-
Pandas와 친해지기(10분 Pandas) (2024-01-26~2024-02-02)코딩 공부/Pandas 2024. 2. 3. 13:24
2024-02-02 Object creation (2024-01-26)¶
In [ ]:import numpy as np import pandas as pd
In [ ]:s = pd.Series([1, 3, 5, np.nan, 6, 8]) s
Out[ ]:0 1.0 1 3.0 2 5.0 3 NaN 4 6.0 5 8.0 dtype: float64
In [ ]:dates = pd.date_range("20130101", periods=6) dates
Out[ ]:DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', '2013-01-05', '2013-01-06'], dtype='datetime64[ns]', freq='D')In [ ]:df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list("ABCD")) df
Out[ ]:A B C D 2013-01-01 0.278327 0.645447 0.621123 -0.067120 2013-01-02 0.411894 1.101236 0.254361 -0.250035 2013-01-03 -0.008112 1.272442 0.294107 -0.389570 2013-01-04 0.751519 -0.346030 0.384487 -0.803443 2013-01-05 -0.008458 1.078977 0.502768 0.985506 2013-01-06 -0.486277 -1.506802 -0.864283 1.469331 In [ ]:df2 = pd.DataFrame( { "A": 1.0, "B": pd.Timestamp("20130102"), "C": pd.Series(1,index=list(range(4)),dtype="float32"), "D": np.array([3]*4, dtype="int32"), "E": pd.Categorical(["test", "train", "test", "train"]), "F": "foo", #특이한게 ,로 끝내도 되고 아닌 것으로 끝내도 되네? } ) df2
Out[ ]:A B C D E F 0 1.0 2013-01-02 1.0 3 test foo 1 1.0 2013-01-02 1.0 3 train foo 2 1.0 2013-01-02 1.0 3 test foo 3 1.0 2013-01-02 1.0 3 train foo In [ ]:df2.dtypes
Out[ ]:A float64 B datetime64[ns] C float32 D int32 E category F object dtype: object
In [ ]:#df2.<TAB> # noqa: E225, E999 #df2.까지 입력후 탭누르라는 의미, vscode에서는 탭안눌러도 자동으로 표시 단 컬럼은 안 표시됨
Viewing data (2024-01-27)¶
In [ ]:df.head()
Out[ ]:A B C D 2013-01-01 0.278327 0.645447 0.621123 -0.067120 2013-01-02 0.411894 1.101236 0.254361 -0.250035 2013-01-03 -0.008112 1.272442 0.294107 -0.389570 2013-01-04 0.751519 -0.346030 0.384487 -0.803443 2013-01-05 -0.008458 1.078977 0.502768 0.985506 In [ ]:df.tail(3)
Out[ ]:A B C D 2013-01-04 0.751519 -0.346030 0.384487 -0.803443 2013-01-05 -0.008458 1.078977 0.502768 0.985506 2013-01-06 -0.486277 -1.506802 -0.864283 1.469331 In [ ]:df.index
Out[ ]:DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', '2013-01-05', '2013-01-06'], dtype='datetime64[ns]', freq='D')In [ ]:df.columns
Out[ ]:Index(['A', 'B', 'C', 'D'], dtype='object')
In [ ]:df.to_numpy()
Out[ ]:array([[ 0.27832749, 0.64544663, 0.62112283, -0.06711988], [ 0.41189372, 1.10123621, 0.254361 , -0.25003483], [-0.0081116 , 1.27244212, 0.29410743, -0.38957036], [ 0.75151886, -0.34602993, 0.38448688, -0.80344264], [-0.00845814, 1.07897669, 0.50276799, 0.98550603], [-0.48627682, -1.50680214, -0.86428265, 1.46933149]])In [ ]:df.values
Out[ ]:array([[ 0.27832749, 0.64544663, 0.62112283, -0.06711988], [ 0.41189372, 1.10123621, 0.254361 , -0.25003483], [-0.0081116 , 1.27244212, 0.29410743, -0.38957036], [ 0.75151886, -0.34602993, 0.38448688, -0.80344264], [-0.00845814, 1.07897669, 0.50276799, 0.98550603], [-0.48627682, -1.50680214, -0.86428265, 1.46933149]])In [ ]:df2.dtypes
Out[ ]:A float64 B datetime64[ns] C float32 D int32 E category F object dtype: object
