다시바람

데이터 row 값 추가 iphone_df.loc['iPhone XR'] = ['2018-01-25', 6.1, '3GB', 'ios 12.0.1', 'Yes'] print(iphone_df, end='\n\n') 데이터 column 추가 iphone_df['제조사'] = 'Apple' print(iphone_df, end='\n\n') 데이터 row 삭제 iphone_df.drop('iPhone XS', axis='index', inplace=False) # row 삭제 print(iphone_df, end='\n\n') - inplace=True인 경우 - inplace=False인 경우 -- 원본 데이터 안바뀜 데이터 column 삭제 iphone_df.drop('제조사', axis='columns'..

CSV 자료 불러오기 import pandas as pd iphone_df = pd.read_csv('./iphone.csv') print(iphone_df) print(type(iphone_df)) # 첫 번째줄을 헤더로 읽음 headers가 없는 데이터(자료가 헤더로 뜨는 경우) iphone_df = pd.read_csv('./data/iphone.csv', header=None) 한 열을 row 이름으로 설정 iphone_df = pd.read_csv('./data/iphone.csv', index_col=0)

DataFrame 표 형식의 데이터 2차원 형태의 데이터를 다루기 위한 자료형(대부분의 자료는 2차원 형태임) 행(Row/Index) : 레코드 , 열(Column) : 데이터 특징 Numpy와의 차이점 Pandas는 Numpy를 기반으로 만들어짐 Numpy + 행/열에 이름 붙이기 기능(문자열, 숫자 다가능 : 다양한 자료형) Pandas vs Numpy import pandas as pd import numpy as np two_dimensional_list = [['dongwook', 50, 85], ['sineui', 89, 31], ['iljoong', 68, 91], ['yoonseo', 88, 75]] print(np.array([two_dimensional_list])) df = pd.Da..

R은 기존에 DataScience 분야에서 많이 써온 툴이었음. R은 데이터 분석의 도구가 잘 갖춰져 있었음 (데이터 보관/정리/분석) 이를 파이썬이 Pandas 라이브러리로 복제함 기존 파이썬은 다양한 분야에서 써오던 툴로써, 데이터를 다루는 것 까지 용이 → 인기 많아짐 Pandas 기능 외부데이터를 읽고 쓰기 정리된 데이터를 새로운 파일에 저장 데이터 시각화 표 형식의 데이터를 다루기 용이