd.read.csv('/data/grade3.csv', index_col=0 # 0번 column을 index로 사용 ) df = pd.r..