In [ ]:df2.to_numpy()
Out[ ]:array([[1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'], [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo'], [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'], [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo']], dtype=object)In [ ]:df2.values
Out[ ]:array([[1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'], [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo'], [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'], [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo']], dtype=object)In [ ]:df.describe()
Out[ ]:A B C D count 6.000000 6.000000 6.000000 6.000000 mean 0.156482 0.374212 0.198761 0.157445 std 0.424638 1.092026 0.538061 0.877010 min -0.486277 -1.506802 -0.864283 -0.803443 25% -0.008372 -0.098161 0.264298 -0.354686 50% 0.135108 0.862212 0.339297 -0.158577 75% 0.378502 1.095671 0.473198 0.722350 max 0.751519 1.272442 0.621123 1.469331 In [ ]:df.T #행과 열을 바꿔주는데 미리 계산되어 있음 #메소드가 아닌 속성임
Out[ ]:2013-01-01 2013-01-02 2013-01-03 2013-01-04 2013-01-05 2013-01-06 A 0.278327 0.411894 -0.008112 0.751519 -0.008458 -0.486277 B 0.645447 1.101236 1.272442 -0.346030 1.078977 -1.506802 C 0.621123 0.254361 0.294107 0.384487 0.502768 -0.864283 D -0.067120 -0.250035 -0.389570 -0.803443 0.985506 1.469331 In [ ]:df.T.index #값만 바꿔서 나타내는가해서 확인용으로 해줬는데 인덱스도 확실히 바뀌어있다
Out[ ]:Index(['A', 'B', 'C', 'D'], dtype='object')
In [ ]:df.sort_index(axis=1, ascending=False) #axis = 1 하면 열끼리 정렬하는 것
Out[ ]:D C B A 2013-01-01 -0.067120 0.621123 0.645447 0.278327 2013-01-02 -0.250035 0.254361 1.101236 0.411894 2013-01-03 -0.389570 0.294107 1.272442 -0.008112 2013-01-04 -0.803443 0.384487 -0.346030 0.751519 2013-01-05 0.985506 0.502768 1.078977 -0.008458 2013-01-06 1.469331 -0.864283 -1.506802 -0.486277 In [ ]:df.sort_values(by="B") #df안에 있는 특정 열의 값에 대해서 정렬해줄 수 있음
Out[ ]:A B C D 2013-01-06 -0.486277 -1.506802 -0.864283 1.469331 2013-01-04 0.751519 -0.346030 0.384487 -0.803443 2013-01-01 0.278327 0.645447 0.621123 -0.067120 2013-01-05 -0.008458 1.078977 0.502768 0.985506 2013-01-02 0.411894 1.101236 0.254361 -0.250035 2013-01-03 -0.008112 1.272442 0.294107 -0.389570 Selection (2024-01-28)¶
Getitem ([])¶
In [ ]:df["A"]
Out[ ]:2013-01-01 0.278327 2013-01-02 0.411894 2013-01-03 -0.008112 2013-01-04 0.751519 2013-01-05 -0.008458 2013-01-06 -0.486277 Freq: D, Name: A, dtype: float64
In [ ]:df[0:3]
Out[ ]:A B C D 2013-01-01 0.278327 0.645447 0.621123 -0.067120 2013-01-02 0.411894 1.101236 0.254361 -0.250035 2013-01-03 -0.008112 1.272442 0.294107 -0.389570 In [ ]:df["20130102":"20130104"]
Out[ ]:A B C D 2013-01-02 0.411894 1.101236 0.254361 -0.250035 2013-01-03 -0.008112 1.272442 0.294107 -0.389570 2013-01-04 0.751519 -0.346030 0.384487 -0.803443 Selection by label¶
In [ ]:df.loc[dates[0]]
Out[ ]:A 0.278327 B 0.645447 C 0.621123 D -0.067120 Name: 2013-01-01 00:00:00, dtype: float64
