
# 051 리스트 생성
# 2016년 11월 영화 예매 순위 기준 top3는 다음과 같습니다. 
# 영화 제목을 movie_rank 이름의 리스트에 저장해보세요. (순위 정보는 저장하지 않습니다.)
movie_rank = ['닥터 스트레인지', '스플릿', '럭키']
print(movie_rank)

['닥터 스트레인지', '스플릿', '럭키']


# 052 리스트에 원소 추가
# 051의 movie_rank 리스트에 "배트맨"을 추가하라.
movie_rank.append('배트맨')
print(movie_rank)

['닥터 스트레인지', '스플릿', '럭키', '배트맨']


# 053
# movie_rank 리스트에는 아래와 같이 네 개의 영화 제목이 바인딩되어 있다. 
# "슈퍼맨"을 "닥터 스트레인지"와 "스플릿" 사이에 추가하라.
movie_rank = ['닥터 스트레인지', '스플릿', '럭키', '배트맨']
movie_rank.insert(1, '슈퍼맨')
print(movie_rank)

['닥터 스트레인지', '슈퍼맨', '스플릿', '럭키', '배트맨']


# 054
# movie_rank 리스트에서 '럭키'를 삭제하라.
movie_rank.remove('럭키')    # .pop() : 인덱스 기준 / .remove() : 값 기준
print(movie_rank)

['닥터 스트레인지', '슈퍼맨', '스플릿', '배트맨']


movie_rank = ['닥터 스트레인지', '슈퍼맨', '스플릿', '럭키', '배트맨']
del movie_rank[3]
print(movie_rank)

['닥터 스트레인지', '슈퍼맨', '스플릿', '배트맨']


# 055
# movie_rank 리스트에서 '스플릿' 과 '배트맨'을 를 삭제하라.
movie_rank.remove('스플릿')
movie_rank.remove('배트맨')
print(movie_rank)

['닥터 스트레인지', '슈퍼맨']


movie_rank = ['닥터 스트레인지', '슈퍼맨', '스플릿', '배트맨']
del movie_rank[2]
del movie_rank[2]
print(movie_rank)

['닥터 스트레인지', '슈퍼맨']


# 056
# lang1과 lang2 리스트가 있을 때 lang1과 lang2의 원소를 모두 갖고 있는 langs 리스트를 만들어라.
lang1 = ["C", "C++", "JAVA"]
lang2 = ["Python", "Go", "C#"]
langs = lang1 + lang2
print(langs)

['C', 'C++', 'JAVA', 'Python', 'Go', 'C#']


# 057
# 다음 리스트에서 최댓값과 최솟값을 출력하라. (힌트: min(), max() 함수 사용)
nums = [1, 2, 3, 4, 5, 6, 7]
print('max:', max(nums))
print('min:', min(nums))

max: 7
min: 1


# 058
# 다음 리스트의 합을 출력하라.
nums = [1, 2, 3, 4, 5]
print(sum(nums))

15


# 059
# 다음 리스트에 저장된 데이터의 개수를 화면에 구하하라.
cook = ["피자", "김밥", "만두", "양념치킨", "족발", "피자", "김치만두", "쫄면", "소시지", "라면", "팥빙수", "김치전"]
print(len(cook))

12


# 060
# 다음 리스트의 평균을 출력하라.
nums = [1, 2, 3, 4, 5]
mean = sum(nums) / len(nums)
print(mean)

3.0


# 061
# price 변수에는 날짜와 종가 정보가 저장돼 있다. 
# 날짜 정보를 제외하고 가격 정보만을 출력하라. (힌트 : 슬라이싱)
price = ['20180728', 100, 130, 140, 150, 160, 170]
print(price[1:])

[100, 130, 140, 150, 160, 170]


# 062
# 슬라이싱을 사용해서 홀수만 출력하라.
nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
print(nums[::2])

[1, 3, 5, 7, 9]


# 063
# 슬라이싱을 사용해서 짝수만 출력하라.
nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
print(nums[1::2])

[2, 4, 6, 8, 10]


