데이터 세트 확인

• pd.read_csv("", index_col): 파일 읽어오기
• head(): 상위 5개만 읽기
• info(): 데이터 프레임 정보(결측치, 데이터, 메모리...)
• describe().round(): 집계 통계 기술
• describe(exclude=["int", "float"]): 숫자 아닌 정보 확인

apply

나이 계산 및 컬럼 추가

• apply(func)
  

열 정리

map

mapping 하기

• 매핑이 안된다면 NaN으로
• value_counts 별로 집계

applymap

• 모든 요소에 apply()

def uppercase(str):
  return data.upper()

people['Name'].str.len()
people.applymap(str).applymap(uppercase): 모든 문자열 한번에 적용

customers['Kidhome'] = customers['Kidhome'].map({0: '자녀없음', 1: '자녀있음'})
customers.head()

astype

customer['Income'].astype('int64')

replace

customer['Marital_Status'].replace(['Alone','Absurd','YOLO'], 'Single').value_counts()

where

# 2인 이상의 자녀를 가진 가구
multiple_child_mask = customer['Kidhome'] >= 2
customer[multiple_child_mask].head()

# 조건에 맞는 아닌 데이터는 na 반환
customer.where(customer['Kidhome'] >= 2) 

customer.where(customer['Kidhome'] >= 2).fillna()
customer.where(customer['Kidhome'] >= 2).dropna()

# 조건에 맞지 않는 데이터는 은닉하기
customer.where(customer['Kidhome'] >= 2, ohter = '000')

agg

• aggregate (집계)
• 지정된 axis를 기준으로 하나 이상의 연산을 사용하여 데이터 집계

customers.agg({'Income': 'max', 'Kidhome':'mean'})

customers.agg('max')
customers.agg(['max', 'mean'])

customers_numeric = customers.select_dtypes(include='number')
customers_numeric.agg(['max', 'mean'])

copy

• customers.copy()

# 주소 비교
id(cusotmers), id(customers.copy)

customers.equals(customers_copy)

multiIndex

pd.read_csv('', sep='\t', index = ['ID', 'Martial_Status'])
customers.set_index = ['ID', 'Martial_Status'], inplace = True)

# index 바꾸기
customers.swapleve()

# index 정렬
customers.sort_index()

customers.loc[['Single', 'Alone']]
customers.loc[['Single', 'Alone'], :]

customers.loc[(['Single', 'Alone'], [5524,2114]), :]

customers.loc[(slice(None), 2214), 'Income']
customers.loc[pd.indexSlice[:, 2214]]