올라프의 삶

▶ 딕셔너리에 사용 ▶ key로 value 얻기(get(x) 함수는 x라는 Key에 대응되는 Value를 돌려준다.) ▶ a[0].get('age')

▶ numpy에 corrcoef 명령이 있다. ▶ 절대값이 0.1이면 무시 0.3이면 약한 상관관계 0.7이면 뚜렷한 상관관계 np.corrcoef(data_result['고령자비율'],data_result['소계'])

숫자로 된 인덱스를 특정 열로 바꾸기 data_result.set_index('구별', inplace=True)

pd.merge(left, right, on='key') 공통으로 있는 컬럼인 key를 기준으로 merge 명령에서 merge 기준을 설정하는 옵션으로 합치면 공통된 key에 대해서만 합치게 된다. pd.merge(left, right, how =' ' , on='key') how 옵션으로 한쪽 데이터를 설정. outer 옵션의 경우, 합집합처럼 merge된다. inner 옵션의 경우, 교집합처럼 merge된다.

→ 단순 합치기 → 특별히 concat 명령에 keys 옵션으로 구분할 수 있다. 이렇게 key 지정된 구분은 다중 index가 되어서 level을 형성한다. ----------------------------------------------------------------------------------------------------------------------------------- pd.concat([df1, df4], axis = 1, join = 'inner') 공통된 인덱스로 합치고 공통되지 않은 인덱스의 데이터는 버리도록 하는게 join = 'inner' 다 pd.concat([df1, df4], axis=1, join_axes=[df1.index]) df1의 인덱스에 맞추도록 한 것...

데이터의 누적합을 알고 싶을 때 df.apply(np.cumsum)

데이터프레임 복사하기 df1 = df.copy() cf) 그냥 = 기호를 이용해서 복사하면 실제 데이터의 내용이 복사되는 것이 아니라 데이터 위치만 복사되기 때문에 원본 데이터는 하나만 있게 된다.

pandas 날짜형의 데이터 date_range 기본 날짜를 지정하고 periods 옵션으로 6일간 지정 dates = pd.date_range('20130101', periods=6) DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', '2013-01-05', '2013-01-06'], dtype='datetime64[ns]', freq='D')

pop_Seoul = pd.read_excel('./01. population_in_seoul.xls', header = 2, usecols = "B, D, G, J, N")

맥과 윈도우의 한글 인코딩 방식 차이 때문입니다. 맥은 utf-8 방식을 쓰고 윈도우는 cp949 방식을 씁니다. 윈도우에서 엑셀로 파일을 열고 저장을 하면 cp949방식으로 저장을 하기 때문에 df = pd.read_csv('data/parks.csv', encoding='cp949') 이렇게 하면 한글이 깨지지 않고 출력됩니다.