In [ ]:df.loc[dates[0],:]
Out[ ]:A 0.278327 B 0.645447 C 0.621123 D -0.067120 Name: 2013-01-01 00:00:00, dtype: float64
In [ ]:df.loc[:,["A","B"]]
Out[ ]:A B 2013-01-01 0.278327 0.645447 2013-01-02 0.411894 1.101236 2013-01-03 -0.008112 1.272442 2013-01-04 0.751519 -0.346030 2013-01-05 -0.008458 1.078977 2013-01-06 -0.486277 -1.506802 In [ ]:df.loc["20130102":"20130104",["A","B"]]
Out[ ]:A B 2013-01-02 0.411894 1.101236 2013-01-03 -0.008112 1.272442 2013-01-04 0.751519 -0.346030 In [ ]:df.loc["20130102":"20130104",["B","A"]]
Out[ ]:B A 2013-01-02 1.101236 0.411894 2013-01-03 1.272442 -0.008112 2013-01-04 -0.346030 0.751519 In [ ]:df.loc[dates[0],"A"]
Out[ ]:0.2783274883042243
In [ ]:df.at[dates[0],"A"]
Out[ ]:0.2783274883042243
Selection by position¶
In [ ]:df.iloc[3]
Out[ ]:A 0.751519 B -0.346030 C 0.384487 D -0.803443 Name: 2013-01-04 00:00:00, dtype: float64
In [ ]:df.iloc[3:5, 0:2]
Out[ ]:A B 2013-01-04 0.751519 -0.346030 2013-01-05 -0.008458 1.078977 In [ ]:#비교 loc는 슬라이싱 할때 끝부분까지로 인식(끝부분 포함됨) iloc는 끝부분제외 #df.loc[3:5, 0:2] 아 맞다 이런 식으로 숫자 인덱스로 안됬다 df.loc["20130104":"20130105", "A":"B"]
Out[ ]:A B 2013-01-04 0.751519 -0.346030 2013-01-05 -0.008458 1.078977 In [ ]:df.iloc[[1,2,4],[0,2]]
Out[ ]:A C 2013-01-02 0.411894 0.254361 2013-01-03 -0.008112 0.294107 2013-01-05 -0.008458 0.502768 In [ ]:df.iloc[1:3, :]
Out[ ]:A B C D 2013-01-02 0.411894 1.101236 0.254361 -0.250035 2013-01-03 -0.008112 1.272442 0.294107 -0.389570 In [ ]:df.iloc[:, 1:3]
Out[ ]:B C 2013-01-01 0.645447 0.621123 2013-01-02 1.101236 0.254361 2013-01-03 1.272442 0.294107 2013-01-04 -0.346030 0.384487 2013-01-05 1.078977 0.502768 2013-01-06 -1.506802 -0.864283 In [ ]:df.iloc[1,1]
Out[ ]:1.1012362078351068
In [ ]:df.iat[1,1]
Out[ ]:1.1012362078351068
Boolean indexing (조건에 따른 컬럼 선택)¶
In [ ]:df[df["A"] > 0]
Out[ ]:A B C D 2013-01-01 0.278327 0.645447 0.621123 -0.067120 2013-01-02 0.411894 1.101236 0.254361 -0.250035 2013-01-04 0.751519 -0.346030 0.384487 -0.803443 In [ ]:df[df>0]
Out[ ]:A B C D 2013-01-01 0.278327 0.645447 0.621123 NaN 2013-01-02 0.411894 1.101236 0.254361 NaN 2013-01-03 NaN 1.272442 0.294107 NaN 2013-01-04 0.751519 NaN 0.384487 NaN 2013-01-05 NaN 1.078977 0.502768 0.985506 2013-01-06 NaN NaN NaN 1.469331 In [ ]:df2=df.copy() df2["E"]=["one", "one", "two", "three", "four", "three"] df2
Out[ ]:A B C D E 2013-01-01 0.278327 0.645447 0.621123 -0.067120 one 2013-01-02 0.411894 1.101236 0.254361 -0.250035 one 2013-01-03 -0.008112 1.272442 0.294107 -0.389570 two 2013-01-04 0.751519 -0.346030 0.384487 -0.803443 three 2013-01-05 -0.008458 1.078977 0.502768 0.985506 four 2013-01-06 -0.486277 -1.506802 -0.864283 1.469331 three In [ ]:df2[df2["E"].isin(["two", "four"])] #isin()안에 []로 넣어야하는 듯 (한 개의 경우에도)
Out[ ]:A B C D E 2013-01-03 -0.008112 1.272442 0.294107 -0.389570 two 2013-01-05 -0.008458 1.078977 0.502768 0.985506 four Setting¶
In [ ]:s1 = pd.Series([1,2,3,4,5,6], index=pd.date_range("20130102", periods=6)) s1
