엑셀에서 사용하는 피벗테이블과 유사하다. 피벗테이블은 (행 인덱스, 열 인덱스, 데이터 값, 데이터 집계함수) 로 이루어진다. ### 피벗 테이블 ### 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 ### 피벗 테이블 ### # pivot_table() 함수 사용 # pdf1 = pd.pivot_table(df, # 피벗할 데이터프레임 index = 'class', # 행 인덱스 columns = 'sex', # 열 인덱스 values = 'age', # 데이터로 사용될 열 aggfunc = ['mean', 'sum']) # 데이터 집계 함수 print(pdf1) ''' mean sum sex female male female male class First ..

복잡한 데이터를 기준에 따라 그룹화해서 연산하는 것은 좋은 방법이다. 특정 기준을 적용해서 그룹으로 분할해서 처리하는 것을 그룹 연산이라고 부른다. 1 2 3 4 ### 그룹 연산 ### # 1단계. 분할 : 데이터를 특정 조건에 따라 분할 # 2단계. 적용 : 데이터를 필터링, 집계하는데 필요한 메소드 적용 # 3단계. 결합 : 데이터 처리 결과를 하나로 결합 cs ## 그룹 객체 만들기 ## 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 6..

데이터프레임의 데이터 중에서 특정한 조건을 만족하는 원소만 따로 추출하는 것 ## 불린 인덱싱 ## 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 ### 필터링 ### ## 불린 인덱싱 ## # 각 원소에 대해 참, 거짓을 판별해서 불린 값으로 # 구성된 시리즈를 반환함, 이때 참인 데이터만 따로 선택 # 조건식(, == 등) 사용 # titanic = sns.load_dataset('titanic') mask1 = (titanic.age >=10) & (titanic.age

시리즈, 데이터 프레임의 값, 열, 행, 데이터프레임 전체에 함수를 일대일로 대응시켜서 연산을 수행할 수 있다. 1 2 3 4 5 ### 함수 매핑 ### # 데이터 프레임의 원소에 특정 함수를 일대일로 대응시킨다. # 판다스 기본 함수로 처리하기 힘든 연산을 # 데이터프레임에 적용하는 것이 가능하다. # apply() 메소드 사용 # cs ## 원소에 함수 매핑 ## # 시리즈 원소에 함수 매핑 # 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 6..

시계열 데이터 - 시간에 관련된, 시간을 표시할 수 있는 데이터 판다스에서 시계열 데이터 표현에 자주 이용되는 두 가지 유형이다. 1. 두 시점 사이의 기간을 나타내는 Period 2. 특정한 시점을 기록하는 Timestamp ### 시계열 객체로 변환 ### 1 2 3 # 많은 날짜, 시간 데이터는 별도의 시간 자료형으로 기록된 것이 # 아니라 문자열 또는 숫자형으로 기록된 경우가 많다. # 따라서 이러한 데이터를 시계열 객체로 변환해 주어야 한다. cs ## 문자열을 Timestamp로 변환 ## 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 4..