Pandas Basics 2 DataFrame

import pandas as pd
import numpy as np

names = ['United States', 'Australia', 'Japan', 'India', 'Russia', 'Morocco', 'Egypt', 'Korea', 'China', 'England']
dr =  [True, False, False, False, True, True, True, True, True, True]
cpc = [809, 731, 588, 18, 200, 70, 45, 122, 397, 255]
my_dict = {
    'country':names,
    'drives_right':dr,
    'cars_per_cap':cpc
}

cars = pd.DataFrame(my_dict)
cars

# 1개 컬럼 선택, series 로 추출됨

cars['country']

# 1개 컬럼 선택, DataFrame 으로 추출됨

cars[['country']]

# row index 로 잘라내기

cars[1:5]

cars.loc[:, ['country', 'drives_right']]

cars.loc[2:5, ['country', 'drives_right']]

cars.iloc[3]

cars.iloc[[1,2,4], [1,2]]

cars.iloc[2:5, :]

cars[cars.drives_right == True]

cars[cars.cars_per_cap > 500]

cars[cars['country'].isin(['Korea','England'])]   # 문자열 컬럼일 경우 문자열 비교 가능

svalue = pd.Series([1,2,3,np.nan,6,8,9,7,4,5])

cars['level'] = svalue   # dataframe 에 Series 값으로 컬럼 추가
cars

cars.at[0, 'country']      # at : 인덱스 번호와 컬럼명으로 데이터 선택

cars.at[2, 'level'] = 30   # 인덱스 번호와 컬럼명에 해당하는 데이터 값 변경

cars.iloc[[2]]

cars.iat[5,0] = 77      # iat : 인덱스 번호와 컬럼 순서번호

cars.iloc[[5]]

cars[pd.isnull(cars.level)]

cars.dropna(how='any')   # 한 컬럼이라도 null 값 존재하는 row 삭제.

cars = cars.fillna(value=cars.level.mean())   # null 값을 다른 값으로 변경
cars

pieces = [cars[7:], cars[3:7], cars[:3]]

pd.concat(pieces)   ## 데이터를 쪼갠 순서대로 합친다.

left = pd.DataFrame({'key': ['Kate', 'Susan'], 'leftval': [1, 2]})
right = pd.DataFrame({'key': ['Kate', 'Susan'], 'rightval': [4, 5]})
pd.merge(left, right, on='key')

left = pd.DataFrame({'key': ['Kate', 'Kate'], 'leftval': [1, 2]})
right = pd.DataFrame({'key': ['Kate', 'Kate'], 'rightval': [4, 5]})
df = pd.merge(left, right, on='key')   # key 값이 동일한 경우 row 가 늘어난다.
df

s = pd.DataFrame({'key':['Jessica'], 'leftval':[9], 'rightval':[7]})
df.append(s, ignore_index=True)

df = pd.DataFrame({'col1' : ['A', 'B', 'A', 'B', 'A', 'B', 'A', 'A'],
                   'col2' : ['one', 'one', 'two', 'three','two', 'two', 'one', 'three'],
                   'col3' : np.random.randn(8).round(2)*100,
                   'col4' : np.random.randn(8).round(3)*10})

df

df.groupby('col1').sum()

df.groupby(['col1','col2']).sum()

# pivot table

pd.pivot_table(df, values='col3', index=['col1'], columns=['col2'])