회고 리스트

1.아래처럼 데이타가 나오도록 데이타 프레임을 만들어 보시오

            시가	고가	저가	종가
삼성전자		980		80		70		90
카카오		980		80		70		90
네이버		980		80		70		90

---

import pandas as pd

index = ["삼성전자", "카카오", "네이버"]
data = {
            "시가" : [980, 980, 980],
            "고가" : [80, 80, 80],
            "저가" : [70, 70, 70],
            "종가" : [90, 90, 90],
        }

df_stock = pd.DataFrame(data = data, index = index)

2. 아래와 같이 출력이 나오도로 하시오.

close = [42500, 42550, 41800, 42550, 42650]
open = [42600, 42200, 41850, 42550, 42500]
index = ['2019-05-31', '2019-05-30', 
			'2019-05-29', '2019-05-28', '2019-05-27']

open = Series(data=open, index=index)
close = Series(data=close, index=index)

# 출력 : 
# 종가가 시가보다 높을 때만 출력
#2019-05-30    42550
#2019-05-27    42650
#dtype: int64

---

cond = close > open

print(close[cond])
# print(open[cond])시 종가가 시가보다 높을 때의 시가가 출력

3. 아래의 데이터를 정렬하시오.

data = [3.1, 2.0, 10.1, 5.1]
index = ['000010', '000020', '000030', '000040']
s = Series(data=data, index=index)


# 출력 : 
# dtype: float64
# 000030    10.1
# 000040     5.1
# 000010     3.1
# 000020     2.0
dtype: float64

4. 아래의 데이터가 아래와 같이 출력 되도록 하시오.

s = pd.Series([1234, 5678, 9876])

#==출력
# 0    작다
# 1    크다
# 2    크다
# dtype: object

---

def is_over_5000(x) : 
    if x > 5000 : 
        result = "크다"
    elif x < 5000 : 
        result = "작다"
    else : 
        result = "같다"

    return result

print(s.map(is_over_5000))

5. 데이타 프레임을 생성하는 3가지 방법은 ?

1) 딕셔너리(dict) 사용

: 칼럼명을 키로 하고 값을 리스트 형태로 만들어 DataFrame 생성

import pandas as pd

data = {
          "이름": ["김은수", "박정민", "이하나"],
          "나이": [35, 30, 28],
          "직책": ["과장", "대리", "대리"]
      	}

df = pd.DataFrame(data)
print(df)

---

2) 리스트(list)의 리스트를 사용

: 2차원 리스트를 이용해서 DataFrame 생성

data = [
          ["김은수", 35, "과장"],
          ["박정민", 30, "대리"],
          ["이하나", 28, "대리"]
      	]

df = pd.DataFrame(data, columns=["이름", "나이", "직책"])
print(df)

---

3) 리스트(list)와 딕셔너리(dict) 사용

: 각 행을 딕셔너리로 만들어 리스트로 감싸서 DataFrame 생성

data = [
          {"이름": "김은수", "나이": 35, "직책": "과장"},
          {"이름": "박정민", "나이": 30, "직책": "대리"},
          {"이름": "이하나", "나이": 28, "직책": "대리"}
		]

df = pd.DataFrame(data)
print(df)

---

데이터 베이스

1. 부서별 급여의 총합을 출력

select deptno, sum(sal) as sal
from emp
group by deptno;

---

2. 급여가 1000인 이상인 사원들의 부서별 평균 급여를 출력해보세요.

단, 부서별 평균 급여가 2000이상인 부서만 출력하세요

select deptno, round(avg(sal), 2) as avg
from emp
group by deptno
having avg(sal) >= 2000;

문제를 잘못 읽어서

select deptno, round(avg(sal), 2) as avg
from emp
where sal >= 2000
group by deptno;

이렇게 짠 다음 왜 위에는 having이지?? 싶어서 where로 바꿨다가 에러났다.
avg()같은 집계 합수는 where절에서 사용할 수 없다는 이유였다.
몰랐던 걸 알게 됐구만...

---

3. 카테이션 곱이란?

카테시안 곱(Cartesian Product)은 두 테이블의 모든 조합을 생성하는 연산이다.
SQL에서 JOIN 조건 없이 FROM table1, table2 또는 CROSS JOIN을 수행하면 발생한다.
두 테이블의 모든 행을 조합하여 결과(M x N 개)를 생성한다.

4.커미션이 null이 아닌 사원의 이름, 입사일, 부서명을 출력해보세요

select e.ename, e.hiredate, d.dname
from emp e join dept d
on e.deptno = d.deptno
where e.comm is not null;

---

5. 각 사원의 이름과 매니저 이름을 출력하세요.

select e1.ename, e2.ename as mgr
from emp e1 join emp e2		# 셀프 조인
on e1.mgr = e2.empno;

---

3줄요약
1. group by 는 해당 컬럼명으로 먼저 분류를 시킨다.
2. 조인이란 두개의 테이블에 대한 카테이션 곱을 의미한다.
3. 데이타 프레임은 시리즈를 1개이상 만들고 컬럼명을 붙인다.