[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..
데이터 그룹 연산을 위한 주요 함수 정리 1. apply 계열 적용 함수 1. apply(matrix, margin, function, ...) : '행/열별' 함수에 반복적 적용(연산)의 위해 사용 => 그룹함수 연산 - 2차원 구조 적용 가능, 벡터에 적용 불가 - 행별, 열별 연산을 위해 만들어짐 - 그룹함수의 적용과 함께 사용 가능 - 행/열별 "벡터"로 묶어서 함수에 전달하므로 함수는 하나의 인자를 가져야 함 > m1 apply(m1,1,sum) # 행별 sum[1] 12 15 18> apply(m1,2,sum) # 열별 sum[1] 6 15 24 2. lapply(list, function) : '원소별' 함수에 반복적 적용(연산)을 위해 사용 (리스트로 리턴) - 리스트와 데이터 프레임(ke..
교차 테이블로 데이터 구조 변경 1. stack()과 unstack() : 비교적 간단한 구조의 변경 stack() 함수와 unstack() 함수를 사용하여 데이터 구조를 변경해보았었습니다. [R] 데이터 구조 변경 - stack, unstack > m1 d1 d2 head(m1) year mon latte americano mocha1 2000 1 400 482 2982 2000 2 401 483 2993 2000 3 402 484 300...> head(d1) year name info value1 2000 latte qty 1002 2000 mocha qty 803 2000 latte price 2200...> head(d2) year name qty price1 2000 latte 100 1200..
데이터 구조 변경 stack(), unstack() 함수로 데이터의 구조를 변경할 수 있습니다. 1. stack() 함수 stack(data) : 데이터를 그룹별로 쌓기 stack() 함수를 사용하면 그룹별 연산 수행 용이하고, Join, Group by 연산, 데이터 해석을 위해 사용곤 합니다.함수를 실행하면, 각 변수는 하나의 컬럼이 됩니다. > df_t df_t m f1 90 942 89 873 84 87> df_s df_s values ind # 퍼져있는 데이터들을 동일할 컬럼으로 쌓아줍니다. 값들은 values 대로, 키 값은 ind 대로 구분1 90 m2 89 m3 84 m4 94 f5 87 f6 87 f> library(doBy)> summaryBy(values ~ ind, df_s) # 그..