0304
# 컬럼 출력 = None: 모든 컬럼 출력
pd.options.display.max_columns = 보일 갯수
# id_vars 빼고 녹이기
pd.melt(데이터, id_vars=남길 것)
# 컬럼 이름 A, B, C로 변경
데이터.columns = ["A", "B", "C"]
# expand: 데이터프레임으로 변환
데이터.str.split('기준', expand=True)[0].astype(int)
# 리스트로 만들기
.tolist()# 박스 옆으로 빼기
plt.legend(bbox_to_anchor=(1,1))# 전치행렬
.transpose() = .T# seaborn 시각화
# ci: errorbar
# estimator=np.mean -> 기본값
sns.barplot(data=, x=, y=)
sns.pointplot(data=, x=, y=)
sns.boxplot(data=, x=, y=)
sns.violinplot(data=, x=, y=)
sns.swarmplot(data=, x=, y=, size=)0305
# melt 사용
pd.melt(raw, id_vars=['국가및권역별','전산업·소재부품장비산업별', '항목', '단위'], var_name='연월', value_name='달러')
=> raw.melt(id_vars=raw.colums[:4], var_name='연월', value_name='달러')
# 컬럼 제거
데이터.drop(columns=)# 액[$] 제거하기 (정규표현식 사용)
df["항목"].str.replace('액\[\$\]','', regex=True)
=> df['항목'].str[:2]
=> df["항목"].str.replace('액[$]','', regex=False)
=> df['항목'] = df["항목"].str.replace('액\[[$]]','', regex=True)
=> df['항목'] = df["항목"].str.replace('[^수입출]','', regex=True)# 컬럼명 A->a, B->b로 변경
데이터.rename(columns={'A':'a', 'B':'b'})# 동일한 요소 찾기
.isin()
# 상위 n개
.nlargest(n)px.histogram == seaborn의 barplot과 유사한 기능
histfunc == seaborn estimate 기능과 유사
Today I Learn