CS STUDY

import pandas as pd info함수로 각 변수의 데이터 타입 확인 타입 변경은 astype함수를 사용 숫자형(Numerical Type) 데이터 연속성을 띄는 숫자로 이루어진 데이터 예) Age, Fare 등 범주형(Categorical Type) 데이터 연속적이지 않은 값(대부분의 경우 숫자를 제외한 나머지 값)을 갖는 데이터를 의미 예) Name, Sex, Ticket, Cabin, Embarked 어떤 경우, 숫자형 타입이라 할지라도 개념적으로 범주형으로 처리해야할 경우가 있음 예) Pclass 숫자 데이터와 범주형 데이터화 Age 변수 변환하기 변환 로직을 함수로 만든 후, apply함수로 적용

import pandas as pd NaN 값 확인 info함수를 통하여 개수 확인 isna함수를 통해 boolean 타입으로 확인 NaN 처리 방법 데이터에서 삭제 dropna 함수 다른 값으로 치환 fillna 함수 NaN 데이터 삭제하기 NaN 값 대체하기 평균으로 대체하기 생존자/사망자 별 평균으로 대체하기

import pandas as pd import matplotlib.pyplot as plt %matplotlib inline 변수(column) 사이의 상관계수(correlation) corr함수를 통해 상관계수 연산 (-1,1 사이의 결과) 연속성(숫자형) 데이터에 대해서만 연산 인과관계를 의미하진 않음

import pandas as pd 새 column 추가하기 [ ] 사용하여 추가하기 insert 함수 사용하여 원하는 위치에 추가하기 column 삭제하기 drop 함수 사용하여 삭제 리스트를 사용하여 멀티플 삭제 가능 원본 데이터는 지워지지 않음

import pandas as pd boolean selection 으로 row선택하기 numpy에서와 동일한 방식으로 해당 조건에 맞는 row만 선택 30대 이면서 1등석에 탄 사람 선택하기

column 선택하기 기본적으로 [ ]는 column을 추출 컬럼 인덱스일 경우 인덱스의 리스트는 사용 가능 리스트를 전달할 경우 결과는 Dataframe 하나의 컬럼명을 전달할 경우 결과는 Series import pandas as pd 하나의 컬럼 선택하기 복수의 컬럼 선택하기 dataframe slicing dataframe의 경우 기본적으로 [ ] 연산자가 column선택에 사용 하지만, slicing은 row레벨로 지원 row 선택하기 Series의 경우 [ ]로 row선택이 가능하나, DataFrame의 경우는 기본적으로 column을 선택하도록 설계 .loc, .iloc 함수로 row 선택 가능 loc-인덱스 자체를 사용 iloc- 0based index로 사용 이 두 함수는 ,를 사용하여 ..

csv 데이터로부터 Dataframe 생성 데이터 분석을 위해, dataframe을 생성하는 가장 일반적인 방법 데이터 소스로부터 추출된 csv(comma separated values) 파일로부터 생성 pandas.read_csv 함수 사용 import pandas as pd read_csv 함수 파라미터 sep- 각 데이터 값을 구별하기 위한 구분자(separator) 설정 header - header를 무시할 경우, None 설정 index_col - index로 사용할 column 설정 usecols - 실제로 dataframe에 로딩할 columns만 설정

DataFrame 생성하기 일반적으로 분석을 위한 데이터는 다른 소스(database, 외부 파일)을 통해 dataframe을 생성 여기서는 실습을 통해, dummy 데이터를 생성하는 방법을 다룰 예정 import pandas as pd dictionary로 부터 생성하기 dict의 key -> column Series로 부터 생성하기 각 Series의 인덱스 -> column

import panda as pd 인덱스(Index) index 속성 각 아이템을 특정할 수 있는 고유의 값을 저장 복잡한 데이터의 경우, 멀티 인덱스로 표현 가능 컬럼(column) columns 속성 각각의 특성(feature)을 나타냄 복잡한 데이터의 경우, 멀티 컬럼으로 표현 가능

DataFrame Series가 1차원이라면 DataFrame은 2차원으로 확대된 버전 Excel spreadsheet이라고 생각하면 이해하기 쉬움 2차원이기 때문에 인덱스가 row, column로 구성됨 row 는 각 개별 데이터를, column은 개별 속성을 의미 Data Analysis, Machine Learning에서 data변형을 위해 가장 많이 사용 import panda as pd head, tail 함수 dataframe 데이터 파악하기 shape 속성 (row, column) describe 함수 - 숫자형 데이터의 통계치 계산 info 함수 - 데이터 타입, 각 아이템의 개수 등 출력