# 064
# 슬라이싱을 사용해서 리스트의 숫자를 역 방향으로 출력하라.
nums = [1, 2, 3, 4, 5]
print(nums[::-1])

[5, 4, 3, 2, 1]


# 065
# interest 리스트에는 아래의 데이터가 바인딩되어 있다.
# interest 리스트를 사용하여 아래와 같이 화면에 출력하라.
interest = ['삼성전자', 'LG전자', 'Naver']
print(interest[0], interest[2])

삼성전자 Naver


# 066 join 메서드
# interest 리스트에는 아래의 데이터가 바인딩되어 있다.
# interest 리스트를 사용하여 아래와 같이 화면에 출력하라.
interest = ['삼성전자', 'LG전자', 'Naver', 'SK하이닉스', '미래에셋대우']
print(" ".join(interest))

삼성전자 LG전자 Naver SK하이닉스 미래에셋대우


# 067 join 메서드
# interest 리스트에는 아래의 데이터가 바인딩되어 있다.
# interest 리스트를 사용하여 아래와 같이 화면에 출력하라.
interest = ['삼성전자', 'LG전자', 'Naver', 'SK하이닉스', '미래에셋대우']
print('/'.join(interest))

삼성전자/LG전자/Naver/SK하이닉스/미래에셋대우


# 068 join 메서드
# interest 리스트에는 아래의 데이터가 바인딩되어 있다.
# join() 메서드를 사용해서 interest 리스트를 아래와 같이 화면에 출력하라.
interest = ['삼성전자', 'LG전자', 'Naver', 'SK하이닉스', '미래에셋대우']
print('\n'.join(interest))

삼성전자
LG전자
Naver
SK하이닉스
미래에셋대우


# 069 문자열 split 메서드
# 회사 이름이 슬래시 ('/')로 구분되어 하나의 문자열로 저장되어 있다.
# 이를 interest 이름의 리스트로 분리 저장하라.
string = "삼성전자/LG전자/Naver"
interest = string.split('/')
print(interest)

['삼성전자', 'LG전자', 'Naver']


# 070 리스트 정렬
# 리스트에 있는 값을 오름차순으로 정렬하세요.
data = [2, 4, 3, 1, 5, 10, 9]
data.sort()
print(data)

[1, 2, 3, 4, 5, 9, 10]


data2 = sorted(data)
print(data2)

[1, 2, 3, 4, 5, 9, 10]


# 071
# my_variable 이름의 비어있는 튜플을 만들라.
my_variable = {}
print(my_variable)

{}


# 072
# 2016년 11월 영화 예매 순위 기준 top3는 다음과 같다. 
# 영화 제목을 movie_rank 이름의 튜플에 저장하라. (순위 정보는 저장하지 않는다.)
movie_rank = ('닥터 스트레인지', '스플릿', '럭키')
print(movie_rank)

('닥터 스트레인지', '스플릿', '럭키')


# 073
# 숫자 1 이 저장된 튜플을 생성하라.
print((1,))

(1,)


# 074
# 다음 코드를 실행해보고 오류가 발생하는 원인을 설명하라.
# t = (1, 2, 3)
# t[0] = 'a'
# 튜플은 원소의 값을 바꿀 수 없다.


# 075
# 아래와 같이 t에는 1, 2, 3, 4 데이터가 바인딩되어 있다. 
# t가 바인딩하는 데이터 타입은 무엇인가?
t = 1, 2, 3, 4
print(type(t))

<class 'tuple'>


# 076
# 변수 t에는 아래와 같은 값이 저장되어 있다. 
# 변수 t가 ('A', 'b', 'c') 튜플을 가리키도록 수정 하라.
t = ('a', 'b', 'c')
t = ('A', 'B', 'C')
print(t)

('A', 'B', 'C')


# 077
# 다음 튜플을 리스트로 변환하라.
interest = ('삼성전자', 'LG전자', 'SK Hynix')
interest = list(interest)
print(interest)

['삼성전자', 'LG전자', 'SK Hynix']


