構造化データ分析/データ可視化

df = pd.read_excel('파일명.xlsx', encoding='utf-8-sig')

df.set_index('열 이름')

df.head() # 전체 중 일부를 확인 head() <-> tail(), default=5
df.describe() # DataFrame의 기술통계량(평균, 표준편차, 분위 ...)
df.info() # DataFrame의 열 정보 (Dtype, Null Count ...)

df.loc[3] # Series로 반환 (3 = index)
df.loc[3:6, 'col1':'col_N'] # 3~6행의 col1 ~ col_N까지 반환(슬라이싱이지만 뒤까지 포함)
df['col'] # col 데이터 반환 ( Series 형태 )
df['col'].str.contains('data') # col 열에 data를 포함하는 열은 True 아니면 False 반환, data에 들어갈 수 있는 DataType str뿐이지만 '|'를 사용해 여러 조건을 한번에 찾아낼 수 있음(data = data1|data2|data3|...)
df['col'].str.endswith('data') # col 열에 끝이 data를 포함하면 True 아니면 False 반환 <=> startswith
df['col'].str.upper() # col 열에 str 데이터를 모두 대문자로 변환 <=> lower()

df['new_col'] = df['col'].apply(lambda x : x + 1) # col열 data에 함수를 적용한 값을 새로 생성된 new_col행에 추가해준다.(apply + 함수가 for문에 비해 빠르다.)
pivot_df = pd.pivot_table(df, index='col1', aggfunc=np.sum) # df 데이터를 col1 기준으로 모두 더해준 피벗테이블을 반환(엑셀의 피벗테이블과 같다, aggfunc = aggregation function(집계 함수))
del df['col'] # col 열 삭제
df.drop(['row']) # DF에서 row(행) 삭제
df.drop(['col'], axis=1) # DF에서 col(열) 삭제 (axis는 축 방향으로 1이면 열, 0이면 행 삭제(default=0))
list(df.columns) # DF의 Column명을 뽑아 list로 형변환 (df.index는 인덱스)
df.rename(columns ={'col1':'열1', 'col2':'열2'}, inplace=True) #col1, col2 열의 이름을 열1, 열2로 변경(inplace는 원본 덮어쓰기 여부(default=False))
df.sort_values(by='col1', ascending=False, inplace=True) # col1 안의 Data를 기준 정렬, ascending 오름차순 여부 (<=>sort_index(인덱스명 기준 정렬))
new_df = df # 변수만 다르고 같은 메모리를 가르키기 때문에 원본에 영향을 주게 되는 복사 형태
new_df = df.copy(deep=True) # default deep=True, 다른 메모리를 가지기 때문에 원본에 영향을 주지 않는 복사