iloc 메소드는 위치에 따른 선택을 위한 정수 위치 기반 인덱싱입니다. iloc을 사용하여 DataFrame에 목록을 추가합니다. 먼저 DataFrame을 생성해 보겠습니다. 데이터는 이 예의 팀 순위 목록 형식입니다. # data in the form of list of team rankings Team = [['India', 1, 100],['Australia', 2, 85],['England', 3, 75],['New Zealand', 4 , 65],['So

두 Pandas DataFrame을 병합하려면 merge()를 사용하세요. 기능. 두 DataFrame을 모두 merge() 함수의 매개변수로 설정하기만 하면 됩니다. 먼저 별칭이 pd인 필수 라이브러리를 가져오도록 합시다 - import pandas as pd 첫 번째st 만들기 데이터프레임 - # Create DataFrame1 dataFrame1 = pd.DataFrame(    {       "Car": ['BMW', 'Lexus'

두 개의 Pandas DataFrame을 공통 열로 병합하려면 merge()를 사용하세요. 기능을 설정하고 ON 매개변수를 열 이름으로 사용합니다. 먼저 별칭을 사용하여 pandas 라이브러리를 가져오겠습니다. - import pandas as pd 1st를 만들어 보겠습니다. 데이터프레임 - dataFrame1 = pd.DataFrame(    {       "Car": ['BMW', 'Lexus', 'Audi', '

두 DataFrames에서 공유하는 열을 가져오려면 intersect1d() 메서드를 사용합니다. 이 방법은 numpy에서 제공하므로 Pandas와 함께 Numpy를 가져와야 합니다. 먼저 필요한 라이브러리를 가져오도록 합시다 - import pandas as pd import numpy as np 두 개의 DataFrame 만들기 - # creating dataframe1 dataFrame1 = pd.DataFrame({"Car": ['Bentley', 'Lexus', 'Te

하위 집합을 만들고 중복 값의 마지막 항목만 표시하려면 유지 매개변수가 마지막 drop_duplicates() 메소드의 값. drop_duplicates() 메서드가 중복을 제거했습니다. 먼저 3개의 열이 있는 DataFrame을 생성하겠습니다 - dataFrame = pd.DataFrame({'Car': ['BMW', 'Mercedes', 'Lamborghini', 'BMW', 'Mercedes', 'Porsche'],'

다단계 열을 쌓으려면 stack() 메서드를 사용합니다. 먼저 필요한 라이브러리를 가져옵니다 - import pandas as pd 다단계 열 만들기 - items = pd.MultiIndex.from_tuples([('Maths', 'Mental Maths'),('Maths', 'Discrete Mathematics'),('Maths', 'Applied Mathematics')]) 이제 DataFrame을 만들고 위에서 설정한 다단계 열을

두 개 이상의 Pandas DataFrame을 연결하려면 concat() 메서드를 사용하세요. 먼저 필요한 라이브러리를 가져옵니다 - pandas를 pd로 가져오기 1st를 만들어 보겠습니다. 데이터프레임 - dataFrame1 =pd.DataFrame( { Col1:[10, 20, 30],Col2:[40, 50, 60],Col3:[70, 80, 90], }, index=[0, 1, 2],) 2nd를 만들어 보겠습니다. 데이터프레임 - dataFrame2 =pd.DataFrame( { Col1:[100, 110, 120],Col

둘 이상의 CSV 파일을 단일 Pandas 데이터 프레임으로 병합하려면 read_csv를 사용하십시오. 먼저 필요한 Pandas 라이브러리를 가져옵니다. 여기. 우리는 pd를 별칭으로 설정했습니다 - import pandas as pd 이제 다음이 CSV 파일이라고 가정해 보겠습니다. - Sales1.csv Sales2.csv 경로를 문자열로 설정했습니다. 두 파일 모두 바탕 화면에 있습니다 - file1 = "C:\\Users\\amit_\\Desktop\\sales1.csv" file2 = &

디렉토리의 모든 엑셀 파일을 읽으려면 Glob 모듈과 read_excel() 메소드를 사용하십시오. 다음이 디렉토리에 있는 Excel 파일이라고 가정해 보겠습니다. − 영업1.xlsx Sales2.xlsx 먼저 모든 엑셀 파일이 있는 경로를 설정합니다. Excel 파일을 가져오고 glob을 사용하여 읽기 - 경로 =C:\\Users\\amit_\\Desktop\\filenames =glob.glob(경로 + \*.xlsx)print(파일 이름:, 파일 이름) 다음으로 for 루프를 사용하여 특정 디렉토리에 있는

Seaborn의 바이올린 플롯은 상자 플롯과 커널 밀도 추정값의 조합을 그리는 데 사용됩니다. seaborn.violinplot()이 이를 위해 사용됩니다. 순서를 사용하여 명시적 순서 설정 바이올린 플롯()의 매개변수. 다음이 CSV 파일 형식의 데이터세트라고 가정해 보겠습니다. Cricketers.csv 먼저 필요한 라이브러리를 가져옵니다 - import seaborn as sb import pandas as pd import matplotlib.pyplot as plt CSV 파일에서 Pandas DataFrame으로 데