Out[ ]:2013-01-02 1 2013-01-03 2 2013-01-04 3 2013-01-05 4 2013-01-06 5 2013-01-07 6 Freq: D, dtype: int64
In [ ]:df["F"]=s1
In [ ]:df.at[dates[0],"A"] = 0 df
Out[ ]:A B C D F 2013-01-01 0.000000 0.645447 0.621123 -0.067120 NaN 2013-01-02 0.411894 1.101236 0.254361 -0.250035 1.0 2013-01-03 -0.008112 1.272442 0.294107 -0.389570 2.0 2013-01-04 0.751519 -0.346030 0.384487 -0.803443 3.0 2013-01-05 -0.008458 1.078977 0.502768 0.985506 4.0 2013-01-06 -0.486277 -1.506802 -0.864283 1.469331 5.0 In [ ]:df.iat[0, 1] = 0 df
Out[ ]:A B C D F 2013-01-01 0.000000 0.000000 0.621123 -0.067120 NaN 2013-01-02 0.411894 1.101236 0.254361 -0.250035 1.0 2013-01-03 -0.008112 1.272442 0.294107 -0.389570 2.0 2013-01-04 0.751519 -0.346030 0.384487 -0.803443 3.0 2013-01-05 -0.008458 1.078977 0.502768 0.985506 4.0 2013-01-06 -0.486277 -1.506802 -0.864283 1.469331 5.0 In [ ]:len(df)
Out[ ]:6
In [ ]:df.loc[:, "D"] = np.array([5]*len(df)) df
Out[ ]:A B C D F 2013-01-01 0.000000 0.000000 0.621123 5.0 NaN 2013-01-02 0.411894 1.101236 0.254361 5.0 1.0 2013-01-03 -0.008112 1.272442 0.294107 5.0 2.0 2013-01-04 0.751519 -0.346030 0.384487 5.0 3.0 2013-01-05 -0.008458 1.078977 0.502768 5.0 4.0 2013-01-06 -0.486277 -1.506802 -0.864283 5.0 5.0 In [ ]:df2 = df.copy() df2[df2 > 0] = -df2 df2
Out[ ]:A B C D F 2013-01-01 0.000000 0.000000 -0.621123 -5.0 NaN 2013-01-02 -0.411894 -1.101236 -0.254361 -5.0 -1.0 2013-01-03 -0.008112 -1.272442 -0.294107 -5.0 -2.0 2013-01-04 -0.751519 -0.346030 -0.384487 -5.0 -3.0 2013-01-05 -0.008458 -1.078977 -0.502768 -5.0 -4.0 2013-01-06 -0.486277 -1.506802 -0.864283 -5.0 -5.0 Missing data (2024-01-29)¶
In [ ]:df1 = df.reindex(index=dates[0:4], columns=list(df.columns)+["E"]) df.loc[dates[0]:dates[1], "E"] = 1 df1
Out[ ]:A B C D F E 2013-01-01 0.000000 0.000000 0.621123 5.0 NaN NaN 2013-01-02 0.411894 1.101236 0.254361 5.0 1.0 NaN 2013-01-03 -0.008112 1.272442 0.294107 5.0 2.0 NaN 2013-01-04 0.751519 -0.346030 0.384487 5.0 3.0 NaN In [ ]:df1.dropna(how="any") #결측치 있으면 다 제거하는 옵션인듯?
Out[ ]:A B C D F E In [ ]:df1.fillna(value=5) #결측치를 특정 값으로 다 바꿔서 채우는 방법
Out[ ]:A B C D F E 2013-01-01 0.000000 0.000000 0.621123 5.0 5.0 5.0 2013-01-02 0.411894 1.101236 0.254361 5.0 1.0 5.0 2013-01-03 -0.008112 1.272442 0.294107 5.0 2.0 5.0 2013-01-04 0.751519 -0.346030 0.384487 5.0 3.0 5.0 In [ ]:pd.isna(df1) #결측치가 있는가에 대한 T/F판단 있으면 T
Out[ ]:A B C D F E 2013-01-01 False False False False True True 2013-01-02 False False False False False True 2013-01-03 False False False False False True 2013-01-04 False False False False False True Operations (2024-01-30)¶
Stats¶
In [ ]:dfOut[ ]:A B C D F E 2013-01-01 0.000000 0.000000 0.621123 5.0 NaN 1.0 2013-01-02 0.411894 1.101236 0.254361 5.0 1.0 1.0 2013-01-03 -0.008112 1.272442 0.294107 5.0 2.0 NaN 2013-01-04 0.751519 -0.346030 0.384487 5.0 3.0 NaN 2013-01-05 -0.008458 1.078977 0.502768 5.0 4.0 NaN 2013-01-06 -0.486277 -1.506802 -0.864283 5.0 5.0 NaN In [ ]:df.mean() #NaN값있으면 합산, 갯수에서 제외하고 평균 내는 듯
