[Python 정리] 데이터 가공
#. 색인 (.np.ix_, .iloc, .loc) *# 슬라이스 색인 (얕은 복사, 원본 갱신) - 1차원 : ar[n:m] # n~m-1 - 2차원 : arr[:2] # 행 우선 (n~1행) arr[:2, 1:] # (n~1행, 1~m열) # 다차원 색인 - arr[[1,5,3], [2,6,4]] # point 색인 (1,2), (5,6), (3,4) - arr[[1,5,3], [:,[2,6,4]] # 1,5,3행의 2,6,4열 # np.ix_() 함수 색인 - arr[np.ix_([1,5,3], [2,6,4])] # 1,5,3행의 2,6,4열 (np.ix_ 함수 : 위치 값으로 전달) # iloc[] 정수 색인 - df.iloc[0,:] # 0번째 행 - df.iloc[:,0] # 0번째 열 - d..
[R] 정규 표현식 - 정규 표현식을 사용한 데이터 추출
정규 표현식 정규 표현식은 방대한 데이터에서 원하는 정보만 추출하고 싶을 때 유용하게 사용됩니다. 파이썬에서도 동일하게 적용되니까 알아두면 두루두루 잘 사용할 수 있겠죠!? 문자열 관련 유용한 패키지 stringr도 참고하세요! [R] 문자열 관련 함수 - stringr 패키지, 정규식 1. grep() 함수 : 특정 패턴만 골라내기 grep(패턴, 문자열) stringr 패키지의 str_detect() 함수와 비슷하지만, 인자 부분이 다르죠? grep 함수는 탐색할 대상을 두 번째 인자에 넣어줍니다. > library(stringr) > v1 str_detect(v1, 'ab') [1] TRUE TRUE FALSE FALSE FALSE FALSE > v1[str_detect(v1, 'ab')] [1] ..