pandas

Pandas

판다스는 파이썬에서 가장 널리 사용되는 데이터 분석 라이브러리로 Data Frame 과 Series 자료구조를 사용한다.

Series

One-dimensional ndarray with axis labels (including time series).

Ex) df[피처]

Attributes

Name	description
Series.index	The index (axis labels) of the Series

Methods

name	Description
Series.tolist()	Return a list of the values
Series.iteritems()	Lazily iterate over (index, value) tuples. Lazily 하게 iterate 한다는 것은 for 문 같은 반복문에서 Series 의 (idx, val) 튜플을 하나씩 꺼내쓰기 위함인 것 row 가 index 가 되는 Series 특성상 for idx, val in enumerate(): 에서는 row 쓸 수 없기 때문에 필요한 것 같다.
Series.unique()	Return unique values of Series object. type 은 넘파이배열이다.

DataFrame

Two-dimensional, size-mutable, potentially heterogeneous tabular data.

인덱스에 조건문을 넣어서 인덱스 할 수 있음 Ex) results = chipo_orderid_group[chipo_orderid_group.item_price >= 10]

Getting data in/out

csv

• Writing to a csv file

  df.to_csv('[name].csv')

• Reading frome a csv file

  # file_path = '../파일명'
  # sep
  # csv 는 ','(default) tsv 는 '\t' 
  df = pd.read_csv(file_path, sep)

Attributes

Ref) df[피처] == df.피처

DafaFrame 은 인덱싱 안에 조건문을 넣을 수 있다. Ex) df[df.피처 >= num] => df 중 조건문에 해당하는 row 만 취하는 df 를 반환

Name	description
df.shape	Return a tuple representing the dimensionality of the DataFrame. => (how many row, how many 피처)
df.index	return index (row labels) of the df RangeIndex(start = [num], stop = [num], step= [num])

Methods

Command	description
df.value_counts([subset, normalize, ...])	Return a Series containing counts of unique rows in the DataFrame. 같은 행이 몇개인지 갯수의 내림차순 Series 를 반환하며, 순서 숫자 뿐만 아니라, 해당 행의 이름으로 인덱싱할 수 있다. 인자로 피처를 써도 되고 df[피처] 로 인덱싱한 df 에 인자없는 매서드를 걸어도 된다.
df.info()	Print a concise summary of a DataFrame.
df.head([n])	Return the first n rows
df.groupby([by])	Group DataFrame using a mapper or by a Series of columns.
df.apply()	이건 뭐... apply 안에서 적용되는 함수가 더 중요한데 따로 써야하나 고민이네 데이터전처리를 위해 사용함
df.sort_values([by, ascending...])	Sort by the values along either axis.
Df.drop_duplicates()	Return DataFrame with duplicate rows removed.
df.fillna()c	결측치들을 인자 값으로 바꿔준다.
df.corr()	상관관계 함수 인자로 method 가 있고 'pearson' 을 많이 쓴다.

Property

Command	description
df.iloc[]	위치 정수를 기반으로 인덱싱한다 [] 는 열(column) 을 선택하지만, .loc, .iloc 은 행(row) 를 선택한다

DataFrame.groupby

df.groupby([by]) 함수에 의해 생성된 객체. 인자 별로 그룹화되어 있으며, 인자 별로 그룹된 것들의 어떤 피처를 어떤 연산한 결과를 value 로 가질 것인지

df.groupby('그룹화인자')[대상 피처].어떤연산함수()

Methods

name	description
Count()	그냥 갯수 셈 (중복에 상관없이 그냥 행이 몇개인지 세는 듯?)
Sum()	대상 피처의 val 들을 누적 합 함

Numpy

array 개념으로 변수를 사용한다. 넘파이 배열은 데이터 분석에서 쓰는 기본 자료구조. 벡터, 행렬 등의 연산을 쉽고 빠르게 하기 위해 만들어진 파이썬 라이브러리

Matplotlib

데이터를 그래프로 시각화해주는 라이브러리

matplotlib.pyplot

matplotlib.pyplot is a state-based interface to matplotlib

state-based 방식 (interface) 과 object-oriented 방식이 있는데 링크 에 차이점을 설명해주는데 아직 감이 잡히는 정도일 뿐, 완벽하게 이해는 안 됨

# 일단 현재 진행하는 범위에서 pyplot 외의 attribute 를 본 적이 없음
import matplotlib.pyplot as plt