Out[ ]:A 0.110094 B 0.266637 C 0.198761 D 5.000000 F 3.000000 E 1.000000 dtype: float64
In [ ]:print(df.mean(axis=1)) # 마찬가지로 NaN값있으면 합산, 갯수에서 제외하고 평균 내는 듯, 단 axis=1이면 행 별로 모든 컬럼의 값의 평균 내줌 # axis = 1말고 그냥 인자로 1만 줘도 동일한 결과가 나오는 듯 함
2013-01-01 1.324225 2013-01-02 1.461248 2013-01-03 1.711688 2013-01-04 1.757995 2013-01-05 2.114657 2013-01-06 1.428528 Freq: D, dtype: float64
In [ ]:s = pd.Series([1, 3, 5, np.nan, 6, 8], index=dates) s
Out[ ]:2013-01-01 1.0 2013-01-02 3.0 2013-01-03 5.0 2013-01-04 NaN 2013-01-05 6.0 2013-01-06 8.0 Freq: D, dtype: float64
In [ ]:s = pd.Series([1, 3, 5, np.nan, 6, 8], index=dates).shift(2) s
Out[ ]:2013-01-01 NaN 2013-01-02 NaN 2013-01-03 1.0 2013-01-04 3.0 2013-01-05 5.0 2013-01-06 NaN Freq: D, dtype: float64
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.html#pandas.Series
Series의 메소드인 shift가 뭐하는 녀석인지 몰라서 문서에 들어가보니 아래와 같이 서술되어있었다
shift([periods, freq, axis, fill_value, suffix])
Shift index by desired number of periods with an optional time freq.
자세한 내용은 모르겠지만 대강 값들을 index를 기준으로 준 값만큼 이동시키는 듯하다
1일과 2일의 경우 이전 인덱스에 해당하는 데이터가 없으니 NaN로 결측치가 된 것이고
3,4,5일의 경우 인덱스상으로 2이전의 값들이 존재했으니 해당값들로 바뀌었고
6일의 경우 인덱스상으로 2이전의 값이 NaN로 결측치 였기에 결측치로 되었는 듯하다.In [ ]:df.sub(s, axis='index')
Out[ ]:A B C D F E 2013-01-01 NaN NaN NaN NaN NaN NaN 2013-01-02 NaN NaN NaN NaN NaN NaN 2013-01-03 -1.008112 0.272442 -0.705893 4.0 1.0 NaN 2013-01-04 -2.248481 -3.346030 -2.615513 2.0 0.0 NaN 2013-01-05 -5.008458 -3.921023 -4.497232 0.0 -1.0 NaN 2013-01-06 NaN NaN NaN NaN NaN NaN https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.html#pandas.DataFrame 이번엔 df의 메소드인 sub에 대하여 설명이 없어서 찾아보니 아래와 같이 메소드로 설명되어있었고 잘 이해가 되지 않아 좀더 자세한 독스에 들어갔다
sub(other[, axis, level, fill_value])
Get Subtraction of dataframe and other, element-wise (binary operator sub).
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.sub.html#pandas.DataFrame.sub
DataFrame.sub(other, axis='columns', level=None, fill_value=None)
대강 구조를 보니 df에 대하여 빼기를 해주는데 sub()안에 들어있는 값으로 빼주는 것으로 들어올 수 있는 other로는 scalar, sequence, Series, dict or DataFrame이 가능하다고 한다 이중 sequence는 정확히 뭔지 모르겠어서 찾아보니
https://wikidocs.net/84391
내용을 참고하였다 대강 리스트, 문자열, 튜플 이 세가지 자료형이라고 생각하면 될듯하다
그리고 axis에 대하여 0 or index , 1 or columns의 옵션이 있는데 기본값은 colunms로 되어있다
fill_value는 결측치를 만났을 때 특정값으로 바꿔넣어줄 것인지 선택하는 옵션으로 기본값은 none로 되어있다
level 옵션에 대해서는 잘모르겠다 예제도 한문제 뿐인데 잘 이해가 되지 않는다 대강 멀티인덱스를 사용할 경우에 사용하는 느낌인데 예제를 아래 그대로 가져와서 해보고 이해해보도록 하겠다level 예제¶
In [ ]:level_example_df = pd.DataFrame({'angles': [0, 3, 4], 'degrees': [360, 180, 360]}, index=['circle', 'triangle', 'rectangle']) level_example_df
Out[ ]:angles degrees circle 0 360 triangle 3 180 rectangle 4 360 In [ ]:level_example_df_multindex = pd.DataFrame({'angles': [0, 3, 4, 4, 5, 6], 'degrees': [360, 180, 360, 360, 540, 720]}, index=[['A', 'A', 'A', 'B', 'B', 'B'], ['circle', 'triangle', 'rectangle', 'square', 'pentagon', 'hexagon']]) level_example_df_multindex
