조금씩 꾸준히 완성을 향해

Index를 활용하는 다양한 함수들 (설정, 재설정, 초기화) ▶ set_index() : 특정 열을 행 인덱스로 설정 #데이터 확인 df # '이름' 열을 index로 지정 ndf = df.set_index('이름') ndf # '수학'과 '체육'열을 인덱스로 지정 ndf3 = df.set_index(['수학','체육']) ndf3 ▶ reindex() : 데이터 프레임의 행 인덱스를 새로운 배열로 재지정 (새로운 객체 반환) # 데이터 확인 dic # index 지정해서 데이터프레임 생성 df = pd.DataFrame(dic, index=['r0', 'r1', 'r2']) df # index를 새로운 배열로 변경 # 요소들이 존재하지 않을 경우 자동적으로 NaN으로 처리 ndf = df.reinde..

행/열 삭제 drop() 축 옵션으로 axis=0을 입력하면 행 삭제 (default 설정이라 생략가능) 축옵션 axis=1을 입력하면 열을 삭제 동시에 여러 개의 행 또는 열을 삭제하려면, 리스트 형태로 입력 원본을 변경하지 않고 새로운 객체를 반환하기 때문에 원본 객체를 변경하려면 inplace=True 옵션 사용 행 삭제 # 인덱스가 '우현'인 행 삭제 df2 = df.copy() # df2에 원본 데이터 복사 df2.drop('우현', inplace=True) # df2 직접변경 df2 # 인덱스가 '우현', '인아'인 행 삭제 df3 = df.drop(['우현', '인아'], axis = 0) #원본에서 수정된 데이터를 바로 df3으로 받기 df3 열 삭제 # '수학' 열 삭제 df4 = df...

DataFrame 객체 데이터 테이블 전체를 지칭하는 객체 넘파이 배열의 특성을 그대로 가짐 indexing : 열과 행 각각 사용하여 하나의 데이터에 접근 데이터프레임 생성 딕셔너리 타입 데이터에서 Key는 열이름, Value는 시퀀스형 데이터 타입을 넣어 각 열의 데이터로 만듦 # dictionary > DataFrame datas = {'나이': [15, 17], '성별': ['남', '여'], '학교': ['덕영중', '수리고']} pd.DataFrame(datas, index=['준서', '예은']) 리스트 타입 데이터에서 행과 열을 별도로 지정해서 데이터 프레임 생성 # List > DataFrame datas = [[15, '남', '덕영중'], [17, '여', '수리고']] pd.Data..