일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
- pandas
- 머신러닝
- solvesql
- 다중 JOIN
- TRUNCATE
- 전처리
- 프로그래머스
- 데이터리안 웨비나
- having
- 파이썬
- airflow.cfg
- 그로스해킹
- Round
- PostgreSQL
- matplotlib
- SQL
- seaborn
- Limit
- not in
- SUM
- Oracle
- airflow 설치
- join
- 데이터시각화
- hackerrank
- GROUPBY
- MySQL
- SQLite
- 결측값
- 데이터분석
- Today
- Total
목록pandas (3)
Milky's note
쉬운 데이터 분석 문제이다. 아직 시각화는 나오지 않고 단순히 데이터만 전처리하는 과정이지만, 하나씩 해보면서 끈기랑 통찰력을 길러야겠다. 코랩에서 풀었고, 깃에 소스도 올려놓았는데 블로그에도 정리할 겸 올리게 되었다. 추후에 시각화도 추가할 예정이다. 1. 라이브러리 로드 import pandas as pd 2. 데이터 프레임 로드 (https://bit.ly/ds-house-price) df = pd.read_csv('https://bit.ly/ds-house-price') df 지역명규모구분연도월분양가격(㎡)01234...45004501450245034504 서울 전체 2015 10 5841 서울 전용면적 60㎡이하 2015 10 5652 서울 전용면적 60㎡초과 85㎡이하 2015 10 5882 ..
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..