Seaborn의 Swarm Plot은 겹치지 않는 점이 있는 범주형 산점도를 그리는 데 사용됩니다. seaborn.swarmplot()이 이를 위해 사용됩니다. 2개의 범주형 변수로 떼를 그룹화하려면 x, y 또는 색조를 사용하여 swarmplot()에서 해당 변수를 설정합니다. 매개변수. 다음이 CSV 파일 형식의 데이터세트라고 가정해 보겠습니다. Cricketers2.csv 먼저 필요한 라이브러리를 가져옵니다 - import seaborn as sb import pandas as pd import matplotlib.pypl

Seaborn의 Swarm Plot은 겹치지 않는 포인트가 있는 범주형 산점도를 그리는 데 사용됩니다. seaborn.swarmplot() 이를 위해 사용됩니다. order를 사용하여 특정 열을 기준으로 정렬하는 명시적 순서를 전달하여 무리 순서를 제어합니다. 매개변수 - 다음이 CSV 파일 −Cricketers2.csv 형식의 데이터세트라고 가정해 보겠습니다. 먼저 필요한 라이브러리를 가져옵니다 - import seaborn as sb import pandas as pd import matplotlib.pyplot as plt

Seaborn의 Swarm Plot은 겹치지 않는 포인트가 있는 범주형 산점도를 그리는 데 사용됩니다. seaborn.swarmplot()이 이를 위해 사용됩니다. seaborn.boxplot()을 사용하여 상자 그림 위에 관찰의 무리를 그립니다. 다음이 CSV 파일 −Cricketers2.csv 형식의 데이터세트라고 가정해 보겠습니다. 먼저 필요한 라이브러리를 가져옵니다 - import seaborn as sb import pandas as pd import numpy as np import matplotlib.pyplot a

Seaborn의 바이올린 플롯은 상자 플롯과 커널 밀도 추정값의 조합을 그리는 데 사용됩니다. seaborn.violinplot()이 사용됩니다. 내부를 사용하여 사분위수를 수평선으로 설정 값이 사분위수인 매개변수 . 다음이 CSV 파일 형식의 데이터세트라고 가정해 보겠습니다. −Cricketers.csv 먼저 필요한 라이브러리를 가져옵니다 - import seaborn as sb import pandas as pd import matplotlib.pyplot as plt CSV 파일에서 Pandas DataFrame으로 데이

폴더에 있는 모든 Excel 파일을 읽으려면 Glob 모듈과 read_csv() 메서드를 사용합니다. 다음이 디렉토리에 있는 Excel 파일이라고 가정해 보겠습니다. − 먼저 경로를 설정하고 csv 파일을 가져옵니다. CSV 파일은 MyProject − 폴더에 있습니다. path = "C:\\Users\\amit_\\Desktop\\MyProject\\" 위 경로에서 확장자가 .csv인 파일 읽기 - filenames = glob.glob(path + "\*.csv") 이제 모든 csv 파

단일 열을 기준으로 CSV를 정렬하려면 sort_values() 메서드를 사용합니다. sort_values() 메서드에서 정렬할 열을 설정합니다. 먼저 DataFrame을 사용하여 CSV 파일 SalesRecords.csv를 읽어 보겠습니다. − dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords.csv") 단일 열 자동차에 따라 정렬 - dataFrame.sort_values("Car", axis=0, ascending=True

행을 필터링하고 특정 열 값을 가져오려면 Pandas contains() 메서드를 사용합니다. 먼저 alias −를 사용하여 필요한 라이브러리를 가져옵니다. import pandas as pd read_csv()를 사용하여 CSV 파일을 읽습니다. 우리의 CSV 파일은 바탕 화면에 있습니다 − dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv") 이제 특정 텍스트로 행을 필터링해 보겠습니다 - dataFrame = dataFrame[data

원하는 텍스트가 포함된 행을 반복하고 가져오려면 itertuples() 및 find() 메서드를 사용하십시오. itertuples()는 DataFrame 행을 반복합니다. 먼저 별칭을 사용하여 필요한 라이브러리를 가져오도록 합시다 - import pandas as pd CSV는 아래 경로와 같이 바탕 화면에 있습니다 - C:\\Users\\amit_\\Desktop\\CarRecords.csv CSV 파일을 읽고 Pandas DataFrame을 생성합시다 - dataFrame = pd.read_csv("C:\\Use

DataFrame에서 특정 수의 행을 표시하려면 head()를 사용하세요. 기능. 가져올 행 레코드의 수로 매개변수를 설정합니다. 예를 들어, 10행의 경우 -를 언급하십시오. dataFrame.head(10) 먼저 별칭을 사용하여 필요한 라이브러리를 가져오도록 합시다 - import pandas as pd CSV는 아래 경로와 같이 바탕 화면에 있습니다 - C:\\Users\\amit_\\Desktop\\CarRecords.csv CSV 파일을 읽고 Pandas DataFrame을 생성해 보겠습니다 - dataFrame =

DataFrame의 행과 열을 계산하려면 shape 속성을 사용하십시오. 먼저 아래 경로와 같이 바탕 화면에 CSV 파일이 있다고 가정해 보겠습니다. - C:\\Users\\amit_\\Desktop\\CarRecords.csv CSV 파일 읽기 - dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv") 이제 모양을 사용하여 행과 열을 계산해 보겠습니다. dataFrame.shape 예시 다음은 코드입니다 - import pandas as