# 1단계 Gropuing Gropuing - 끼리끼리 묵는 것 , 그룹화 하는 것 import numpy as np import pandas as pd df = pd.DataFrame({'학과' : ['컴퓨터', '철학', '컴퓨터', '철학', '컴퓨터'], '이름' : ['아이유', '김연아', '홍길동', '강감찬', '신사임당'], '학년' : [1, 2, 3, 2, 3], '학점' : [1.5, 2.7, 3.5, 1.9, 4.0]}) display(df) # dept = df['학점'].groupby(df['학과']) # 학점을 학과기준으로 묶는다 [학점을 알고싶은 상황] # display(dept) # computer = dept.get_group('컴퓨터') # 학점을 학과기준으로 묶은거 ..

# 이번에는 merge말고 연결(concat)에 대해서 알아보아요! merge는 연관성이 있는것끼리 연결, concat는 단순연결 concat(연결) # Series를 연결해 보아요! import numpy as np import pandas as pd s1 = pd.Series([0,1], index=['a','c']) s2 = pd.Series([4,3,2], index=['b','c','e']) s3 = pd.Series([5,6], index=['f','g']) print(s1) print(s2) print(s3) # s4 = pd.concat([s1,s2,s3], axis=0) # print(s4) result = pd.concat([s1,s2,s3], axis=1,sort=True) sort는..

# DataFrame의 merge(결합, 합병하다) # Database의 table의 join과 같은 개념. import numpy as np import pandas as pd data1 = {'학번': [1, 2, 3, 4], '이름': ['아이유','김연아','홍길동','강감찬'], '학과': ['철학', '경영', '컴퓨터', '물리']} data2 = {'학번': [1, 2, 4, 5], '학년': [2, 4, 3, 1], '학점': [1.5, 2.0, 4.1, 3.8]} df1 = pd.DataFrame(data1) df2 = pd.DataFrame(data2) display(df1) display(df2) # merge ( inner join ) - 연결점이 있는것만 연결해서 만든다 df3 ..

약간 수학적인 함수 import numpy as np arr = np.array([4,6,1,3,8,8]) print(arr.sum()) # 합 print(arr.mean()) # 평균 5 # 편차( deviation ) : 확률변수 X와 평균의 차이 # -1 1 -4 -2 3 3 # 편차의 합은 => 0 # 편차의 제곱의 평균을 이용 => variance(분산) # 1 1 16 4 9 9 tmp = np.array([1,1,16,4,9,9]) print(tmp.mean()) # 6.666666666666667 print(arr.var()) # 6.666666666666667 분산 # 표준편차(standard deviation) : 분산의 제곱근(루트 - 분산을 구하는과정에서 제곱을했기 때문에) prin..

# NaN # NaN : Not a Number ( 일반적인 NaN의 의미 ) => 숫자로 간주 => 숫자 연산이 가능 -> 10 + NaN = NaN (0) # Pandas에서는 NaN을 조금 다른의미로 사용해요! => missing value(결치값 : 값이없다 )를 의미하는 값. # NULL : 값이 없어요! (일반적인 프로그래밍에서 사용하는 값) / 가르키는 object가 없다 None -missing value 와 nan의 차이 missing value - 데이터를 뽑는도중 어느순간 망가져 값이 안나옴 / 원래 잇어야 되는데 없다 NULL - 임의로 값이 없음을 표현 (python은 None) # DataFrame의 index와 column명을 제어해보아요!! import numpy as np ..

# CSV file => JSON file로 만들어보아요! # 파일처리(후 저장)를 하려면 1. '파일을 open' # 2. 파일에 내용을 써야해요! # 3. 파일을 close # with를 이용해 open만 하면 with 구문이 끝나면서 resource의 close가 자동으로 이루어진다 with open(파일 경로, 모드) as 파일 객체: with open('./data/csv_to_json.json', 'w', encoding='utf-8') as f: #data/csv_to_json.json(파일명), 어떤용도이냐 'w'는 writing 'r'은 read # encoding을잡지않으면 중국,일본,한국어등 영어권을 제외하면 깨진다 # as는 별명을 붙이는것 df.to_json(f, force_asc..