[미래유망] 넘파이 #02

시리즈 수정/추가/삭제

수정 (loc) 및 추가

from pandas import Series

data = [1000, 2000, 3000]
index = ["메로나", "구구콘", "하겐다즈"]
s = Series(data=data, index=index)

s.loc['메로나'] = 500 # 값 수정

s.loc['비비빅'] = 500 # 없는 값 삽입
print(s)

다음 코드는 메로나 인덱스에 저장된 1000이라는 값을 500으로 변경합니다.
만약 없는 값을 작성한다면 새로운 값을 추가합니다.

---

삭제 (drop)

# print(s.drop('메로나')) // 원본은 삭제 안되게 잠금장치가 있음

from pandas import Series

data = [1000, 2000, 3000]
index = ["메로나", "구구콘", "하겐다즈"]
s = Series(data=data, index=index)

s.loc['메로나'] = 500 # 값 수정

s.loc['비비빅'] = 500 # 없는 값 삽입
s = s.drop('메로나') # s에다가 확실히 값을 반환

print(s)

drop 메서드는 시리즈의 원본 데이터를 제거하지 않고 새로운 시리즈 객체를 반환합니다.
drop 메서드를 호출한 결과를 다시 변수에 바인딩하도록 코드를 작성해야 합니다.

---

시리즈 연산

덧셈

from pandas import Series

철수 = Series([10, 20, 30], index=['NAVER', 'SKT', 'KT'])
영희 = Series([10, 30, 20], index = ['SKT', 'KT', 'NAVER'])
가족 = 철수 + 영희
print(가족)

데이터의 위치에 상관없이 같은 인덱스를 갖는 종목끼리 덧셈을 수행하고, 같은 인덱스에 계산 결과를 저장하는 것을 알 수 있다.

---

뺏셈

high = Series([42800, 42700, 42050, 42950, 43000])
low = Series([42150, 42150, 41300, 42150, 42350])

diff = high - low
print(diff)

같은 인덱스를 갖는 각각의 값을 빼고 그 결과를 diff에 저장했다. (변동폭 구하기)

date = ["6/1", "6/2", "6/3", "6/4", "6/5"]
high = Series([42800, 42700, 42050, 42950, 43000], index=date) # index만 date추가
low = Series([42150, 42150, 41300, 42150, 42350] , index=date)
diff = high - low
print(diff)

인덱스를 날짜로 바꾸어보겠다.

max_idx = 0
max_val = 0
 
for i in range(len(diff)):
  if diff[i] > max_val:
    max_val = diff[i]
    max_idx = i

print(max_idx)
print(diff.index[max_idx])

최댓값의 인덱스 뽑기를 해보겠다.

print(diff.idxmax())
print(diff.idxmin())

더 쉬운 방법

---

나눗셈

date = ["6/1", "6/2", "6/3", "6/4", "6/5"]
high = Series([42800, 42700, 42050, 42950, 43000], index=date)
low = Series([42150, 42150, 41300, 42150, 42350] , index=date)
profit = high / low
print(profit)

같은 인덱스를 갖는 각각의 값을 나누고 그 결과를 profit에 저장했다.

만약 누적시키고 싶을 때 (누적 수익률 구하기)

date = ["6/1", "6/2", "6/3", "6/4", "6/5"]
high = Series([42800, 42700, 42050, 42950, 43000], index=date)
low = Series([42150, 42150, 41300, 42150, 42350] , index=date)
profit = high / low
print(profit.cumprod()) # prod가 곱이라는 뜻이기 때문에 
# 누적합이라는 뜻의 cumsum()도 됨.

# 누적곱 값만 가져오기
# print( profit.cumprod( ).iloc[ -1 ] )

---

곱셈

date = ["6/1", "6/2", "6/3", "6/4", "6/5"]
high = Series([42800, 42700, 42050, 42950, 43000], index=date)
low = Series([42150, 42150, 41300, 42150, 42350] , index=date)
profit = high * low
print(profit)

---

max, min

high = Series([42800, 42700, 42050, 42950, 43000])
low = Series([42150, 42150, 41300, 42150, 42350])

diff = high - low
print(diff.max())
print(diff.min())

시리즈에서 제일 큰 값을 찾을 때 max함수를 사용한다.
시리즈에서 제일 작은 값을 찾을 때 min함수를 사용한다.

---

Unique

from pandas import Series
companyData = {
    "삼성전자": "전기,전자",
    "LG전자": "전기,전자",
    "현대차": "운수장비",
    "NAVER": "서비스업",
    "카카오": "서비스업"
}
s = Series(companyData)
print(s.unique())

중복을 제거하고 리스트를 가져오고 싶을 때가 있습니다. 이 경우 unique 메서드를 사용합니다.

---

value_counts

from pandas import Series
companyData = {
    "삼성전자": "전기,전자",
    "LG전자": "전기,전자",
    "현대차": "운수장비",
    "NAVER": "서비스업",
    "카카오": "서비스업"
}
s.value_counts()

value_counts() 메서드를 사용하면 값의 출현 빈도를 계산해서 시리즈 객체로 반환한다.

---