[데이터분석] week2. Pandas / DataFrame

1. Pandas 기초

• 1) 기본 DataFrame 만들기

  data = {
      'name' : ['영수','철수','영희','소희'],
      'age' : [20,15,38,8]
  }

  ⇒ 그리고, 다음을 입력해서 DataFrame을 만들어봅니다.

  df = pd.DataFrame(data)

  ⇒ 여기서 df 를 입력하면, 표를 볼 수 있습니다.
  ⇒ 이렇게, DataFrame은 “딕셔너리” 형태로 표현된 데이터를 표로 바꿔주는 역할을 한답니다.
  ⇒ 맨 왼쪽은 이 데이터들의 “index”라는 것이에요. 지금은 자동으로 생성이 되었네요!

• 2) DataFrame 다루기 - 기초

  1. 행 추가하기

     doc = {
     	'name':'세종',
     	'age':14,
     }
     df = df.append(doc,ignore_index=True)

  2. Colums 추가하기

     df['city'] = ['서울','부산','부산','서울','서울']

  3. 특정 Column만 뽑아보기

     ⇒ 대괄호를 두 번 해야 DataFrame 형식으로 반환된다는 점을 잊지 마세요!

     df[['name','city']]

  4. 원하는 조건에 맞는 행만 뽑아보기

     df[df['age'] < 20]

  5. 특정 행에서의 뽑아보기

     ⇒ 보통 정렬을 활용하기 때문에, 이렇게 데이터를 얻을 일이 많아요!

     df.iloc[-1,0] # 마지막 행
     df.iloc[0,0] # 첫 행

• 3) DataFrame 다루기 - 연산

  1. 열을 정렬하기

     df.sort_values(by='age',ascending=True)

  2. 조건에 맞는 열을 추가하기

     np.where(df['age'] > 20,'성인','청소년')

     df['is_adult'] = np.where(df['age'] > 20,'성인','청소년')

  3. 평균, 최대값, 최소값, 갯수 구하기

     df['age'].mean()
     
     df['age'].max()
     
     df['age'].min()
     
     df['age'].count()

  4. 퀴즈 - 서울에 사는 사람 중 나이가 가장 많은 사람은 몇 살?

     df[df['city'] == '서울']['age'].max()

     ⇒ 또는

     df[df['city'] == '서울'].sort_values(by='age',ascending=False).iloc[0,1]

2. 엑셀 가져오기

👉 데이터분석가들은 엑셀보다 Pandas를 선호한답니다!

• 1) 실제 데이터 import 해보기

  • [코드스니펫] 종목데이터

    [종목데이터.xlsx](https://s3-us-west-2.amazonaws.com/secure.notion-static.com/c56afbb0-804e-4202-af8c-48d68d2b25ae/종목데이터.xlsx)

    ⇒ 엑셀파일을 끌어다가 colab에 붙여볼게요!

• 2) 엑셀을 DataFrame으로 읽기 ⇒ 무척 쉬워요! 한 줄이면 끝!

  pd.read_excel('종목데이터.xlsx')

  ⇒ 이렇게, df 변수에 넣어둘까요?

  df = pd.read_excel('종목데이터.xlsx')

  ⇒ 이렇게 하면 긴 줄을 모두 볼 필요 없이 앞의 5개만 볼 수 있습니다.

  df.head()
  
  df.tail()
  
  df.head(20)
  df.tail(20)

  ⇒ 소수점 둘째자리까지만 보면 좀 더 심플합니다.

  • [코드스니펫] 소수점둘째자리

    ```python
    pd.options.display.float_format = '{:.2f}'.format
    ```

    pd.options.display.float_format = '{:.2f}'.format

3. Pandas 실전

• 1) 어제 오른 종목들만 골라보기

  df[df['change_rate'] > 0]

• 2) per가 0 인 종목들을 제거하기

  df = df[df['per'] > 0]

• 3) 순이익, 종가를 추가하기
  👉 per = 시가총액 / 순이익 = 주가 / 주당순이익

   df['earning'] = df['marketcap'] / df['per']

   df['close'] = df['per'] * df['eps']

• 4) date 컬럼을 없애기

  del df['date']

• 5) pbr < 1 & 시총 1조 이상 & per < 20 을 추려보기

  cond = (df['marketcap'] > 1000000000000) & (df['pbr'] < 1) & (df['per'] < 20)
  df[cond]

  ⇒ 시총이 큰 순서대로 보기

  df[cond].sort_values(by='marketcap', ascending=False)

  ⇒ 평균, 표준편차 등의 정보를 보기 (함께하기)

  df[cond].describe()

4. 해외주식 다루기 - yfinance

🌎 시작하기 전에 코드 창을 깔끔하게 정리해볼까요?

• 1) yfinance 라이브러리 설치하기 ⇒ 우선, yfinance 를 가져와야 합니다.

  pip install yfinance

• 2) yfinance 실행해보기
  👉 아주 기초적인 내용을 먼저 둘러보겠습니다.
  ⇒ 우선, 라이브러리를 불러옵니다.

  import yfinance as yf

  company = yf.Ticker('TSLA')

  company.info

🌎 전체 사용법을 둘러보고 싶다면 → https://pypi.org/project/yfinance/

• 1) 기본 정보 얻기 ⇒ 예) 회사명, 산업, 시가총액, 매출

  name = company.info['shortName']
  industry = company.info['industry']
  marketcap = company.info['marketCap']
  revenue = company.info['totalRevenue']
  
  print(name,industry,marketcap,revenue)

• 2) 재무제표에서 3년치 데이터 얻기 ⇒ 대차대조표, 현금흐름표, 기업 실적

  company.balance_sheet
  
  company.cashflow
  
  company.earnings

• 3) 그 외 정보들 ⇒ 주주정보, 애널리스트 추천 등

  company.institutional_holders
  
  company.recommendations
  
  company.calendar

  news = company.news
  
  for n in news:
    print(n['title'])