2024-05-22

TIL

2024-05-22

여연찌 2024. 5. 22. 21:45

Today

1. 프로젝트 ppt 작성

2. python basic 수강

Today I Learned

Python Basic

Merge

컬럼 기준으로 병합( join 과 유사 )

pd.merge(df2,df3)

주요옵션(파라미터)

on: 공통 컬럼, [] 리스트 형태로 만들어주면 여러개도 사용 가능

how: 어떤 방식으로 조인(inner, outer,left,right)

> 현업에서는 inner, left 사용

left on / right on: 열의 공통컬럼이 이름이 다를 때 사용

# 기준열 이름이 다를 때
merge_df = pd.merge(df2,df3, how='inner', left_on = 'Customer ID', right_on = 'user id')

join

축(인덱스) 기준으로 병합

df.join(df2)

주요옵션

how

lsuffix = '1', rsuffix = '2': 컬럼이름이 같을 경우 오류, 옵션으로 설정하여 조인 가능

concat

특정 축을 따라 연결( union 과 유사 )

# 기본 작성구문
pd.concat([df2, df3])

주요옵션

axis=0 수직결합(기본값) / axis=1 수평결합

join: 어떤 조인 방식 (inner, outer, left, right)

# 세로로 결합
pd.concat([df2, df3], axis=0, ignore_index=True, join='inner')

append

수직(행) 기준으로 결합

df.append(df2)

피봇테이블

데이터의 열을 기준으로 피벗테이블을 변환

# age 라는 축을 기준으로 카테고리별 고객id 카운트 
pd.pivot_table(df2, index='Age', columns='Category', values='Customer ID', aggfunc='count')

# age, Category 라는 축을 기준으로 성별 Previous Purchases 최소, 최대값 구하기 
pd.pivot_table(df2, index=['Age','Category'],columns='Gender', values='Previous Purchases', aggfunc=['min','max'])

index: 축으로 사용될 열

columns: 열로 사용될 열

values: 값으로 사용될 열

aggfunc: 계산

lambda

이름이 없는 함수

함수를 한번만 사용하거나 함수를 인자로 전달해야하는 경우 사용

# lambda 함수를 이용한 정렬
mylist = ['apple', 'banana', 'cherry']
mylist2 = sorted(mylist, key=lambda x: len(x))
print(mylist2)

응용

# '.' 구분자를 기준으로 데이터를 나누고 컬럼으로 받음 
# lambda 함수와 결합하여 사용하는 경우 
# 7번 반복, a 를 컬럼 구분자로 받아주고, format 함수를 통해 a0, a1, a2 ... 로 표기
# lambda 함수를 통해 '.' 로 구분. 단, len(x.split('.') 즉 7 보다 i 가 작을 때 수행
# 중요
for i in range(7):
    df2["a{}".format(i)] = df2['x'].apply(lambda x: x.split('.')[i] if len(x.split('.'))>i else None)

df2['x'].apply(lambda x

x 컬럼에 접근할 것이다.

rrule

dateutil 라이브러리에 속한 함수

날짜 데이터를 원하는 기준에 따라 output 으로 가져올 수 있다.

freq: 반복 주기( SECONDLY, MINUTELY, HOURLY, DAILY, WEEKLY, MONTHLY, YEARLY )

dtstart: 시작하는 날짜

until: 끝나는 날짜

date 를 원하는 형식대로 출력