RL Researcher

1. DataFrame 생성(dictionary로 부터 생성) dict의 key -> column data = {'a' : 100, 'b' : 200, 'c' : 300} pd.DataFrame(data, index=['x', 'y', 'z']) data = {'a' : [1, 2, 3], 'b' : [4, 5, 6], 'c' : [10, 11, 12]} pd.DataFrame(data, index=[0, 1, 2]) 2. Series로 부터 생성 각 Series의 인덱스 -> column a = pd.Series([100, 200, 300], ['a', 'b', 'd']) b = pd.Series([101, 201, 301], ['a', 'b', 'k']) c = pd.Series([110, 210, ..

1. Index index 속성 각 아이템을 특정할 수 있는 고유의 값을 저장 복잡한 데이터의 경우, 멀티 인덱스로 표현 가능 train_data.index ======================================================================== RangeIndex(start=0, stop=891, step=1) 2. Columns columns 속성 각각의 특성(feature)을 나타냄 복잡한 데이터의 경우, 멀티 컬럼으로 표현 가능 train_data.columns ======================================================================== Index(['PassengerId', 'Survived', 'Pc..

1. DataFrame Series가 1차원이라면 DataFrame은 2차원으로 확대된 버젼 Excel spreadsheet이라고 생각하면 이해하기 쉬움 2차원이기 때문에 인덱스가 row, column로 구성됨 row는 각 개별 데이터를, column은 개별 속성을 의미 train_data = pd.read_csv('./train.csv') # 타이타닉 데이터를 통해 실습 2. head, tail 함수 데이터 전체가 아닌, 일부(처음부터, 혹은 마지막부터)를 간단히 보기 위한 함수 train_data.head(n=3) train_data.tail(n=6) 3. DataFrame 데이터 파악하기 shape 속성 (row, column) describe 함수 - 숫자형 데이터의 통계치 계산 info 함수 -..

1. Series 값 변경 추가 및 업데이트: 인덱스를 이용 삭제: drop함수 이용 s = pd.Series(np.arange(100, 105), ['a', 'b', 'c', 'd', 'e']) s ======================================================================== a 100 b 101 c 102 d 103 e 104 dtype: int64 s['a'] = 200 s ======================================================================== a 200 b 101 c 102 d 103 e 104 dtype: int64 s['k'] = 300 s ========================..