판다스(pandas)_2

1.DataFrame 데이터 조작 (데이터를 추가, 수정, 삭제)
2. 조건부 필터링 ⭐⭐⭐⭐⭐
3.컬럼 수정
3-1. 여러 행 추가
3-2. 단일 값 수정
4. 데이터 삭제

1. DataFrame 데이터 조작 (데이터를 추가, 수정, 삭제)

컬럼 추가

• 기존 DataFrame에 새로운 속성(특징)을 추가하여 데이터의 표현 범위를 확장
• 주로 계산된 지표, 분류 결과, 분석용 파생 변수를 생성할 때 사용됩

기본 컬럼 생성 문법

• 단일 값 할당: df['새컬럼'] = 값
• 계산 결과 할당: df['새컬럼'] = df['기존컬럼1'] + df['기존컬럼2']
• 조건부 할당: df.loc[조건, '새컬럼'] = 값

---

1-1. 복합 조건 (여러 조건 조합)

복합 조건 연산자

• & (AND): 모든 조건이 True일 때만 True
• | (OR): 하나 이상의 조건이 True이면 True
• ~ (NOT): 조건 결과를 반대로 변환
  
  
  
  

---

2. 조건부 필터링 ⭐⭐⭐⭐⭐

주의사항

• 각 조건을 괄호 ()로 묶어야 함
• 괄호 없이 쓰면 pandas가 의도와 다르게 해석함
• and, or 대신 &, | 사용
  
  
  
  
  
  

---

3.컬럼 수정

• 일괄 수정: 모든 행의 특정 컬럼을 동일한 값으로 변경하는 방법
• ⭐️조건부 수정 : 특정 조건을 만족하는 행의 컬럼값을 선별적으로 수정하는 방법 -> df.loc[조건, 컬럼] = 값 (조건은 Boolean mask, 값은 스칼라, 리스트, Series 모두 가능)
• 행 추가: df.loc[] 을 통해 추가 --> 인덱스 번호로 추가, 특정 인덱스명으로 추가
  
  
  
  

3-1. 여러 행 추가

• 여러 명의 환자 정보를 동시에 추가할 때는 concat() 함수를 사용

• axis=0 (기본값): 행 방향 연결
• axis=1: 열 방향 연결

ignore_index 옵션

• ignore_index 옵션은 DataFrame을 연결할 때 인덱스 처리 방식을 결정하는 파라미터
• 데이터를 추가할 때 인덱스 중복 문제를 해결하고 깔끔한 연속 인덱스를 생성하기 위해 사용

• ignore_index=False (기본값): 추가되는 데이터의 기존 인덱스를 유지하여 인덱스 중복 발생 가능
• ignore_index=True (권장): 추가되는 데이터의 기존 인덱스를 무시하고 새로운 연속 인덱스(0,1,2...) 생성
  
  

3-2. 단일 값 수정

• 기존 DataFrame에서 특정 행의 값(스칼라)을 새로운 정보로 수정하는 방법
• 데이터 오류 수정, 상태 변화 반영, 조건에 따른 결과 업데이트가 필요할 때 사용
  

---

4. 데이터 삭제

• drop() 메서드

drop() 메서드: 불필요한 행 또는 컬럼을 제거할 때 사용

inplace 옵션

원본 DataFrame을 직접 수정할지 여부를 결정

• inplace=False (기본값): 새로운 DataFrame 반환, 원본 유지
• inplace=True: 원본 DataFrame 직접 수정하고 None 반환

axis 옵션

데이터 삭제 방향을 지정하는 옵션으로, DataFrame의 행과 열 중 어느 방향으로 삭제할지를 결정

• axis=0 (기본값): 행(인덱스) 삭제
• axis=1: 열(컬럼) 삭제

4-1. 칼럼삭제

4-2. 행삭제

• drop()은 👉 “어떤 행을 지울지”를 인덱스 번호로 받음