04_판다스_파일 저장 및 열기

04_판다스_파일 저장 및 열기

import pandas as pd df = pd.DataFrame() data = { '이름':['채치수','정대만','송대섭','서태훈','김백호','변덕규','황태산','윤대협'], '학교':['북산고','북산고','북산고','북산고','북산고','능남고','능남고','능남고'], '키':[197,184,168,187,188,202,188,190], '국어':[90,40,80,40,15,80,55,100], '영어':[85,35,75,60,20,100,65,85], '수학':[100,50,70,70,10,95,45,90], '과학':[95,55,80,75,35,85,40,95], '사회':[85,25,75,80,10,80,35,95], 'SW특기':['Python','Java','Javascript..

  • format_list_bulleted Python/데이터분석
  • · 2022. 7. 4.
  • textsms
03_판다스_Index

03_판다스_Index

INDEX import pandas as pd df = pd.DataFrame() data = { '이름':['채치수','정대만','송대섭','서태훈','김백호','변덕규','황태산','윤대협'], '학교':['북산고','북산고','북산고','북산고','북산고','능남고','능남고','능남고'], '키':[197,184,168,187,188,202,188,190], '국어':[90,40,80,40,15,80,55,100], '영어':[85,35,75,60,20,100,65,85], '수학':[100,50,70,70,10,95,45,90], '과학':[95,55,80,75,35,85,40,95], '사회':[85,25,75,80,10,80,35,95], 'SW특기':['Python','Java','Java..

  • format_list_bulleted Python/데이터분석
  • · 2022. 7. 4.
  • textsms
02_판다스_데이터프레임

02_판다스_데이터프레임

2. DataFrame 2차원 데이터(Series들의 모음) Data 준비 예) 슬램덩크 주요 인물 8명에 대한 데이터 data = { '이름':['채치수','정대만','송대섭','서태훈','김백호','변덕규','황태산','윤대협'], '학교':['북산고','북산고','북산고','북산고','북산고','능남고','능남고','능남고'], '키':[197,184,168,187,188,202,188,190], '국어':[90,40,80,40,15,80,55,100], '영어':[85,35,75,60,20,100,65,85], '수학':[100,50,70,70,10,95,45,90], '과학':[95,55,80,75,35,85,40,95], '사회':[85,25,75,80,10,80,35,95], 'SW특기':[..

  • format_list_bulleted Python/데이터분석
  • · 2022. 6. 15.
  • textsms
01_판다스_Series

01_판다스_Series

Pandas 파이썬에서 사용하는 데이터 분석 라이브러리 import pandas as pd 1. Series 1차원 데이터(정수, 실수, 문자열 등) Series 객체 생성 예) 1월부터 4월까지 평균 온도 데이터(-20,-10,10,20) temp = pd.Series([-20, -10, 10, 20]) series 값 인덱스 번호로 출력 temp[0] # -20 출력 temp[2] # 10 출력 Series 객체 생성(Index 지정) temp = pd.Series([-20,-10,10,20], index=['Jan','Feb','Mar','Apr']) """출력값 Jan -20 Feb -10 Mar 10 Apr 20 dtype: int64""" temp['Jan'] #-20 출력 temp['Apr'..

  • format_list_bulleted Python/데이터분석
  • · 2022. 6. 15.
  • textsms
파이썬 리스트[], 딕셔너리{} 응용

파이썬 리스트[], 딕셔너리{} 응용

리스트 자료형의 경우 인덱스 번호로 조회가 가능하다 len() : 리스트 전체 개수를 산출하는 함수 딕셔너리 자료형의 경우 key로 value값을 조회할 수 있다(인덱스번호 x) 1. 리스트 내부에 딕셔너리가 있는 경우 리스트 인덱스 번호로 내부 딕셔너리 조회 BTS의 'member' key만 조회 BTS의 'member' key의 value 전체 조회 2. 딕셔너리 내부에 리스트가 있는 경우 keys() : key 값 모두 조회 values() : value 값 모두 조회 전체 데이터 조회 value를 인덱스 번호로 조회 value를 값으로 조회

  • format_list_bulleted Python/Intro
  • · 2022. 6. 15.
  • textsms
시계열 데이터 탐색하기

시계열 데이터 탐색하기

Datetime 형태로 변환하기 pd.to_datetime() import pandas as pd dates = ["2020-01-01", "2020-03-01", "2020-09-01"] ts_dates = pd.to_datetime(dates) # 리스트형태의 변수만 가능 Datetime 기간 설정 pd.period_range() timestamp_df = pd.date_range(start = "2020-01-01", end = None, periods = 6, freq = "Y", tz = 'Asia/Seoul') freq에 가능한 설정 : Y, M, D, H, MIN, S 문자형 데이터에서 년,월,일 추출하여 새로운 칼럼에 넣기 date_df split() 함수 사용 date_df['년'] = ..

  • format_list_bulleted Python/데이터분석
  • · 2022. 6. 14.
  • textsms