달나라 노트

DataFrame.join DataFrame의 join은 merger와 비슷한 기능을 제공합니다. 먼저 test용 DataFrame을 생성합니다. import pandas as pd dict_a = { 'id1': [1, 2, 3, 4, 5], 'name': ['a', 'b', 'c', 'd', 'e'], 'price': [10, 20, 30, 40, 50] } dict_b = { 'id2': [1, 2, 3, 4], 'name': ['a', 'b', 'z', 'z'], 'price': [10, 20, 100, 100] } df_a = pd.DataFrame(dict_a) df_b = pd.DataFrame(dict_b) print(df_a) print(type(df_a)) print(df_b) prin..

DataFrame.loc & DataFrame.iloc DataFrame의 loc, iloc는 DataFrame에서 내가 원하는 행 또는 내가 원하는 컬럼만을 추출할 수 있게 해줍니다. 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) print(df_name) print(type(df_name)) - Output it..

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..