sorting

• range(x,y)
  np.arange(1,4) :1,2,3

• index로 정렬

df.sort_index(ascending = False, inplace = True)
*ascending = True : 오름차순

• 컬럼으로 정렬

df.sort_values(by = "기준 컬럼명", ascending = True, inplace = True)

컬럼 추가

df.insert(인덱스, 설정할 컬럼명,원하는 데이터)

연결자

!=, >, <, &, |

• and

df[(idx1) & (idx2) & df.loc[:,"컬럼명"] == 1)]

• or

df[(idx1) | (idx2)]

Merge

concat으로 병합하기

concatenation : 병합

• 행 방향으로 병합

df.concat([df1,df2], join = "inner", ignore_index = True)

<원본>

<병합 후>

join으로 병합하기

df1.join(df2, lsffix = "x", rsuffix = "y", how = "inner")

*lsffix, rsuffix : 컬럼명이 충돌하는 경우, 컬럼명을 [기존컬럼명x], [기존컬럼명y]와 같이 수정됨

import pandas as pd

# DataFrame 1
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

# DataFrame 2
df2 = pd.DataFrame({'B': [5, 6], 'C': [7, 8]})

# DataFrame을 합치기 (join) -> 열 이름 충돌 방지
result = df1.join(df2, lsuffix='_left', rsuffix='_right')

print(result)

<결과>

   A  B_left  B_right  C
   
0  1       3        5  7
1  2       4        6  8

Merge로 병합하기

df.merge(df1, df2, how = "outer", on = "id")

• how = inner(교집합) or outer(합집합),
  on = "컬럼명" : 기준을 정함

데이터프레임 합치기 - 왼쪽 데이터프레임 기준

df.merge(df1, df2, how = "left", left_on = "컬럼명", right_on = "컬럼명")

데이터프레임 합치기 - 오른쪽 데이터프레임 기준

df.merge(df1, df2, how = "right", left_on = "컬럼명", right_on = "컬럼명")

concat, join, merge의 차이

• concat과 join은 인덱스를 가지고 조인함
• marge는 on을 사용해서 해당 컬럼을 활용해 조인함 : 자의도가 높음

Groupby()

• 열을 기준으로 분할

grouped = df.groupby(["컬럼명"])

• 연산 메소드 적용

grouped["다른 컬럼명"].mean()

여러 조건으로 분할하기

• 그룹화 및 평균계산하기