📚 파생변수

• 기존 변수를 조합하여 만들어내는 새로운 변수

---

✔ where()

• numpy 객체의 메서드

• 조건에 따라 두 개를 출력하는 메서드

• if() 함수 대체 가능

• True일 때 반환값, False일 때 반환값 차례대로 기입

import pandas as pd
import numpy as np

df = pd.read_csv("iris.csv")

df["is_setosa"] = df.where(df["Species"] == "setosa", 1, 0)
# df에 is_setosa라는 새로운 컬럼을 만들 건데
# Species 컬럼 값이 setosa이면 값으로 1을 저장하고 아니면 0

---

✔ crosstab

⭐ 입력

pd.crosstab(df["Species"], df["is_setosa"])

📌 출력

• 위와 같은 그림 출력됨

---

✔ rename()

• 데이터프레임 변수명 변경 시 사용

• columns 인자에 기존 변수명과 신규 변수명의 쌍을 딕셔너리로 구성하여 입력

df = df.rename(columns = {"Sepal.Length" : "SL"})

---

✔ apply()

• row 또는 coulmn 방향으로 일괄 계산

• axis 인자 설정으로 연산 방향 설정 가능

  -> axis = 0 : columns 방향

  -> axis = 1 : row 방향

bike = pd.read_csv("bike.csv")

bike_sub = bike.iloc[:4 , 9:11]
# 행은 4 미만으로 , 0~3번 인덱스 뽑고
# 열은 9에서 11미만, 9번 ,10번 인덱스 출력
    
bike_sub.apply(func = sum)
# 아무것도 안 적으면 기본은 컬럼 방향 연산임!
bike_sub.apply(func = sum, axis=1)
# 로우 기준으로 계산

bike_sub.apply(func = pd.Series.mean)
# 평균 계산하고 싶으면 이렇게 해야함
# apply 자체에 내장 함수로 mean이 없기 때문에
# pandas 객체의 Series에서 불러와야 함

---

✔ astype()

• 시리즈의 속성 변경 시 사용

• int / float / str

bike_sub["casual"]
# 정수 타입임

bike_sub["casual"].astype("str") + "대"
# 출력하면 숫자 뒤에 대 붙어서 나옴
# object 타입으로 변환되기는 했으나 더 상위클래스라서 상관없는 듯...

---

✔ slice()

• 원하는 번호의 인덱스 추출

bike["datetime"]
# 2011-01-01 01:00:00 이런 식으로 데이터 프레임 나옴

bike["datetime"].str.slice(0,4)
# 2011 출력됨
# 0에서 3번 인덱스까지 출력
bike["datetime"].str.slice(5,7)
# 01 나옴 월 출력

bike_time = pd.to_datetime(bike["datetime"][:3])
# datetime 타입으로 바꾸는 거 to_datetime()

bike_time.dt.year
# 년도 출력됨
bike_time.dt.hour
# 시분초 중에 시만 출력됨 
bike_time.dt.month
# 월 출력됨
bike_time.dt.weekday
# 요일 출력됨
# 0~1까지 숫자로 리턴되는데 0이 월요일이고 6이 일요일임
bike_time.dt.date
# 시간 뺀 년월일 출력
bike_time.dt.day
# 일 정보 출력됨

---

✔ get_dummies()

• 가변수 생성 도와주는 함수

• coulmns 인자에 명목형 변수 지정 및 처리 가능

• drop_first 인자에 True 입력하면 첫 번째 컬럼 삭제됨

bike_dum = pd.get_dummies(data = bike, columns=["season"])
# 꼭 columns 값 [] 로 묶기
# 이렇게 하면 season 컬럼에 값이 1,2,3,4 있었는데
# season1, season2, season3, season4 컬럼 생기고
# 해당하는 값에 1 들어가 있음

bike_dum = pd.get_dummies(data = bike, columns=["season"], drop_first = True)
# season1 빼고 2부터 4까지 컬럼 생김

---

1. temp 변수와 atemp 변수 차이의 절대값 평균은?

bike["diff"] = bike["temp"] - bike["atemp"]
# diff 특정값의 차이 구할 때 많이 쓰는 변수명임

bike["diff"].abs().mean()
# abs()는 절대값 구하는 메서드

2 .casual 값의 최대값이 25가 넘은 날은 총 며칠인가?

bike["datetime"] = pd.to_datetime(bike["datetime"])
# datetime으로 형변환
bike["date"] = bike["biketime"].dt.date
# 시간 빼고 날짜만 보이게 함

bike_agg = bike.groupby("date")["casual"].max() > 25
# 날짜별로 최대값을 뽑는데 그 값이 25보다 큰 것만 출력

bike_agg.sum()
# true, false로 리턴되기 때문에 sum()으로 더하면 true값만 출력됨

3. 시간대별 registered 평균을 산출했을 때 값이 가장 큰 시간은?

bike["datetime"] = pd.to_datetime(bike["datetime"])
# datetime으로 형변환
bike["hour"] = bike["datetime"].dt.hour
# 시간만 필요하니까 시간만 보이게 출력

bike_hour = bike.groupby("hour")["registered"].mean().reset_index()
# 평균 계산해서 제일 큰 값 찾으면 되는데 시험에는 찾을 수가 없음

# 데이터 너무 많아서...
bike_hour.loc[bike_hour["registered"] == bike_hour["registered".max(),]