# 078
# 다음 리스트를 튜플로 변경하라.
interest = ['삼성전자', 'LG전자', 'SK Hynix']
interest = tuple(interest)
print(interest)

('삼성전자', 'LG전자', 'SK Hynix')


# 079 튜플 언팩킹
# 다음 코드의 실행 결과를 예상하라.
temp = ('apple', 'banana', 'cake')
a, b, c = temp
print(a, b, c)

apple banana cake


# 080 range 함수
# 1 부터 99까지의 정수 중 짝수만 저장된 튜플을 생성하라.
box = tuple(range(2, 100, 2))
print(box)

(2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64, 66, 68, 70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98)


box = []
for i in range(1, 100):
    if (i%2) == 0:
        box.append(i)
print(tuple(box))

(2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64, 66, 68, 70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98)


# 081 별 표현식
a, b, *c = (0, 1, 2, 3, 4, 5)
print(a)
print(b)
print(c, type(c))

0
1
[2, 3, 4, 5] <class 'list'>


# 다음과 같이 10개의 값이 저장된 scores 리스트가 있을 때, 
# start expression을 사용하여 좌측 8개의 값을 valid_score 변수에 바인딩하여라.
scores = [8.8, 8.9, 8.7, 9.2, 9.3, 9.7, 9.9, 9.5, 7.8, 9.4]
*valid_score, _, _ = scores
print(valid_score, len(valid_score))

[8.8, 8.9, 8.7, 9.2, 9.3, 9.7, 9.9, 9.5] 8


# 082
# 다음과 같이 10개의 값이 저장된 scores 리스트가 있을 때, 
# start expression을 사용하여 우측 8개의 값을 valid_score 변수에 바인딩하여라.
scores = [8.8, 8.9, 8.7, 9.2, 9.3, 9.7, 9.9, 9.5, 7.8, 9.4]
_, _, *valid_score = scores
print(valid_score, len(valid_score))

[8.7, 9.2, 9.3, 9.7, 9.9, 9.5, 7.8, 9.4] 8


# 083
# 다음과 같이 10개의 값이 저장된 scores 리스트가 있을 때, 
# start expression을 사용하여 가운데 있는 8개의 값을 valid_score 변수에 바인딩하여라.
scores = [8.8, 8.9, 8.7, 9.2, 9.3, 9.7, 9.9, 9.5, 7.8, 9.4]
_, *valid_score, _ = scores
print(valid_score, len(valid_score))

[8.9, 8.7, 9.2, 9.3, 9.7, 9.9, 9.5, 7.8] 8


# 084 비어있는 딕셔너리
# temp 이름의 비어있는 딕셔너리를 만들라.
temp = {}
print(temp)

{}


# 085
# 다음 아이스크림 이름과 희망 가격을 딕셔너리로 구성하라.
icecream = {
    '메로나' : 1000,
    '폴라포' : 1200,
    '빵빠레' : 1800
}
print(icecream)

{'메로나': 1000, '폴라포': 1200, '빵빠레': 1800}


# 086
# 085 번의 딕셔너리에 아래 아이스크림 가격정보를 추가하라.
temp = {
    '죠스바' : 1200,
    '월드콘' : 1500
}
icecream.update(temp)
print(icecream)

{'메로나': 1000, '폴라포': 1200, '빵빠레': 1800, '죠스바': 1200, '월드콘': 1500}


# 087
# 다음 딕셔너리를 사용하여 메로나 가격을 출력하라.
print('메로나 가격: {}'.format(icecream['메로나']))

메로나 가격: 1000


# 088
# 다음 딕셔너리에서 메로나의 가격을 1300으로 수정하라.
ice = {'메로나': 1000,
       '폴로포': 1200,
       '빵빠레': 1800,
       '죠스바': 1200,
       '월드콘': 1500}
ice['메로나'] = 1300
print(ice['메로나'])

1300


# 089
# 다음 딕셔너리에서 메로나를 삭제하라.
ice = {'메로나': 1000,
       '폴로포': 1200,
       '빵빠레': 1800,
       '죠스바': 1200,
       '월드콘': 1500}
del ice['메로나']
print(ice)

{'폴로포': 1200, '빵빠레': 1800, '죠스바': 1200, '월드콘': 1500}


# 090
# 다음 코드에서 에러가 발생한 원인을 설명하라.
# icecream = {'폴라포': 1200, '빵빠레': 1800, '월드콘': 1500, '메로나': 1000}
# icecream['누가바']
# '누가바'라는 key가 없기 때문이다.