Out[ ]:angles degrees A circle 0 360 triangle 3 180 rectangle 4 360 B square 4 360 pentagon 5 540 hexagon 6 720 In [ ]:print(level_example_df.div(level_example_df_multindex, level=1)) #원래 예제에는 ,fill_value=0으로 결측치 0으로 바꿔주는 옵션이 추가되어있었다 #뭔가 알듯말듯한데 chatGPT를 통해 설명을 들으니 알 것 같았다 #https://chat.openai.com/share/73654015-96b4-4fb3-b6e3-243526afb670
angles degrees A circle NaN 1.0 triangle 1.0 1.0 rectangle 1.0 1.0 B square NaN NaN pentagon NaN NaN hexagon NaN NaN
User defined functions¶
In [ ]:display(df) print(df.mean(),'\n') print(df.mean()*5.6)
A B C D F E 2013-01-01 0.000000 0.000000 0.621123 5.0 NaN 1.0 2013-01-02 0.411894 1.101236 0.254361 5.0 1.0 1.0 2013-01-03 -0.008112 1.272442 0.294107 5.0 2.0 NaN 2013-01-04 0.751519 -0.346030 0.384487 5.0 3.0 NaN 2013-01-05 -0.008458 1.078977 0.502768 5.0 4.0 NaN 2013-01-06 -0.486277 -1.506802 -0.864283 5.0 5.0 NaN A 0.110094 B 0.266637 C 0.198761 D 5.000000 F 3.000000 E 1.000000 dtype: float64 A 0.616528 B 1.493168 C 1.113059 D 28.000000 F 16.800000 E 5.600000 dtype: float64
In [ ]:df.agg(lambda x: np.mean(x)*5.6)
Out[ ]:A 0.616528 B 1.493168 C 1.113059 D 28.000000 F 16.800000 E 5.600000 dtype: float64
In [ ]:df*101.2
Out[ ]:A B C D F E 2013-01-01 0.000000 0.000000 62.857630 506.0 NaN 101.2 2013-01-02 41.683644 111.445104 25.741333 506.0 101.2 101.2 2013-01-03 -0.820894 128.771142 29.763671 506.0 202.4 NaN 2013-01-04 76.053709 -35.018228 38.910072 506.0 303.6 NaN 2013-01-05 -0.855964 109.192441 50.880120 506.0 404.8 NaN 2013-01-06 -49.211214 -152.488377 -87.465405 506.0 506.0 NaN In [ ]:df.transform(lambda x: x*101.2)
Out[ ]:A B C D F E 2013-01-01 0.000000 0.000000 62.857630 506.0 NaN 101.2 2013-01-02 41.683644 111.445104 25.741333 506.0 101.2 101.2 2013-01-03 -0.820894 128.771142 29.763671 506.0 202.4 NaN 2013-01-04 76.053709 -35.018228 38.910072 506.0 303.6 NaN 2013-01-05 -0.855964 109.192441 50.880120 506.0 404.8 NaN 2013-01-06 -49.211214 -152.488377 -87.465405 506.0 506.0 NaN agg는 대강은 알듯한데 transform은 agg와 뭐가 다른지 모르겠다
추가로 유사한 것에 apply도 있던 것으로 기억하는데 여기는 왜 빠져있고 차이가 뭔지도 궁금하다
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.agg.html#pandas.DataFrame.agg
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.transform.html#pandas.DataFrame.transform
https://pandas.pydata.org/pandas-docs/stable/user_guide/gotchas.html#gotchas-udf-mutation
chatGPT에게 차이를 물어본 내용: https://chat.openai.com/share/654feb01-8d50-481e-8c7a-ca160e1e74a4Value Counts¶
In [ ]:s = pd.Series(np.random.randint(0,7,size=10)) s
Out[ ]:0 2 1 6 2 5 3 2 4 4 5 3 6 3 7 0 8 5 9 5 dtype: int32
In [ ]:s.value_counts()
Out[ ]:5 3 2 2 3 2 6 1 4 1 0 1 Name: count, dtype: int64
String Methods¶
In [ ]:s = pd.Series(["A", "B", "C", "Aaba", "Baca", np.nan, "CABA", "dog", "cat"]) print(s) s.str.lower()
0 A 1 B 2 C 3 Aaba 4 Baca 5 NaN 6 CABA 7 dog 8 cat dtype: object
Out[ ]:0 a 1 b 2 c 3 aaba 4 baca 5 NaN 6 caba 7 dog 8 cat dtype: object
