행렬곱(dot)

df.dot(other)
dot()은 “사칙연산처럼 alignment를 해주지 않는다
axis 개념 없음
선형대수(Matrix multiplication) 연산

(행렬 곱)
(df1의 열) == (df2의 행)

조건:
1. shape 조건 - df1의 열 개수와 df2의 행 개수가 맞아야 함
2. index / column 조건

언제 사용하나?
가중합 계산

scores = pd.DataFrame({
    "math": [80, 90],
    "english": [70, 85]
})

weights = pd.Series({
    "math": 0.6,
    "english": 0.4
})

scores.dot(weights)

transopose(전치)

행(row)과 열(column)을 서로 바꾸는 것
.T

언제 사용하나?
행렬곱(dot, @ - NumPy)
공분산/상관계산
벡터 방향 맞출 때
feature x weight 계산

반올림(round)

DataFrame.round(decimals=0, args, kwargs)

decimals = 0 - 기본값, 일의 자리 까지 반올림
decimals > 0 - 양수인 경우 소수 n번째 자리까지 반올림
decimals < 0 - 양수인 경우 10의 n승 자리 까지 반올림

합계(sum)

DataFrame.sum(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, kwargs)

곱(prod, product)

객체의 행이나 열의 곱을 구하는 메서드

절댓값(abs)

각 요소의 절댓값을 반환하는 메서드
숫자의 경우 절댓값을 반환하며, 복소수의 경우 복소수의 크기가 반환

순위(rank)

DataFrame.rank(axis=0, method='average', numeric_only=None, na_option='keep', ascending=True, pct=False)
축에 대해서 순위를 매기는 메서드

차이이산

DataFrame.diff(periods=1, axis=0)
한 객체 내에서 열과 열 / 행과 행의 차이를 출력하는 메서드

누적 계산(expending)

DataFrame.expanding(min_periods=1, center=None, axis=0, method='single')
행이나 열의 값에 대해 누적으로 연산을 수행
ex) df.expanding().sum()

기간이동 계산(rolling)

DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, closed=None, method='single')
현재 열에 대하여 일정크기의 창(window)를 이용하여 그 window 안의 값을 추가 메서드를 통해 계산 하는 메서드

직관적인 예:

[10, 20, 30, 40, 50]

window = 3 이면

(10,20,30)

(20,30,40)

(30,40,50)

이 각 묶음마다 평균/합/최대값 등을 구함