# 091 딕셔너리 생성
# 아래의 표에서, 아이스크림 이름을 키값으로, (가격, 재고) 리스트를 딕셔너리의 값으로 저장하라. 
# 딕셔너리의 이름은 inventory로 한다.
inventory = {
    '메로나' : [300, 20],
    '비비빅' : [400, 3],
    '죠스바' : [250, 100]
}
print(inventory)

{'메로나': [300, 20], '비비빅': [400, 3], '죠스바': [250, 100]}


# 092 딕셔너리 인덱싱
# inventory 딕셔너리에서 메로나의 가격을 화면에 출력하라.
inventory = {"메로나": [300, 20],
              "비비빅": [400, 3],
              "죠스바": [250, 100]}
print('{} 원'.format(inventory['메로나'][0]))

300 원


# 093 딕셔너리 인덱싱
# inventory 딕셔너리에서 메로나의 재고를 화면에 출력하라.
inventory = {"메로나": [300, 20],
              "비비빅": [400, 3],
              "죠스바": [250, 100]}
print('{} 개'.format(inventory['메로나'][1]))

20 개


# 094 딕셔너리 추가
# inventory 딕셔너리에 아래 데이터를 추가하라.
inventory = {"메로나": [300, 20],
              "비비빅": [400, 3],
              "죠스바": [250, 100]}
inventory['월드콘'] = [500, 7]
print(inventory)

{'메로나': [300, 20], '비비빅': [400, 3], '죠스바': [250, 100], '월드콘': [500, 7]}


# 095 딕셔너리 keys() 메서드
# 다음의 딕셔너리로부터 key 값으로만 구성된 리스트를 생성하라.
icecream = {'탱크보이': 1200, '폴라포': 1200, '빵빠레': 1800, '월드콘': 1500, '메로나': 1000}
name = list(icecream.keys())
print(name)

['탱크보이', '폴라포', '빵빠레', '월드콘', '메로나']


# 096 딕셔너리 values() 메서드
# 다음의 딕셔너리에서 values 값으로만 구성된 리스트를 생성하라.
icecream = {'탱크보이': 1200, '폴라포': 1200, '빵빠레': 1800, '월드콘': 1500, '메로나': 1000}
price = list(icecream.values())
print(price)

[1200, 1200, 1800, 1500, 1000]


# 097 딕셔너리 values() 메서드
# icecream 딕셔너리에서 아이스크림 판매 금액의 총합을 출력하라.
icecream = {'탱크보이': 1200, '폴라포': 1200, '빵빠레': 1800, '월드콘': 1500, '메로나': 1000}
price = list(icecream.values())
print(sum(price))

6700


# 098 딕셔너리 update 메서드
# 아래의 new_product 딕셔너리를 다음 icecream 딕셔너리에 추가하라.
icecream = {'탱크보이': 1200, '폴라포': 1200, '빵빠레': 1800, '월드콘': 1500, '메로나': 1000}
new_product = {'팥빙수':2700, '아맛나':1000}
icecream.update(new_product)
print(icecream)

{'탱크보이': 1200, '폴라포': 1200, '빵빠레': 1800, '월드콘': 1500, '메로나': 1000, '팥빙수': 2700, '아맛나': 1000}


# 099 zip과 dict
# 아래 두 개의 튜플을 하나의 딕셔너리로 변환하라. 
# keys를 키로, vals를 값으로 result 이름의 딕셔너리로 저장한다.
keys = ("apple", "pear", "peach")
vals = (300, 250, 400)
result = dict(zip(keys, vals))
print(result)

