이전 포스팅에 이어서 tutorial을 진행해보겠습니다.
describe()를 사용하면 데이터를 통계적으로 빠르게 볼 수 있습니다.
Transposing your data:
Sorting by an axis:
*데이터는 기본적으로 오름차순으로 정렬되지만 ascending=False를 사용하면 내림차순으로 정렬됩니다.
Sorting by values:
*데이터가 B column을 중심으로 정렬된 것을 확인할 수 있습니다.
Getting
Selecting a single column
df.A도 같은 결과가 나오는 것을 확인할 수 있습니다.
Selection by label
For getting a cross section using a label
Selecting on a multi-axis by label
df.loc[[행],[열]]
Showing label slicing, both endpoints are included:
Reduction in the dimensions of the returned object:
For getting a scalar value:
For getting fast access to a scalar (equivalent to the prior method):
Selecting by position
*iloc는 integer position을 통해 값을 찾는다면 loc는 label을 통해서 값을 찾는다.
Select via the position of the passed integers:
By integer slices, acting similar to NumPy/Python:
By lists of integer position locations, similar to the NumPy/Python style:
For slicing rows explicitly:
For slicing columns explicitly:
For getting a value explicitly:
For getting fast access to a scalar (equivalent to the prior method):
