바뀜

둘러보기로 가기 검색하러 가기
잔글
2번째 줄: 2번째 줄:  
데이터프레임을 사용했다면 그냥 여기에서 멈추는 것이 아니라, 다른 형태로 저장해두어야 추후에 불러와 사용할 수 있다.
 
데이터프레임을 사용했다면 그냥 여기에서 멈추는 것이 아니라, 다른 형태로 저장해두어야 추후에 불러와 사용할 수 있다.
   −
= mysql =
+
표형 데이터는 판다스로 쉽게 가져올 수 있다.
   −
=== sqlalchemy 사용 ===
+
page = requests.get(url)
 +
 
 +
tables = pd.read_html(page.text)
 +
 
 +
== 엑셀, CSV ==
 +
데이터프레임을 엑셀로 저장하거나, 엑셀파일을 데이터프레임으로 불러오거나.
 +
 
 +
2차원 데이터를 다루는 가장 쉬운 방법은 엑셀을 이용하는 것. 저장하고 시각화 하는 데 엑셀을 이용한다면 굉장히 편리할 것이다.
 +
 
 +
=== 사전준비 ===
 +
엑셀 관련기능을 사용하려면 관련 라이브러리를 설치해야 한다.
 
{| class="wikitable"
 
{| class="wikitable"
 
!과정
 
!과정
10번째 줄: 20번째 줄:  
!방법
 
!방법
 
|-
 
|-
|라이브러리 설치
+
|openpyxl
 
|
 
|
|pip install sqlalchemy
+
|pip install openpyxl
 +
|}
 +
 
 +
=== 사용 ===
 +
{| class="wikitable"
 +
!과정
 +
!설명
 +
!방법
 
|-
 
|-
|모듈 임포트
+
|파일 저장하기
|
+
|openpyxl 따위의'''<nowiki/>''' '''<nowiki/>'''라이브러리 설치가 선'''<nowiki/>'''행되'''<nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/>'''어야 한다.
|from sqlalchemy import create_engine
+
아래 두 방법으로 df를 엑셀에 저장한다.
|-
+
 
|엔진 연결
+
 
|DB를 만든 후에 DB와 연결할 수 있다.
+
객체.to_excel('''<nowiki/>'<nowiki/>'''c:\\경로.xlsx'''<nowiki/>'''')
 +
 
 +
객체.to_csv('''<nowiki/>'<nowiki/>'''c:\\경로.csv'''<nowiki/>'''')
 
|<syntaxhighlight lang="python">
 
|<syntaxhighlight lang="python">
engine = create_engine("mysql+pymysql://{user}:{pw}@localhost/{db}"
+
import os  # 저장경로를 지정하기 위함.
                      .format(user="root",  # sql 계정 입력.
+
 
                              pw="0000",  # sql 비밀번호 입력.
+
wd = os.getcwd()  # 현재 디랙터리.
                              db="dbname")# 연결할 db이름 입력.
+
file_dir = '{}\\경로명\\'.format(wd)    # 저장할 경로 지정.
 +
file_name = '파일이름'                  # 저장할 이름 지정.
 +
df.to_excel(file_dir + file_name)       # 파일저장.
 
</syntaxhighlight>
 
</syntaxhighlight>
 
|-
 
|-
|sql로 전환
+
|파일 불러오기
|이미 만들어진 테이블에 dataframe을 넣는다.
+
|openpyxl 따위의 라이브러리 설치가 '''<nowiki/>'''선'''<nowiki/>'''행되어야 한다.
(역시, 테이블은 미리 준비되어야 한다.)
+
아래 두 방법으로 불러온다.
 +
 
 +
객체 = p'''<nowiki/>'''a'''<nowiki/>'''ndas.read_e'''<nowiki/>'''xc'''<nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/>'''el('''<nowiki/>'<nowiki/>'''c:\\경로.xlsx'''<nowiki/>'''')'''<nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/>'''
 +
 
