python 함수 소소한 메모

변수명 재설정 : rename

df1 = df1.rename(columns={'old_name':'new_name'})
df1

원하는 columns만 추출

col_name = ['A', 'B','C']
df1[col_name]

apply 와 applymap
->lambda적용시 apply는 Series를 적용

합치기 concat, df의 'A', 'B' column을 df_origin의 'Res'와 합치기

df_result = pd.concat([df[['A','B']], df_origin['Res']], axis=1)
df_result

'A' 값이 1인  'Res'의 평균, 'B'값이 1인 'Res'의 평균

mean_A = df_result.loc[df_result['A']==1,'Res'].mean()
mean_B = df_result.loc[df_result['B']==1,'Res'].mean()

두 값의 절대값의 차, 반올림 2

round(abs(mean_4K-mean_8K),2)

**각 원소별  unique()추출

df.apply(lambda x:x.unique())

loc에 대해서 : https://m.blog.naver.com/wideeyed/221964700554

[Pandas] loc[ ] 로 행, 열 조회하기

아래와 같이 True/False가 섞이 열 구조를 사용하여,

아래 코드와 같이 특정 True/False 값만 추수리기 가능

df1.loc[~to_be_deleted_no_internet,:]
#or df1.loc[to_be_deleted_no_internet,:]

**Replace기능, 오히려 값 대체는 replace 사용이 제일 쉬움

apply(lambda x: x.replace({'Yes': 1, 'No': 0}))

column 지우기

drop(columns='Name')

**상관계수 함수(corr)

df.corr()

#df.corr(method='pearson')
#df.corr(method='kendall')
#df.corr(method='spearman')

중복제거하기 : drop_duplicates()
=> 중복된 행이 제거된다.

col = ['user', 'gender', 'age_group', 'job', 'city', 'marital']
df_user = df[col].drop_duplicates()

합치기 merge & concat

merge는 how, left_index or left_on 정도 외워두기.

df_merge = df_user.merge(df_dum, how='left', left_index=True, right_index=True)

df_user = df_user.merge(df_sum, how='left',left_on='user', right_index=True)

pd.concat <<< pd, pandas의 concat이다!! axis=1이 옆으로 붙인다는 것, []로 묶어주기

X = pd.concat([df_screen_rem, df_dum], axis=1)