Milky's note

판다스 요약 정리 1. 결측값 # 라이브러리를 불러오기 import pandas as pd import numpy as np # 결측값 확인 df.isnull() # 컬럼별로 결측값 갯수 확인 df.isnull().sum() # null값이 하나라도 있으면 출력 df[df.isnull().any(axis=1)] # 결측값 삭제 (행) df.dropna() # 결측값 삭제 (열) df.dropna(axis=1) # 결측값 채우기(값) df.fillna('값') # 결측값 채우기(뒤의 값) df.fillna(method='bfill') # 결측값 채우기(앞의 값) df.fillna(method='ffill') # 결측값 채우기(평균) -> 숫자형 타입 컬럼만 가능 df.fillna(df.mean()) 2. ..

전처리 : 데이터 분석에 적합하게 데이터를 가공/변형/처리/정리 해주는 과정 1. 결측치 - 데이터 중에 빠져있는 값들을 어떻게 처리할 것인지? - pandas의 fillna()를 사용해도 되지만, 2개 이상의 컬럼에 대해서는 SimpleImputer 를 사용한다. from sklearn.impute import SimpleImputer #median 값을 이용해서 결측값 처리 impute = SimpleImputer(strategy='median') result = impute.fit_transform(train[['Age']]) fit_transform는 결측치에 학습한 내용을 적용하는 함수이다. train[['Age']] = result 2. 이상치 - 데이터의 이상치가 있을 때 어떻게 처리할 것인..

1. 결측값 처리 #결측값 채우기(fillna) df['키'].fillna(-1) df2['키'].fillna(-1, inplace=True) #값을 바로 대입 #결측값 삭제(dropna) df.dropna() df.dropna(axis=0) #axis를 사용하여 행 또는 열을 제거 df.dropna(axis=0, how='any') #한개라도 있는 경우 df.dropna(axis=0, how='all') #모두 NaN인 경우 #중복된 값 제거 (drop_duplicates) df['키'].drop_duplicates() df['키'].drop_duplicates(keep='last') #맨마지막 항목 유지 df['키'].drop_duplicates(keep='first') #맨처음 항목 유지 #행 전체..

1. pandas 의 Series 와 DataFrame 1.1 Series 1차원, 1개의 column은 Series라고 한다. mylist = [1, 2, 3, 4] pd.Series(mylist) #실행결과 0 1 1 2 2 3 3 4 dtype: int64 1.2 DataFrame 방법 1. list로 만들기 company1 = [['삼성', 2000, '스마트폰'], ['현대', 1000, '자동차'], ['네이버', 500, '포털']] df1.columns = ['기업명', '매출액', '업종'] #컬럼 이름 수정 df1=pd.DataFrame(company1) # 실행 결과 방법 2. dict로 만들기 company2 = {'기업명':['삼성', '현대', '네이버'], '매출액': [200..