마게더의 마케팅 이야기

8. 데이터 선택(iloc) 위치를 이용하여 원하는 row에서 원하는 col 선택 import pandas as pd df = pd.read_excel('score.xlsx', index_col='지원번호') df 이름학교키국어영어수학과학사회SW특기 지원번호 1번채치수북산고19790851009585Python 2번정대만북산고1844035505525Java 3번송태섭북산고1688075708075Javascript 4번서태웅북산고1874060707580NaN 5번강백호북산고1881520103510NaN 6번변덕규능남고20280100958580C 7번황태산능남고1885565454035PYTHON 8번윤대협능남고19010085909595C# # 0번째 위치의 데이터 df.iloc[0] # 0번째 위치의 데이터 ..

7. 데이터 선택(loc) 이름을 이용하여 원하는 row에서 원하는 col 선택 import pandas as pd df = pd.read_excel('score.xlsx', index_col='지원번호') df 이름학교키국어영어수학과학사회SW특기 지원번호 1번채치수북산고19790851009585Python 2번정대만북산고1844035505525Java 3번송태섭북산고1688075708075Javascript 4번서태웅북산고1874060707580NaN 5번강백호북산고1881520103510NaN 6번변덕규능남고20280100958580C 7번황태산능남고1885565454035PYTHON 8번윤대협능남고19010085909595C# df.loc['1번'] #index 1번 해당하는 전체 데이터를 가져옴 ..

6. 데이터 선택 (기본) import pandas as pd df = pd.read_excel('score.xlsx', index_col='지원번호') df 이름학교키국어영어수학과학사회SW특기 지원번호 1번채치수북산고19790851009585Python 2번정대만북산고1844035505525Java 3번송태섭북산고1688075708075Javascript 4번서태웅북산고1874060707580NaN 5번강백호북산고1881520103510NaN 6번변덕규능남고20280100958580C 7번황태산능남고1885565454035PYTHON 8번윤대협능남고19010085909595C# ## Columns 선택(label) df['이름'] 지원번호 1번 채치수 2번 정대만 3번 송태섭 4번 서태웅 5번 강백호 ..

5. 데이터 확인 import pandas as pd df = pd.read_excel('score.xlsx', index_col='지원번호') df 이름학교키국어영어수학과학사회SW특기 지원번호 1번채치수북산고19790851009585Python 2번정대만북산고1844035505525Java 3번송태섭북산고1688075708075Javascript 4번서태웅북산고1874060707580NaN 5번강백호북산고1881520103510NaN 6번변덕규능남고20280100958580C 7번황태산능남고1885565454035PYTHON 8번윤대협능남고19010085909595C# DataFrame 확인 df.describe() 키국어영어수학과학사회 count8.0000008.0000008.0000008.00000..

4. 파일 저장 및 열기 DataFrame 객체를 excel, csv, txt 등... 형태의 파일로 저장 및 열기 import pandas as pd data = { '이름' : ['채치수', '정대만', '송태섭', '서태웅', '강백호', '변덕규', '황태산', '윤대협'], '학교' : ['북산고', '북산고', '북산고', '북산고', '북산고', '능남고', '능남고', '능남고'], '키' : [197, 184, 168, 187, 188, 202, 188, 190], '국어' : [90, 40, 80, 40, 15, 80, 55, 100], '영어' : [85, 35, 75, 60, 20, 100, 65, 85], '수학' : [100, 50, 70, 70, 10, 95, 45, 90], ..

3. Index 데이터에 접근할 수 있는 주소 값 import pandas as pd data = { '이름' : ['채치수', '정대만', '송태섭', '서태웅', '강백호', '변덕규', '황태산', '윤대협'], '학교' : ['북산고', '북산고', '북산고', '북산고', '북산고', '능남고', '능남고', '능남고'], '키' : [197, 184, 168, 187, 188, 202, 188, 190], '국어' : [90, 40, 80, 40, 15, 80, 55, 100], '영어' : [85, 35, 75, 60, 20, 100, 65, 85], '수학' : [100, 50, 70, 70, 10, 95, 45, 90], '과학' : [95, 55, 80, 75, 35, 85, 40, 9..

2.DataFame 2차원 데이터 (Series들의 모음) Data 준비 사전 (dict) 자료구조를 통해 생성 ex) 슬램덩크 주요 인물 8명에 대한 데이터 data = { '이름' : ['채치수', '정대만', '송태섭', '서태웅', '강백호', '변덕규', '황태산', '윤대협'], '학교' : ['북산고', '북산고', '북산고', '북산고', '북산고', '능남고', '능남고', '능남고'], '키' : [197, 184, 168, 187, 188, 202, 188, 190], '국어' : [90, 40, 80, 40, 15, 80, 55, 100], '영어' : [85, 35, 75, 60, 20, 100, 65, 85], '수학' : [100, 50, 70, 70, 10, 95, 45, 9..

import pandas as pd 1. Series : 1차원 데이터 (정수, 실수, 문자열 등...) Series 객체 생성 예) 1월 ~ 4월 평균온도 데이터 (-20, -10, 10, 20) temp = pd.Series([-20, -10, 10, 20]) print(temp) 0 -20 1 -10 2 10 3 20 dtype: int64 리스트의 인덱스값 접근 temp[0] #1월 온도 -20 temp[3] #3월 온도 10 Series 객체 생성 (Index 지정) temp = pd.Series([-20, -10, 10, 20], index=['Jan','Feb','Mar','Apr']) temp Jan -20 Feb -10 Mar 10 Apr 20 dtype: int64 temp['Jan']..