티스토리 뷰
반응형
In [4]:
# data from:
import pandas as pd
ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
'Rank': [1, 2, 2, 3, 3,4 ,1 ,1,2 , 4,1,2],
'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
'Points':[876,789,863,673,741,812,756,788,694,701,804,690]}
df = pd.DataFrame(ipl_data)
df
Out[4]:
In [6]:
df.groupby("Team")["Points"].sum()
Out[6]:
In [37]:
df.groupby("Team", as_index=False )["Points"].sum()
#as_index 옵션을 통해 아래와 같이 할 수도 있음
Out[37]:
In [9]:
h_index = df.groupby(["Team", "Year"])["Points"].sum()
h_index
Out[9]:
In [10]:
h_index.unstack()
Out[10]:
In [13]:
h_index.swaplevel()
Out[13]:
In [15]:
h_index.swaplevel().sort_index(level=0)
Out[15]:
In [ ]:
Index 레벨을 기준으로 기본 연산 수행 가능
In [16]:
h_index.sum(level=0)
Out[16]:
In [17]:
h_index.sum(level=1)
Out[17]:
In [18]:
grouped = df.groupby("Team")
In [19]:
for name, group in grouped:
print(name)
print(group)
In [22]:
grouped.get_group("Devils")
Out[22]:
In [24]:
grouped.agg(sum)
Out[24]:
In [28]:
import numpy as np
grouped.agg(np.mean)
Out[28]:
In [30]:
grouped["Points"].agg([np.sum, np.mean, np.std])
Out[30]:
In [41]:
df.groupby(["Team"]).agg({"Points":sum, "Rank":min, "Year":"count"})
Out[41]:
In [42]:
df.groupby(["Team"]).agg({"Points": [min, max, sum],
"Rank":"count",
"Year":["first", "unique"]})
Out[42]:
In [34]:
grouped.transform(np.mean) # 위의 agg 와 결과 차이를 살펴보자
Out[34]:
In [36]:
df.groupby("Team").filter(lambda x: len(x)>=3 )
Out[36]:
In [48]:
import dateutil
df_phone = pd.read_csv("phone_data.csv")
df_phone['date'] = df_phone['date'].apply(dateutil.parser.parse, dayfirst=True)
df_phone.head()
Out[48]:
In [49]:
df_phone.pivot_table(["duration"],
index = [df_phone.month, df_phone.item],
columns = df_phone.network, aggfunc="sum", fill_value=0)
Out[49]:
In [51]:
df_movie = pd.read_csv("movie_rating.csv")
df_movie.head()
Out[51]:
In [55]:
pd.crosstab(index = df_movie.critic,
columns = df_movie.title,
values = df_movie.rating, aggfunc="first").fillna(0)
Out[55]:
In [57]:
df_movie.pivot_table(["rating"],
index = df_movie.critic,
columns = df_movie.title,
aggfunc = "sum", fill_value = 0)
Out[57]:
In [ ]:
pd.merge(df_a, df_b, on='subject_id')
In [ ]:
pd.merge(df_a, df_b, left_on='subject_id', right_on='subject_id2')
In [ ]:
pd.merge(df_a, df_b, on='subject_id', how='left')
In [ ]:
pd.merge(df_a, df_b, on='subject_id', how='right')
In [ ]:
pd.merge(df_a, df_b, on='subject_id', how='outer')
In [ ]:
pd.merge(df_a, df_b, on='subject_id', how='inner')
In [ ]:
pd.merge(df_a, df_b, right_index = True, left_index = True)
In [ ]:
df_new = pd.concat([df_a, df_b])
df_nex.reset_index()
In [ ]:
df_a.append(df_b)
In [ ]:
df_new = pd.concat([df_a, df_b], axis=1)
df_nex.reset_index()
In [62]:
import sqlite3
conn = sqlite3.connect("./data/flights.db")
cur = conn.cursor()
cur.execute("select * from airlines limit 5;")
results = cur.fetchall()
In [68]:
df_airlines = pd.read_sql_query("select * from airlines;", conn)
In [71]:
writer = pd.ExcelWriter("./data/df_airlines.xlsx", engine = 'xlsxwriter')
df_airlines.to_excel(writer, sheet_name='Sheet1')
In [72]:
df_airlines.to_pickle("./data/df_airlines.pickle")
In [73]:
df_airlines_pickle = pd.read_pickle("./data/df_airlines.pickle")
df_airlines_pickle.head()
Out[73]:
반응형
'머신러닝' 카테고리의 다른 글
| [데이터전처리_2] missing value 처리 (0) | 2018.10.17 |
|---|---|
| [데이터전처리_1] Feature Scaling (0) | 2018.10.16 |
| Pandas 너 뭐니?_첫번째 (0) | 2018.06.10 |
| numpy 를 이해해보자 (2) | 2018.06.01 |
| 머신러닝 분류 (0) | 2018.05.16 |
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 블록해쉬구현
- 리치고
- 내 연금조회
- 환매시점
- 원계열
- 경제는 어떻게 움직이는가
- 리치고 주식
- 계정조정계열
- 경제주체별 M2
- 위경도변환
- 프로그래스바 표시
- ChatGPT
- dash
- 김성일 작가님
- Dash 와 html 차이
- 말잔
- 마연굴
- 연금저축
- 객사오
- 주소를 위경도 변환
- Forgiving
- 연금등록
- 환율데이터
- 환율이평선
- M1M2비율
- M1/M2
- pandas apply
- 통화량 데이타
- 블록해쉬
- Dash.html
| 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 |
글 보관함