"Pandas:DataFrame:데이터 조작"의 두 판 사이의 차이
둘러보기로 가기
검색하러 가기
(→개요) |
|||
(같은 사용자의 중간 판 2개는 보이지 않습니다) | |||
1번째 줄: | 1번째 줄: | ||
== 개요 == | == 개요 == | ||
+ | 파생변수에 대해 다루는 문서. | ||
+ | |||
dataframe의 평균, 합을 구한다든가 특정 연산을 수행해야 할 때가 있다. for문으로 일일이 할 수도 있지만, 효율이 그닥 좋진 않다. | dataframe의 평균, 합을 구한다든가 특정 연산을 수행해야 할 때가 있다. for문으로 일일이 할 수도 있지만, 효율이 그닥 좋진 않다. | ||
110번째 줄: | 112번째 줄: | ||
|<code>df['over_5unit'] = np.where(df['1unit']>df['5unit'], True값, False값)</code> | |<code>df['over_5unit'] = np.where(df['1unit']>df['5unit'], True값, False값)</code> | ||
<nowiki>#</nowiki> 1unit 행의 값이 5unit 행의 값보다 큰 때에만 True값을 넣는다. | <nowiki>#</nowiki> 1unit 행의 값이 5unit 행의 값보다 큰 때에만 True값을 넣는다. | ||
− | |||
<code>df['열'] = np.where(조건, 참, np.where(조건, 참2, 거짓))</code> | <code>df['열'] = np.where(조건, 참, np.where(조건, 참2, 거짓))</code> | ||
118번째 줄: | 119번째 줄: | ||
|<syntaxhighlight lang="python"> | |<syntaxhighlight lang="python"> | ||
변수 = np.where( | 변수 = np.where( | ||
− | (df['category'] == '값1') | (df['category'] == '값2') | ... , '참값', '거짓값' | + | (df['category'] == '값1') | (df['category'] == '값2') | ... , '참값', '거짓값') |
− | |||
</syntaxhighlight>위 형태로는 너무 코드가 길어져서... 아래와 같이 축약하곤 한다.<syntaxhighlight lang="python"> | </syntaxhighlight>위 형태로는 너무 코드가 길어져서... 아래와 같이 축약하곤 한다.<syntaxhighlight lang="python"> | ||
변수 = np.where( | 변수 = np.where( | ||
− | df['category'].isin([값1, 값2, ...]) , '참값', '거짓값' | + | df['category'].isin([값1, 값2, ...]) , '참값', '거짓값') |
− | |||
</syntaxhighlight> | </syntaxhighlight> | ||
|} | |} |
2023년 2월 1일 (수) 12:10 기준 최신판
1 개요[편집 | 원본 편집]
파생변수에 대해 다루는 문서.
dataframe의 평균, 합을 구한다든가 특정 연산을 수행해야 할 때가 있다. for문으로 일일이 할 수도 있지만, 효율이 그닥 좋진 않다.
2 수치조작[편집 | 원본 편집]
2.1 평균 구하기[편집 | 원본 편집]
의도 | 설명 | 방법 |
---|---|---|
행 평균 구하기 | 각 행 방향의 평균 구하기 | df.mean(axis=1) |
열 평균 구하기 | 각 열에 대한 평균을 구한다. | df.mean(axis=0) |
특정 열 평균 구하기 | df["열이름"].mean(axis=0) | |
특정 행의 특정 열에 대한 평균만 구하기 | 특정 행의 특정 데이터만 연산해서 새로운 열을 추가한다. | df['mean'] = df[['start', 'high', 'low', 'close']].mean(axis=1) |
2.2 각종 통계값[편집 | 원본 편집]
의도 | 설명 | 방법 |
---|---|---|
각 방향으로의 합을 구한다. | axis 옵션으로 방향을 지정한다.
0 : 칼럼 1 : 행 |
df.sum(axis=0) |
누적합 | df.cumsum(axis=0) | |
표준편차 구하기 | df.std(axis=0) | |
분산 구하기 | df.var(axis=0) | |
이외 다양한 함수를 제공하는데, 공식문서를 참고하자.
왜도 구하기. df.skew()
첨도 구하기. df.kurtosis()
2.3 행별 연산[편집 | 원본 편집]
의도 | 설명 | 방법 | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
순위 구하기 | ascending은 점수가 낮을 때 상위.
|
df.rank(method='옵션', ascending=False) |
3 Dataframe 조건 연산[편집 | 원본 편집]
3.1 numpy.where 사용[편집 | 원본 편집]
의도 | 설명 | 방법 |
---|---|---|
특정 행 사이를 if연산 | dataframe의 if 연산.
간단하게 하려면 numpy가 필요하다.
|
df['over_5unit'] = np.where(df['1unit']>df['5unit'], True값, False값)
# 1unit 행의 값이 5unit 행의 값보다 큰 때에만 True값을 넣는다.
|
다중연산 | 특정 범주 안에 들어있는가 파악하기. | 변수 = np.where(
(df['category'] == '값1') | (df['category'] == '값2') | ... , '참값', '거짓값')
변수 = np.where(
df['category'].isin([값1, 값2, ...]) , '참값', '거짓값')
|
3.2 dataframe 행 추출(조건 추출)[편집 | 원본 편집]
df.query() 활용.
의도 | 설명 | 방법 |
---|---|---|
조건 추출 | 특정 조건에 해당하는 데이터프레임의 행을 추출한다.
&, |, in, >, >= 등 일반적으로 사용하는 연산자 사용 가능. 조건에 외부변수를 사용하려면 @변수명 형태로 기입한다. |
|