Merge (2024-01-31)¶
Concat¶
In [ ]:df = pd.DataFrame(np.random.randn(10,4)) #np.random.randn(m,n) : 평균0, 표준편차1의 가우시안 표준정규분포 난수를 matrix array(m,n) 생성 df
Out[ ]:0 1 2 3 0 -1.700155 -0.317837 0.347565 -2.268710 1 -0.661258 0.718931 -0.244838 -2.039249 2 -0.144064 -0.654301 1.647890 -0.281090 3 -0.115725 -0.007579 -1.199584 -0.526254 4 -0.488054 0.521904 -0.279547 0.080345 5 -0.198320 1.062847 0.525446 -0.112844 6 -1.368007 0.701267 1.235764 -0.998641 7 -1.220871 1.183501 1.355200 -0.126375 8 -1.540007 -0.821376 -0.216658 -0.176388 9 -0.703783 0.192384 -1.320056 0.587904 np.random.randn(m,n) https://nittaku.tistory.com/443
docs : https://numpy.org/doc/stable/reference/random/generated/numpy.random.randn.htmlIn [ ]:pieces = [df[:3], df[3:7], df[7:]] pieces
Out[ ]:[ 0 1 2 3 0 -1.700155 -0.317837 0.347565 -2.268710 1 -0.661258 0.718931 -0.244838 -2.039249 2 -0.144064 -0.654301 1.647890 -0.281090, 0 1 2 3 3 -0.115725 -0.007579 -1.199584 -0.526254 4 -0.488054 0.521904 -0.279547 0.080345 5 -0.198320 1.062847 0.525446 -0.112844 6 -1.368007 0.701267 1.235764 -0.998641, 0 1 2 3 7 -1.220871 1.183501 1.355200 -0.126375 8 -1.540007 -0.821376 -0.216658 -0.176388 9 -0.703783 0.192384 -1.320056 0.587904]In [ ]:pd.concat(pieces)
Out[ ]:0 1 2 3 0 -1.700155 -0.317837 0.347565 -2.268710 1 -0.661258 0.718931 -0.244838 -2.039249 2 -0.144064 -0.654301 1.647890 -0.281090 3 -0.115725 -0.007579 -1.199584 -0.526254 4 -0.488054 0.521904 -0.279547 0.080345 5 -0.198320 1.062847 0.525446 -0.112844 6 -1.368007 0.701267 1.235764 -0.998641 7 -1.220871 1.183501 1.355200 -0.126375 8 -1.540007 -0.821376 -0.216658 -0.176388 9 -0.703783 0.192384 -1.320056 0.587904 Join¶
In [ ]:left = pd.DataFrame({"key": ["foo", "foo"], "lval": [1, 2]}) right = pd.DataFrame({"key": ["foo", "foo"], "rval": [4, 5]}) left
Out[ ]:key lval 0 foo 1 1 foo 2 In [ ]:rightOut[ ]:key rval 0 foo 4 1 foo 5 In [ ]:pd.merge(left, right, on="key")
Out[ ]:key lval rval 0 foo 1 4 1 foo 1 5 2 foo 2 4 3 foo 2 5 In [ ]:left = pd.DataFrame({"key": ["foo", "bar"], "lval": [1, 2]}) right = pd.DataFrame({"key": ["foo", "bar"], "rval": [4, 5]}) left
Out[ ]:key lval 0 foo 1 1 bar 2 In [ ]:rightOut[ ]:key rval 0 foo 4 1 bar 5 In [ ]:pd.merge(left, right, on="key")
Out[ ]:key lval rval 0 foo 1 4 1 bar 2 5 Grouping (2024-02-01)¶
Splitting the data into groups based on some criteria
Applying a function to each group independently
Combining the results into a data structure
In [ ]:df = pd.DataFrame( {"A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"], "B": ["one", "one", "two", "three", "two", "two", "one", "three"], "C": np.random.randn(8), "D": np.random.randn(8),} ) df
Out[ ]:A B C D 0 foo one 0.138702 -0.470424 1 bar one -0.831213 2.143912 2 foo two 0.595156 -0.315410 3 bar three -1.870080 0.370945 4 foo two -0.471530 0.238094 5 bar two -0.631674 -0.700090 6 foo one 0.968913 -0.954628 7 foo three -0.068441 -0.648986 In [ ]:df.groupby("A")[["C", "D"]].sum()
