✏️ 24.12.18 TIL

📅 TO DO

---

• 데이터 전처리 & 시각화 4주차 수강
• 데이터 시각화 실습
• Pandas 라이브세션 수강

📝 MEMO

---

▶ 데이터 전처리 & 시각화 4주차
▶ 데이터 시각화 실습

▶ Pandas 라이브 세션

1. Pandas의 자료 구조

• 데이터프레임
  • 2차원의 데이터 구조
  • index: 각 아이템을 특정할 수 있는 고유값
  • 행(row), 열(column)으로 구성
  • 각 열은 각각 데이터타입(dtype)을 가짐
• 시리즈
  • 데이터를 담는 차원 배열 구조를 가짐
    → 데이터 프레임의 컬럼 하나
  • 인덱스(index) + value
  • 데이터타입을 가짐

2. rename

• 컬럼명을 딕셔너리 형태로 입력하여 컬럼명 변경
• inplace를 True로 지정할 경우 원본 데이터의 컬럼명을 바로 변경할 수 있음

# df의 'org_name' 컬럼명 교체
df.rename(columns = {'org_name': 'new_name'}, inplace = True)

3. DataFrame.keys()

• keys 메서드는 info axis(정보축) 값을 가져옴
• 정보축 - Series에서는 index, DataFrame에서는 열 의미
• Excel 파일의 경우 모든 시트명 조회 가능

df.keys()

4. 데이터 확인

• 데이터 형태 확인 : shape

df.shape
# 출력 : (행 개수, 열 개수)

• 데이터 타입 확인 : dtypes

df.dtype

• 컬럼 확인 : columns

df.columns

• Null값 확인: isnull / isna

5. 데이터 병합

• concat
  • axis=1 : 열 방향 - 좌, 우로 합치기
  • axis=0 : 행 방향 - 위, 아래로 합치기
  • ignore_index : 기존 인덱스를 무시할 것인지 여부

pd.concat([df1, df2, df2, axis = 0, ignore_index = True])

• merge
  • SQL의 JOIN과 유사함
  • how: 데이터를 어떻게 합칠 것인지
    → left, right, outer, inner, cross
    → 기본값은 inner
  • on: 데이터를 합칠 때 기준으로 잡을 컬럼

pd.merge(df1, df2, how = "inner", on = "column_name")

6. 데이터 저장

• to_csv : csv 파일로 저장

# 한글깨짐 현상 방지: encoding = "UTF-8-SIG"
df.to_csv("filename", encoding = "UTF-8-SIG", index = True)

• to_excel : excel 파일로 저장

df.to_excel("filename", index = True)