Pandas DataFrame 문제 풀이를 해보자

시작하기 전에 import 하기

import numpy as np
import pandas as pd
import numba
from pandas import DataFrame

---

데이터프레임 인덱싱과 슬라이싱

data = [
    ["037730", "3R", 1510, 7.36],
    ["036360", "3SOFT", 1790, 1.65],
    ["005760", "ACTS", 1185, 1.28],
]
columns = ["종목코드", "종목명", "현재가", "등락률"]
df = pd.DataFrame(data=data, columns=columns)
df.set_index('종목코드', inplace=True)

문제

데이터프레임 컬럼 접근
데이터프레임에서 현재가 컬럼만 출력해보세요.

정답

컬럼 인덱싱
데이터프레임에서 현재가 컬럼을 인덱싱하는데 이를 데이터프레임 타입이 되도록 하세요.

print(df[['현재가']])

---

문제

특정 값 가져오기 (loc)
다음 데이터프레임에서 037730 종목의 등락률을 출력하세요.

data = [
    ["037730", "3R", 1510, 7.36],
    ["036360", "3SOFT", 1790, 1.65],
    ["005760", "ACTS", 1185, 1.28],
]
columns = ["종목코드", "종목명", "현재가", "등락률"]
df = pd.DataFrame(data=data, columns=columns)
df.set_index('종목코드', inplace=True)

정답

df.loc["037730", "등락률"]

####문제
iloc 슬라이싱
위 데이터프레임에서 iloc 속성을 사용하여 첫번째, 두번째 행을 슬라이싱하세요.

정답

print(df.iloc[0:2])

문제

loc 슬라이싱
위 데이터프레임에서 loc 속성을 사용하여 첫번째, 두번째 행을 슬라이싱하세요.

정답

print(df.loc["037730":"036360"])

문제

컬럼 인덱싱 (iloc)
위 데이터프레임에서 iloc 속성을 사용하여 첫 번째 컬럼을 인덱싱하세요.

정답

df.iloc[:, 0]

문제

컬럼 인덱싱 (loc 속성)
위 데이터프레임에서 loc 속성을 사용하여 첫 번째 컬럼을 인덱싱하세요.

정답

print(df.loc[:, "종목명"])

문제

loc
위 데이터프레임에서 loc 속성을 사용하여 '037730' 종목의 '종목명', '현재가' 컬럼을 선택하세요.

정답

print(df.loc["037730", ["종목명", "현재가"]])

문제

iloc
위 데이터프레임에서 iloc 속성을 사용하여 '037730' 종목의 '종목명', '현재가' 컬럼을 선택하세요.

정답

print(df.iloc[0, [0, 1]])

문제

loc
위 데이터프레임에서 loc를 속성을 사용하여 다음 범위를 가져오세요.
(예시자료)

정답

print(df.loc[["037730", "036360"], ["종목명", "현재가"]])

문제

iloc 속성
위 데이터프레임에서 iloc를 속성을 사용하여 다음 범위를 가져오세요.

정답

print(df.iloc[[0,1], [0,1]])

문제

loc 속성과 슬라이싱
위 데이터프레임에서 다음 코드로 선택되는 영역을 말해보세요.

df.loc[:"036360", "현재가":"등락률"]

정답

df.loc[:"036360", "현재가":"등락률"]

---

데이터프레임 필터링과 변경

data = [
    ["037730", "3R", 1510, 7.36],
    ["036360", "3SOFT", 1790, 1.65],
    ["005760", "ACTS", 1185, 1.28],
]
columns = ["종목코드", "종목명", "현재가", "등락률"]
df = pd.DataFrame(data=data, columns=columns)
df.set_index('종목코드', inplace=True)

문제

필터링
다음 데이터프레임에서 현재가가 1500 이상인 값만 가져와보세요.

정답

df[ df['현재가'] >= 1500 ]

문제

필터링
위 데이터프레임에서 현재가가 1,500원 이상이면서 1,700원 미만인 값만 필터링 해보세요.

정답

cond = (df['현재가']>=1500) & (df['현재가']<1700)
print(df[cond])

문제

컬럼 추가
다음 데이터프레임에 목표가 컬럼을 추가하세요. 목표가는 현재가에서 10% 상승한 가격입니다.

정답

df['목표가'] = df['현재가'] * 1.1
print(df)

문제

로우추가
데이터프레임에 LG전자의 데이터를 추가하세요.

정답

df.loc["066570"] = ["LG전자", 60000, 3.84]
print(df)

문제

데이터 프레임 컬럼명 변경 (columns 속성)
다음 코드를 통해 데이터프레임을 생성합니다.

df = pd.DataFrame(data = [[1, 2, 3], [4, 5, 6]], columns=["A", "B", "C"])

생성된 데이터프레임에서 columns 속성을 사용하여 컬럼명을 'a', 'b', 'c'로 변경하세요.

정답

df = pd.DataFrame(data = [[1, 2, 3], [4, 5, 6]], columns=["A", "B", "C"])
print(df)

문제

데이터 프레임 컬럼명 변경 (rename 메소드)
다음 코드를 통해 데이터프레임을 생성합니다.

df = pd.DataFrame(data = [[1, 2, 3], [4, 5, 6]], columns=["A", "B", "C"])

생성된 데이터프레임에서 rename 메소드를 사용해서 컬럼 'A'를 'a'로 변경해보세요.

