달나라 노트

DataFrame을 다루다보면 DataFrame에 있는 하나하나의 행을 참조하여 for loop를 돌리는 등의 경우가 발생합니다. 이럴때에는 여러 가지 방법이 있지만 그 중에서 pandas에서 제공하는 iterrows를 사용해봅시다. import pandas as pd dict_1 = { 'col1': [4, 1, 5, 3, 2], 'col2': [6, 7, 8, 9, 10], 'col3': [11, 12, 13, 14, 15], 'col4': [16, 17, 18, 19, 20] } df_1 = pd.DataFrame(dict_1) print(df_1) print(df_1.iterrows()) -- Result col1 col2 col3 col4 0 4 6 11 16 1 1 7 12 17 2 5 8 1..

어느 프로그래밍 언어에서나 데이터를 다룰 때 가장 중요한 부분 중 하나는 null, NaN, None 등의 값을 다루는겁니다. 어떤 데이터가 null 값일 때에는 다른 숫자를 return한다던지, Pandas DataFrame의 어느 위치의 값이 NaN이면 해당 위치에 다른 값을 집어넣는다던지, 어떤 변수에 할당된 값이 NaN이라면 다른 값을 해당 변수에 재할당한다던지 등의 상황이 상당히 자주 발생합니다. SQL에서는 null값을 다루기 위해 nvl, coalesce등의 함수가 있죠. 그러면 Python에서 None, NaN값을 다루기 위해선 어떻게 해야할까요? 이 방법을 알아보기 전에 Python에서 NaN과 None의 특징을 알아봅시다. import numpy as np print(np.NaN == ..

Syntax numpy.arange(start_num, end_num, gap) arange method는 위처럼 사용할 수 있습니다. start_num부터 시작해서 (start_num도 포함) end_num을 넘지 않는 숫자까지 (end_num은 포함안함) gap에 명시된 간격이 되도록 array를 생성합니다. import numpy as np arr_test = np.arange(3, 10, 1) print(arr_test) -- Result [3 4 5 6 7 8 9] 3부터 시작하여 10보다 작은 숫자 구간 내에서 1의 간격으로 array를 생성합니다. import numpy as np arr_test = np.arange(2, 11, 2) print(arr_test) -- Result [ 2 4..

array에 10이라는 숫자만 전달하면 위처럼 그냥 숫자데이터가 나옵니다.import numpy as nparr_test = np.array(10)print(arr_test)-- Result10 이것을 1행 1열의 데이터로 바꾸고싶으면 어떻게할까요.이때 reshape method를 사용할 수 있습니다.import numpy as nparr_test = np.array(10)print(arr_test)arr_test = arr_test.reshape(1, 1)print(arr_test)-- Result10[[10]]위처럼 reshape을 사용하면 [[10]] 처럼 1행 1열의 데이터로 변환되었습니다. - reshape(1, 1)1 by 1(1 x 1) 데이터로 변환하라는 의미 import nump..