Appia의 IT세상

실제 Pandas를 사용할 경우 많은 데이터 속에서 원하는 데이터를 선별하는 것이 매우 중요하다고 생각합니다. 그래서 이번에는 각 인덱스(Label)를 이용하여 각 값들을 선택하는 방법에 대해서 살펴보고자 합니다. DataFrame의 경우 이와 같이 특정 행, 열을 선택할 경우에 다음과 같은 함수들을 사용할 수 있게 지원하고 있습니다. 그중에서 인덱스(lable)를 이용하여 각 데이터를 선택하는 함수는 다음과 같습니다. loc() - 인덱스 이름(label) 기반으로 선택 그럼 예제를 통해서 각 기능 및 사용 방법에 대해서 살펴보도록 하겠습니다. 그럼 일단, 특정 열(row)만 출력하는 방법을 살펴보겠습니다. example) 특정 열(row)만 출력 import pandas as pd import num..

이번 포스팅은 collection 모듈에 대해서 조금 더 알아보도록 하겠습니다. 이 전에 counter()라는 함수를 알아봤었습니다. 이번에는 클래스와 매우 유사하지만, 조금 더 쉽게 빠르게 만들 수 있는 namedtuple이라는 부분에 대해서 살펴보도록 하겠습니다. 보틍 튜플의 경우, 인덱스를 통해서 접근이 가능합니다. 하지만, namedtuple의 경우 키 값을 통해서 접근이 가능합니다. 마치 class/딕셔너리와 유사하다고 봐야 합니다. namedtuple(typename, field_names, verbose = False, rename = False) namedtuple의 경우 이와 같은 형태를 가지고 있습니다. 그럼 이를 바탕으로 생성하는 부분을 한번 살펴보도록 하겠습니다. example) i..

Pandas에서는 아시다시피 DataFrame을 매우 중요한 역할입니다. 하지만, 사용자가 원하는 데이터 값을 얻고자 한다면 반드시 정렬하는 등의 값이 필요로 합니다. 이 부분에 대해서는 크게 2가지 형태로 정렬할 수 있습니다. 크게 Column, Row의 인덱스(Label)을 바탕으로 정렬할 수 있습니다. 또한 값을 바탕으로 정렬할 수 있습니다. 그 방법에 대해서 살펴보겠습니다. 그럼 다음 예시에 보이는 데이터 값을 바탕으로 정렬를 진행해보고자 합니다. example) import pandas as pd udf=pd.DataFrame([[11,21],[14,24],[12,22],[13,23],[10,20],[15,25]], index=[1,4,2,6,3,0], columns=['N2','N1']) pr..

이번 포스팅은 파이썬[Python] Pandas의 데이터 컨테이너인 Series, DataFrame을 루프 돌리는 것에 대해서 한번 살펴보고자 합니다. 실제 많은 기본적인 반복문에 대해서 사용자들이 사용할 줄 알 것이라고 생각합니다. 하지만, 관련해서 혹시 알아보고자 하신다면, 다음 링크를 참조하시길 바랍니다. 파이썬[Python] 004 분기문(조건문), 반복문 파이썬[Python] 004 분기문(조건문), 반복문 분기문(조건문) 흔히들 갈림길 또는 조건에 의해서 하나를 선택해야 하는 경우가 생깁니다. 프로그래밍을 하다 특정 조건에서만 실행되는 명령이 있고, 경우에 따라서는 그 조건이 부합할 때, 부합하지 않을 때,.. appia.tistory.com 앞서서 Pandas에서 살펴보면서, Series/D..

이번 포스팅에서는 Pandas에서 자주 사용하는 Reindex에서 대해서 살펴보고자 합니다. Reindex는 가장 쉽게 Row/Column의 Label 값을 변경하는 데 가장 많이 사용됩니다. 하지만, 이 외에도 다른 DataFrame의 구조에 맞게 변경 시킨는 방법등에도 사용이 됩니다. 그래서 이 Reindex에 대해서 간단히 예제를 통해서 어떻게 사용되는 지 살펴보겠습니다. 먼저, Column과 Index의 구조를 바꾸는 방법으로 Reindex를 사용합니다. 그럼 먼저 다음 예시를 한번 살펴보겠습니다. example) import pandas as pd # Series 생성 ds = {'Name': pd.Series(['Choi', 'Lee', 'Lee', 'Choi','Kim']), 'Age': p..