정답

df.rename(columns={"A": "a"}, inplace=True)
print(df)

---

name 속성

문제

다음 데이터프레임의 index의 name 속성을 'year'로 columns의 name 속성을 'company'로 변경하세요.

data = {"카카오": [np.nan, 221, 35], "NAVER": [52, 47, 3]}
index = [2019, 2020, 2021]
df = pd.DataFrame(data=data, index=index)

정답

df.index.name = "year"
df.columns.name = "company"

문제

데이터프레임 reindex
다음 데이터프레임에서 컬럼의 순서를 ['NAVER', '카카오']로 재정렬해보세요.

data = {"카카오": [np.nan, 221, 35], "NAVER": [52, 47, 3]}
index = [2019, 2020, 2021]
df = pd.DataFrame(data=data, index=index)
print(df)

정답

df = df.reindex(columns=['NAVER', '카카오'])

문제

데이터프레임 drop
데이터프레임에서 'NAVER' 컬럼을 삭제하세요.

data = {"카카오": [np.nan, 221, 35], "NAVER": [52, 47, 3]}
index = [2019, 2020, 2021]
df = pd.DataFrame(data=data, index=index)
df

정답

df.drop("NAVER", axis=1)

문제

데이터프레임 drop
다음 데이터프레임에서 '카카오'와 'NAVER' 컬럼을 삭제하세요.

data = {"카카오": [np.nan, 221, 35], 
        "NAVER": [52, 47, 3],
        "삼성전자": [17, 21, 13]}
index = [2019, 2020, 2021]
df = pd.DataFrame(data=data, index=index)
df

정답

df.drop(['NAVER', '카카오'], axis=1)

---

문제

데이터프레임 컬럼 문자열 다루기
다음 데이터프레임의 'cd' 컬럼의 'A'를 제거하세요.

data = [
    {"cd":"A060310", "nm":"3S", "close":"2,920"},
    {"cd":"A095570", "nm":"AJ네트웍스", "close":"6,250"},
    {"cd":"A006840", "nm":"AK홀딩스", "close":"29,700"},
    {"cd":"A054620", "nm":"APS홀딩스", "close":"19,400"}
]
df = DataFrame(data=data)
print(df)

정답

df['cd'] = df['cd'].str[1:]
print(df)

문제

데이터프레임 문자열 컬럼
위 데이터프레임에서 'close' 컬럼의 콤마를 제거한 후 np.int64 타입으로 변경하세요.

정답

df['close'] = df['close'].str.replace(',','').astype(np.int64)
print(df)

문제

DataFrame dropna
다음 데이터프레임에서 np.nan 값이 있는 모든 행을 제거하세요.

data = [
    [1, 2, 3],
    [np.nan, 5, 6],
    [7, np.nan, 9],
    [10, 11, np.nan]
]
df = pd.DataFrame(data)

정답

print(df.dropna())

문제

dataframe.dropna (subset)
다음 데이터프레임에서 col2 컬럼의 값에 NaN이 포함된 행만 제거하세요.

data = [
    [1, 1, np.nan],
    [10, np.nan, 10],
    [2, 3, 4]
]
columns = ['col0', 'col1', 'col2']
df = pd.DataFrame(data, columns=columns)

정답

print(df.dropna(subset='col2'))

문제

dataframe.fillna
다음 데이터프레임의 NaN 값을 0으로 채우세요.

data = [
    [1, 1, np.nan],
    [10, np.nan, 10],
    [2, 3, 4]
]
columns = ['col0', 'col1', 'col2']
df = pd.DataFrame(data, columns=columns)

정답

print(df.fillna(0))

문제

fillna (method)
다음 데이터프레임에서 NaN 값을 동일 컬럼의 이전 값으로 채우세요.

data = [
    [1, 1, np.nan],
    [10, np.nan, 10],
    [2, 3, 4]
]
columns = ['col0', 'col1', 'col2']
df = pd.DataFrame(data, columns=columns)

정답

print(df.fillna(method='ffill'))

문제

dataframe.isna()
다음 데이터프레임에서 isna 메서드를 호출해보세요.

data = [
    [1, 1, np.nan],
    [10, np.nan, 10],
    [2, 3, 4]
]
columns = ['col0', 'col1', 'col2']
df = pd.DataFrame(data, columns=columns)

정답

print(df.isna())

문제

dataframe.notna
위 데이터프레임에 대해서 notna 메서드를 호출해보세요.

정답

print(df.notna())

문제

dataframe replace
다음 데이터프레임에서 0을 100으로 변경하세요.

data = np.arange(9).reshape(3, 3)
df = pd.DataFrame(data)

정답

print(df.replace(0, 100))

문제

astype
다음 데이터프레임의 'fruit' 컬럼의 타입을 object에서 category로 변경하세요.

data = {
    'fruit': ['apple', 'orange', 'orange', 'apple', 'apple', 'apple'],
    'weight': [1.5, 1.3, 3.7, 2.4, 1.7, 1.8]
}
df = pd.DataFrame(data)

정답

df['fruit'] = df['fruit'].astype('category')
print(df)

---