달나라 노트

DataFrame filtering 엑셀에선 필터 기능을 이용하여 내가 원하는 조건으로 row filter를 걸고 원하는 데이터들만 조작이 가능하죠.Pandas의 DataFrame도 이러한 기능을 제공합니다. 이러한 필터링 기능을 어떻게 이용할 수 있는지 알아봅시다. 먼저 test용 DataFrame을 생성합니다. import pandas as pd dict_name = { 'item_id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 'item_name': ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j'], 'status': [1, 1, 1, 0, 0, 1, 0, 1, 1, 1] } df_name = pd.DataFrame(dict_name) p..

DataFrame.merge sql에서의 window function과 비슷한 기능을 pandas에서 어떻게 사용할 수 있는지를 알아봅시다. 먼저 test용 DataFrame을 생성합니다. import pandas as pd dict_name = { 'item_id': [1, 2, 4], 'item_name': ['a', 'b', 'd'] } dict_price = { 'item_id': [1, 2, 3], 'price': [1000, 2000, 3000] } df_name = pd.DataFrame(dict_name) df_price = pd.DataFrame(dict_price) print(df_name) print(type(df_name)) print(df_price) print(type(df_pr..

DataFrame.groupby groupby는 특정 컬럼에 존재하는 값들에 대해서 동일한 값을 가진 행끼리 그룹화하고 그룹화된 행들에 어떤 연산(합, 평균, 최대, 최소 등)을 해주는 기능을 가집니다. 먼저 test용 DataFrame을 생성합니다. import pandas as pd dict_item = { 'date': [ 20200101, 20200102, 20200103, 20200101, 20200102, 20200103, 20200101, 20200102, 20200103, 20200101, 20200102, 20200103, 20200104 ], 'item_id': [ 1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 4 ], 'item_name': [ 'a', 'a', 'a..

DataFrame.assign assign은 apply와 비슷하게 내가 원하는 로직을 DataFrame의 어떤 컬럼에 적용시킨 후, 새로운 컬럼을 추가하여 변경된 DataFrame을 반환합니다. 먼저 test용 DataFrame을 생성합니다. import pandas as pd dict_item = { 'item_id': [1, 2, 3, 4], 'item_name': ['a', 'b', 'c', 'd'], 'price': [1000, 2000, 3000, 4000] } df_item = pd.DataFrame(dict_item) print(df_item) print(type(df_item)) - Output item_id item_name price 0 1 a 1000 1 2 b 2000 2 3 c 3..