[EDA] Pandas 기초

✏️ PANDAS (jupyter)

• 통상 as pd / 수치해석적 함수가 많은 import numpy as np
• pandas는 버전마다 허용되는 문법이 조금씩 다르기 때문에 공식홈페이지에서 확인하기 (ex - 링크 1 / 링크 2)
• 주피터에서 명령어 입력 -> [shift + tap] 을 누르면 입력 방법 알려줌

💡 Series ()

• Pandas Series 공식
• 첫 글자는 대문자로 입력하기!!!
• Index & Value 로 구성
• 1가지 데이터 타입만 가질 수 있음 ex) int+str 함께 x, 출력시 str로 전체 인식
• 데이터형을 구성하는 기본
• coulmn 한줄 한줄
• pandas.Series(data=None, index=None, dtype=None, name=None, copy=None, fastpath=False)
  • dtype : int / float / object(=str) / datetime64[ns] / timedelta64[ns]
• pandas.Series(Index : value)

#1. 
import pandas as pd
pd.Series()
#------out-----
Series([], dtype: object)

#2. 
import pandas as pd
pd.Series([1,2,3,4])
#------out-----
0    1
1    2
2    3
3    4
dtype: int64

#3. 
import pandas as pd
pd.Series([1,2,3,4],dtype = float54) # 에러 뜸
pd.Series([1,2,3,4],dtype = np.float54)
0    1.0
1    2.0
2    3.0
3    4.0
dtype: float64
#------out-----

💡 date_range ("날짜", periods=기간 )

• 날짜 및 시간 출력

import pandas as pd
dates = pd.date_range("20130101",periods=6)
dates
#------out-----
DatetimeIndex(['2013-01-01','2013-01-02','2013-01-03','2013-01-04','2013-01-05','2013-01-06'],dtype='datetime64[ns]',freq='D')

💡 DataFrame ()

• Index & Value & colunm 로 구성
• pandas.DataFrame (data,index,columns)

dates =  pd.date_range("20210101", periods=6 )
data = np.random.randn(6,4) #6행4열
df = pd.DataFrame (data,index=dates,columns=['A','B','C','D'])
df

💡 DataFrame 정보 탐색

1_head ( )

• 인덱스 앞 5개만 호출

df.head ( )

2_tail ( )

• 인덱스 뒷 5개만 호출

df.tail ( )

3_index, values, columns

• index, values, columns라는 변수에 들어간거라 괄호가 필요 없음
  

💡 slice

• [n:m] : 인덱스값 n ~ (m-1)
• 인덱스나 컬럼 이름으로 할 경우, 끝을 포함
  
• loc
  • location의 약자
  • 특정 인덱스 행과 컬럼 열 이름으로 로딩
    
• iloc
  • 컴퓨터가 인식하는 인덱스 값으로 선택
    

💡 condition

💡 컬럼 추가

• 기존 데이터가 없으면 추가, 있으면 수정
  

💡 컬럼 제거

1_del

• del은 원본 저장 따로 필요없이 바로 원본까지 수정됨
  

2_drop

• 컬럼에 사용시 axis 필요 (인덱스 이름으로 삭제시, 불필요)
  

💡 apply()

• apply ("sum") : 덧셈
• apply ("mean") : 평균
• apply ("min") : 최솟값
• apply ("max") : 최댓값
  

💡 sort_values()

• (by=" ")을 통해 특정 컬럼/열을 기준으로 데이터 정렬
  
• ascending=False : 내림차순으로 정렬
  
• inplace=True : 원본 데이터에 저장
  원본 데이터인 df를 호출해도 명령 그대로 적용돼서 출력됨
  

💡 .isin([ ])

• 특정요소가 있는지 확인
  

💡 데이터의 정보(속성) 탐색

1_info()

• 데이터의 기본 정보를 탐색할 때 사용
  

2_describe()

• 데이터 프레임의 기술통계 정보 확인
  

💡 열(columns) 선택

1_1개의 column 선택

#### 2_다수 column 선택 : 리스트 형식

💡 unique()

터미널 - [conda activate ds_study] 입력 - [cd 저장 경로] 입력- [jupyter notebook] 입력
VS code에서 파일을 만들 때, 반드시 확장자명도 함께 써야함 , ipynb가 주피터를 불러오는 확장자
차이 확인하기 : 도트(.) 유뮤, 소괄호를 쓰거나 대괄호를 쓰거나