이전 포스팅에서는 Pandas에 데이터 컨테이너인 DataFrame/Series를 대해 생성하고, 이에 대한 기본 메소드들에 대해서 살펴봤습니다. 이번 포스팅에서는 이러한 데이터 컨테이너와 함께 기술 통계에서 사용되는 메소드들에 대해서 살펴보고자 합니다. 그럼 기술 통계[descriptive statistics]란 무엇일까요? 기술 통계는 측정이나 수집한 테이터를 정리, 표현 요약, 해석등을 통해 자료의 특성을 설명하는 통계 기법을 말하고 있습니다. 그럼 간단히 기술적 통계에 사용되는 메소드에 대해서 다음 표에서 간단히 살펴보겠습니다. Method Description count() 각 컬럼의 개체수 sum() 값의 합계 mean() 값의 평균 값 리턴 median() 값의 중간 값 리턴 mode() 최..

앞서 포스팅에서는 Series의 기본 메소드에 대해서 소개를 해봤습니다. 1차원이다 보니, 실제로 Series를 많이 사용하지는 않습니다. 하지만, Pandas에서는 DataFrame은 반드시 필요로 합니다. 그래서 이번 포스팅에서는 앞서 포스팅과 유사하게 DataFrame의 기본 메소드와 관련된 부분에 대해서 소개를 해보고자 합니다. 혹시 DataFrame에 대해서 생성 및 개념에 대해서 놓치셨다면 다음 링크를 참조해주시길 바랍니다. 파이썬[Python] Pandas란, Pandas DataFrame 파이썬[Python] Pandas란, Pandas DataFrame 앞서 포스팅에서는 Pandas을 설치 하는 방법과 Anaconda를 설치하는 방법에 대해서 살펴봤습니다. 실제 Pandas에 대해서 이야..

이번 포스팅은 Pandas에서 사용되는 데이터 컨테이너를 사용하는 메소드에 대해서 간단히 살펴보고자 합니다. 저희는 앞서서 Series에 대해서 간단히 살펴봤습니다. 이번 포스팅에서는 Series관련해서만 포스팅하고, 이와 별개로 DataFrame 관련해서 추가로 포스팅 예정입니다. 혹 궁금하시거나 필요로 하시는 분들은 간단한 생성 및 개념에 대해서 다음 링크를 참조 부탁드립니다. 파이썬[Python] Pandas, Pandas Series생성 및 활용하기 불러오는 중입니다... 그럼 간단히 Series에서 사용될 수 있는 메소드에 대해서 간단히 표로 한번 살펴보겠습니다. 다음 명시된 메소드에 대해서에 간단히 기술해봤습니다. Method Description(Series) axes row label 리스..

세상에서 가장 싫어하는 일들을 나열하면 엄청 많지만, 그 중에 회사에서 하는 일 중 문서 및 단순 반복 클릭 작업들을 매우 싫어합니다. 특히 예전에 테스트를 구동하는 GUI를 제작한 적이 있는데 이 부분에 대해서 버튼으로 매번 눌러줘야 했던 기억이 갑자기 떠오르네요. 그래서 이럴 때, 오토핫키(AutolHotKet)등과 같은 매크로를 이용하곤 했습니다. 그리고 몇년 전 언론에서 매우 시끄럽게 만들었던, 드루킹사건등도 매크로 관련된 것입니다. 그래서 이번 포스팅은 Python에서 제공하는 부분을 바탕으로 매크로 프로그램을 만들 때 자주 사용되는 모듈에 대해서 설명을 드리고자 합니다. 그런 후에, 다른 포스팅을 통해서 간단한 매크로 프로그램을 만들어 보고자 합니다. PyAutoGui 설치 그럼 예전에도 많이..

이번 포스팅은 경우의 수에 관련된 부분에 대해서 이야기를 드리고자 합니다. 수학 및 다양한 분야에서 경우의 수를 구하고, 이에 대해서 활용하고 있습니다. 저의 경우는 주로 테스트 케이스를 추출하기 위해서 이와 같은 경우의 수를 구하는 편입니다. 이와 같이 경우의 수를 추출하는 방법에 대해서 파이썬을 이용해서 이야기를 드리고자 합니다. 경우의 수를 구하는 방식에 따라, 각 맴버들의 리스트 맴버로 구해서 얻는 방법과, 각 맴버끼리 합쳐서 새로운 맴버를 구하는 2가지의 경우의 수를 구하는 방식에 대해서 접근 하고자 합니다. 각 맴버들의 리스트 맴버로 구해서 얻는 방법 - itertools 모듈을 활용한 방식 각 맴버끼리 결합하여 새로운 맴버를 구하는 방법 - 외부 모듈 없이 루프와 재귀를 활용한 경우의 수 구..