 +
객체 = pandas.read_csv('''<nowiki/>''''c:\\경로.csv')
 +
 
 +
보통 첫번째 시트만 df로 만든다.
 +
|저장했던 엑셀파일을 불러오면 저장한 df 그대로 사용되는 게 아니라, 엑셀의 제한된 기능에 따라 변형되기 때문에 칼럼을 다시 만져주어야 제대로 사용할 수 있다. 기본적으로 맨 윗줄을 칼럼 처리한다.(상관없으면 그냥 쓰고;)
 +
때문에 df['열이름'] = pd.to_numeric(df['열이름']) 형태로 데이터형을 다시 통일, 설정해주어야 한다.
 +
 
 +
 
 +
인덱스 지정은 따로 하지 않는다. 'index_col=숫자' 옵션으로 인덱스를 지정할 수도 있다.
   −
옵션은 아래에서 설명한다.
+
Sheet_name='시트명' 옵션으로 해당 시트를 열 수도 있다.
|<syntaxhighlight lang="python">
  −
data.to_sql('테이블명', con = engine, if_exists = 'append', chunksize = 1000)
  −
</syntaxhighlight>
   
|-
 
|-
|옵션값
  −
| colspan="2" |
  −
{| class="wikitable"
  −
!인자
  −
!설명
  −
|-
  −
|if_exists
   
|
 
|
 +
|
 +
|
 +
|}
 +
 +
= Json =
 +
데이터프레임을 Json으로 바꾸거나 Json을 데이터프레임으로.
 +
 +
범용적으로 쓰이는 데이터 전달 포멧. 장고 등 서비스에서 스프레드시트를 파일로 저장하는 것도 좋지만, json화 하여 저장하는 것도 방법이 될 수 있다.
 
{| class="wikitable"
 
{| class="wikitable"
!옵션
+
!과정
 
!설명
 
!설명
 +
!방법
 
|-
 
|-
|appends
+
|Json으로 변환
|기존에 데이터가 들어가 있으면 덧붙인다.
+
|데이터프레임을 json으로.
 +
|<syntaxhighlight lang="python">
 +
import pandas as pd
 +
 
 +
df = pd.read_excel(uploadedFile)  # 어떤 방식으로든 df를 만들고..
 +
json_text = df.to_json()
 +
</syntaxhighlight>
 
|-
 
|-
|replace
+
|Json을 dataframe으로
|기존의 데이터를 대체한다.(테이블 단위로 덮어씌워, 기존 데이터는 사라진다.)
+
|단순히 읽으면 된다.
|-
+
|<syntaxhighlight lang="python">
|fail
+
import pandas as pd
|테이블 안에 데이터가 있으면 아무것도 하지 않음.
+
 
 +
df = pd.read_json('test.json')
 +
</syntaxhighlight>
 
|}
 
|}
 +
 +
= HTML =
 +
웹문서에서 읽어온 데이터를 바로 dataframe화 하는 경우도 필요하다.
 +
{| class="wikitable"
 +
! 의도
 +
!방법
 +
!설명
 
|-
 
|-
|chunksize
+
|데이터 불러오기
|한 번에 몇 개의 데이터를 처리할지.
+
|객체 = pandas.read_html('''h<nowiki/>t<nowiki/>ml 문서''')'''<nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/>'''
|}
+
|'''<nowiki/>'''html 문서의 데이터타입은 str이어야 한다. requests 등으로 웹문서를 불러와 변환해 넣으면 된다.'''<nowiki/><nowiki/><nowiki/>'''
|}
+
|}표형 데이터는 쉽게 가져올 수 있다.<syntaxhighlight lang="python">
 +
page = requests.get(url)
 +
tables = pd.read_html(page.text)
 +
</syntaxhighlight>  [굳이 .text 속성에 접근해야 하네;;? 그냥 객체와 text속성은 어떻게 다른지 보자.]
 +
 
 +
여러 테이블이 있는 경우, 데이터프레임이 들어있는 리스트로 반환된다.

둘러보기 메뉴