Out[ ]:C D A bar -3.332967 1.814767 foo 1.162800 -2.151353 In [ ]:df.groupby(["A", "B"]).sum()
Out[ ]:C D A B bar one -0.831213 2.143912 three -1.870080 0.370945 two -0.631674 -0.700090 foo one 1.107615 -1.425052 three -0.068441 -0.648986 two 0.123626 -0.077316 Reshaping (2024-02-02)¶
Stack¶
In [ ]:arrays = [ ["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"], ["one", "two", "one", "two", "one", "two", "one", "two"], ] index = pd.MultiIndex.from_arrays(arrays, names = ["first", "second"]) df = pd.DataFrame(np.random.randn(8,2), index=index, columns=["A", "B"]) df2 = df[:4] df2
Out[ ]:A B first second bar one -0.676465 0.464446 two -1.332632 -0.253777 baz one 1.547494 -0.184863 two 2.161207 1.346286 In [ ]:stacked = df2.stack() #future_stack=True stacked #왜인지는 모르겠지만 저 옵션 빼줘야 제대로 실행됨 결과는 그리 다르지 않은 것으로 보임 나중에 질문해보기
Out[ ]:first second bar one A -0.676465 B 0.464446 two A -1.332632 B -0.253777 baz one A 1.547494 B -0.184863 two A 2.161207 B 1.346286 dtype: float64https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.stack.html#pandas.DataFrame.stack
부분을 보니 pandas2.0에서 pandas 3.0의 방식을 사용할 때 해주던 방식으로 유추되는데In [ ]:pd.__version__
Out[ ]:'2.0.3'
2.0버전 쓰고 있는 것이 맞는데 왜 안되는 거지..?
In [ ]:stacked.unstack()
Out[ ]:A B first second bar one -0.676465 0.464446 two -1.332632 -0.253777 baz one 1.547494 -0.184863 two 2.161207 1.346286 In [ ]:stacked.unstack(1) # 행열 바꿔서 해제하는듯?
Out[ ]:second one two first bar A -0.676465 -1.332632 B 0.464446 -0.253777 baz A 1.547494 2.161207 B -0.184863 1.346286 In [ ]:stacked.unstack(0) # 무슨 방식으로 바꾸는지는 모르겠지만 째든 바꿔서 해제하는듯
Out[ ]:first bar baz second one A -0.676465 1.547494 B 0.464446 -0.184863 two A -1.332632 2.161207 B -0.253777 1.346286 Pivot tables¶
In [ ]:df = pd.DataFrame( { "A": ["one", "one", "two", "three"] * 3, "B": ["A", "B", "C"] * 4, "C": ["foo", "foo", "foo", "bar", "bar", "bar"] * 2, "D": np.random.randn(12), "E": np.random.randn(12), } ) df
Out[ ]:A B C D E 0 one A foo -0.807974 -1.302463 1 one B foo 1.290553 -0.334357 2 two C foo -0.475818 0.133969 3 three A bar 1.196717 0.865346 4 one B bar -0.227697 -1.362118 5 one C bar -0.038830 1.381041 6 two A foo 2.163772 -0.897080 7 three B foo -2.336250 -0.953737 8 one C foo 0.216059 0.169161 9 one A bar -0.126712 1.120767 10 two B bar -0.304438 0.750880 11 three C bar 0.453993 -1.094076 In [ ]:pd.pivot_table(df, values="D", index=["A", "B"], columns=["C"])
Out[ ]:C bar foo A B one A -0.126712 -0.807974 B -0.227697 1.290553 C -0.038830 0.216059 three A 1.196717 NaN B NaN -2.336250 C 0.453993 NaN two A NaN 2.163772 B -0.304438 NaN C NaN -0.475818 자동으로 commit되게 yml추가해준 것 테스트용도
'코딩 공부 > Pandas' 카테고리의 다른 글
Pandas와 친해지기(10분 Pandas) (2024-02-07) (3) 2024.02.07 Pandas와 친해지기(10분 Pandas) (2024-02-06) (3) 2024.02.06 Pandas와 친해지기(10분 Pandas) (2024-02-05) (0) 2024.02.05 Pandas와 친해지기(10분 Pandas) (2024-02-04) (0) 2024.02.04 Pandas와 친해지기(10분 Pandas) (2024-02-03) (0) 2024.02.03