<Python> 오늘 공부한 코드 정리

#head()
df.head()

 

#window
#sep = ';'
df=pd.read_csv('C:/Users/bank-additional-full.csv',
                 engine='python',sep=';')
                 
# 만약 , 로 구분되어 있다면
df = pd.read_csv('./data.csv', sep = ',', engine = 'python')

#오름차순 정렬
#age칼럼 
age=df['age'].sort_values()

#내림차순
age=df['age'].sort_values(ascending = False)

#drop(axis=1) - 삭제(열 기준)
age=age.drop('index',axis=1)

#계급간 빈도를 나타내주는 히스토그램
df['age'].plot.hist()
plt.show()

 

 

 

#히스토그램
#bins - 계급구간(10,20,30...100)
#figsize=[15,8]
#xticks(fontsize=15)
#yticks(fontsize=15)
#plt.title('Histogram of df.age',fontsize=20)

plt['age'].plot.hist(bins = range(1, 101, 10), figsize = [15,8])
plt.xticks(fontsize = 15)
plt.yticks(fontsize = 15)
plt.title('Histogram of df.age', fontsize=  20)
plt.show()

#시각화 예제2 : duration(전화통화시간) 선 그래프 시각화
(((df['duration'].sort_values()).reset_index()).drop('index',axis=1)).plot()
plt.show()
#1. 선그래프로 데이터의 패턴 분석
#2. 히스토그램으로 전화통화 시간별 빈도 분석

 

 

 

# 1. 가입여부에 따라 가입한 그룹과 가입하지 않은 그룹으로 나눈다.
#가입여부에 대한 칼럼 : 'y'
#unique()
df['y'].unique()
#groupby사용 - yes, no그룹으로 나뉘게 됨

# 1. 가입여부에 따라 가입한 그룹과 가입하지 않은 그룹으로 나눈다.
#groupby('y')
grouped=df.groupby('y')

# 1. 가입여부에 따라 가입한 그룹과 가입하지 않은 그룹으로 나눈다.
#get_group('yes') - y칼럼이 'yes'인 데이터프레임 추출 - 가입한 그룹만 추출
#get_group('no') - y칼럼이 'no'인 데이터프레임 추출 - 가입하지 않은 그룹만 추출
yes_group=grouped.get_group('yes')
no_group=grouped.get_group('no')

# 1. 가입여부에 따라 가입한 그룹과 가입하지 않은 그룹으로 나눈다.
#yes_group 출력
yes_group.head()

# 1-3. 가입여부에 따라 가입한 그룹과 가입하지 않은 그룹으로 나눈다.
#no_group 출력
no_group.head()

 

re.sub() 함수는 문자열에서 매치된 텍스트를 다른 텍스트로 치환할 때 사용한다. 
‘sub’는 치환을 뜻하는 ‘substitution’의 줄임말이다. 패턴이 여러 번 매치하면 매치한 텍스트를 모두 치환한다.

df['PD_NM'].apply(lambda x : re.sub('\[|\]','', x))

 

#pd.pivot_table('데이터프레임 변수',values=집계 대상 칼럼, index=행 인덱스가 될 칼럼명, columns=열 인덱스가 될 칼럼명, aggfunc=sum)
pd.pivot_table(df,values='age',index='y',columns='job',aggfunc='mean')

 

#멀티 인덱스(multi-index) - 행 인덱스
#['y','marital']
pd.pivot_table(df,'age',['y','marital'],'job',aggfunc='mean')

 

#yes행과 no행의 차 연산(loc인덱서 사용)
pivot.loc['yes']-pivot.loc['no']

 

#diff행 생성(yes행과 no행의 차)
pivot.loc['diff']=pivot.loc['yes']-pivot.loc['no']

 

# 첫 행 삭제
df=pd.read_excel('./data.xls',skiprows=[0])

# 하나의 행 제거 
df=pd.read_excel('/Users/junghs/네이버보고서.xls',skiprows=[1])

# 결측치 확인 - 열단위
df.isnull().sum()

# 결측치 확인 - 행단위
df.isnull().sum(axis=1)

 

 

# 클릭수 열에 round함수 적용
clk=round(df['클릭수'],0)

# 기존 칼럼데이터 대체
df['클릭수']=clk.astype(int)

df['클릭률(%)']=df['클릭수']/df['노출수']*100
# 반드시 맨 뒤에 *100을 하여서 100을 곱해준다

데이터 프레임을 Dict를 활용해서 간단하게 만드는 법
dict_data={"철수":[1,2,3,4],"영희":[2,3,4,5],"민수":[3,4,5,6],"수진":[4,5,6,7]}
data=DataFrame(dict_data)
#철수 칼럼(데이터프레임의 열 = 시리즈 자료구조) 출력
data['철수']

 

#1. 95백분위수 찾기
#quantile - 분위수 출력(default : 2사분위수(중앙값))
imp.quantile()

#median - 중앙값
imp.median()

#quantile(0) - 최소값
print(imp.quantile(0))
print(imp.min())

#quantile(1) - 최대값
print(imp.quantile(1))
print(imp.max())

#95백분위수 = quantile(0.95)
imp.quantile(0.95)

#2. 95백분위수 이상(상위 5%)의 노출수 추출
#series[condition]
imp=imp[imp>=imp.quantile(0.95)]


#데이터프레임의 인덱스를 키워드로 변경
#set_index('키워드')
df_index=df.set_index('키워드')

 

 

#count - 각 광고그룹 데이터의 개수
grouped.count()

#mean -각 광고그룹 데이터의 평균
grouped.mean()

#median - 그룹 데이터의 중앙값
grouped.median()

#std - 그룹 데이터의 표준편차
grouped.std()

#var - 그룹 데이터의 분산
grouped.var()