들어가기 전에 인덱싱과 슬라이싱 복습

df의 열 가져오기=df["열이름"]
df.loc 사용하여 행, 열, 슬라이싱하기=df.loc["행이름","열이름"] >>문자열로 가져오기
df.iloc 사용하여 행, 열, 슬라이싱하기=df.iloc[행,열]>> 숫자로 가져오기
drop 함수 사용하기=df.drop

---

boolean indexing

• true or false로 이루어진 bool 자료형으로 변환하여 새로운 표를 만들수 있음
• 결국 true of false를 반환하는 성질을 이용하여 true 값을 가져와서 새로운 표를 만든다는 것

• 인덱스중에 true인 B,D만 새로운 표로 만들어졌음

• 컬럼중에 TURE인 영어와 과학만 새로운 표로 만들어줌

*특정 컬럼인 수학 values 중에 90 이상인 것들만 인덱싱 하여 가져올 수도 있음

오늘의 목표

1. 시리즈를 true or false로 바꿔본다
2. boolean indexing으로 해당 조건을 만족하는 데이터만 추출해본다
3. 여러개의 조건문을 결합하여 2를 해본다
4. isnull , isin 함수를 이해한다

판다스 연산자

and &
or |(shift+달러표시)
not ~

---

1. 판다스,넘파이 가져오고 데이터 살펴보기

2. 특정 열에 조건을 주어 true or false로 바꿔본다

• df.loc 함수 사용해서 열도 슬라이싱 해보기

+) 조건문을 변수에 지정하는 습관을 기르자

3. 조건이 여러개일때 불리언 인덱싱 하기

• 국어 성적>60 and 수학 성적>75 조건 2개를 만족하는 사람의 데이터를 갖고 오고 싶을때
  

4. isnull 함수 사용하기

• C,D의 과학 점수가 NAN 이므로 TRUE라고 뜬다. 이점을 이용해서 NAN이 아닌 부분만 가져오게 할 수 있다
  

• ~은 not의 기호이다

• 과학 점수가 nan이 아니거나 수학점수가 90 이상인 데이터를 추출하라
  

5. isin 함수 사용하기

• isin()= () 안에 들은 변수 안에 포함되면 true 반환 아니면 false반환

• isin 함수를 사용핳여 문예부, 다도부, 과학부의 데이터만 추출해라
  
  현재 표에서는 총 4개의 부만 있지만 100개 이상이 될때 하나하나 변수 만들어주기에는 너무 힘들다. 그래서 따로 true를 반환할 리스트를 만들어 둔다