{'apple': 300, 'pear': 250, 'peach': 400}


# 100 zip과 dict
# date와 close_price 두 개의 리스트를 close_table 이름의 딕셔너리로 생성하라.
date = ['09/05', '09/06', '09/07', '09/08', '09/09']
close_price = [10500, 10300, 10100, 10800, 11000]
close_table = dict(zip(date, close_price))
print(close_table)

{'09/05': 10500, '09/06': 10300, '09/07': 10100, '09/08': 10800, '09/09': 11000}


# 서로 개수가 맞지 않으면 잘라버린다.
date = ['09/05', '09/06', '09/07', '09/08', '09/09']
close_price = [10500, 10300, 10100, 10800, 11000, 12000, 13100, 14583]
close_table = dict(zip(date, close_price))
print(close_table)

{'09/05': 10500, '09/06': 10300, '09/07': 10100, '09/08': 10800, '09/09': 11000}


import pandas as  pd


s = pd.Series([3, -5, 7, 4], index=['a', 'b', 'c', 'd'])
s

a    3
b   -5
c    7
d    4
dtype: int64


print(s[1])
print(s['b'])

-5
-5


s.drop(['a', 'c'])

b   -5
d    4
dtype: int64


data = {'Country': ['Belgium', 'India', 'Brazil'],
       'Capital': ['Brussels', 'New Delhi', 'Brasilia'],
       'Population': [11190846, 1303171035, 207847528]}
df0 = pd.DataFrame(data)
df = pd.DataFrame(data, columns=['Country', 'Capital', 'Population'])
print(df0)
print()
print(df)

   Country    Capital  Population
0  Belgium   Brussels    11190846
1    India  New Delhi  1303171035
2   Brazil   Brasilia   207847528

   Country    Capital  Population
0  Belgium   Brussels    11190846
1    India  New Delhi  1303171035
2   Brazil   Brasilia   207847528


# select single value by row&column
df.iloc[1, 1]

'New Delhi'


# select single value by row&column labels
df.loc[2, 'Population']

207847528


df.sort_values(by='Population')


df.shape

(3, 3)


df.index

RangeIndex(start=0, stop=3, step=1)


df.columns

Index(['Country', 'Capital', 'Population'], dtype='object')


df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
 #   Column      Non-Null Count  Dtype 
---  ------      --------------  ----- 
 0   Country     3 non-null      object
 1   Capital     3 non-null      object
 2   Population  3 non-null      int64 
dtypes: int64(1), object(2)
memory usage: 200.0+ bytes


df.count()

Country       3
Capital       3
Population    3
dtype: int64


df.sum()

Country              BelgiumIndiaBrazil
Capital       BrusselsNew DelhiBrasilia
Population                   1522209409
dtype: object


df.cumsum()


df.min()

Country        Belgium
Capital       Brasilia
Population    11190846
dtype: object


df.max()

Country            India
Capital        New Delhi
Population    1303171035
dtype: object


df.describe()


# df.apply(lambda x : 수행문) : dataframe의 모든 요소들에 대해 함수를 적용하라!
df.apply(lambda x : x*2)


import numpy as np


s = pd.Series([1, 3, 5, np.nan, 6, 8])
s

0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64


dates = pd.date_range('20210101', periods=6)
dates

DatetimeIndex(['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04',
               '2021-01-05', '2021-01-06'],
              dtype='datetime64[ns]', freq='D')


df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
df


df2 = pd.DataFrame({'A':1,
                   'B':pd.Timestamp('20130102'),
                   'C':pd.Series(1, index=list(range(4)), dtype='float32'),
                   'D':np.array([3]*4, dtype='int32'),
                   'E':pd.Categorical(["test", "train", "test", "train"]),
                   'F':'foo'})
df2


df2.dtypes

A             int64
B    datetime64[ns]
C           float32
D             int32
E          category
F            object
dtype: object


df.head()


df.tail()


df.values

array([[-0.35747892,  1.84222038,  1.04266799,  1.83057578],
       [ 0.22842443, -0.5698502 ,  0.55330847, -0.70978667],
       [ 0.55535103, -1.07795655, -1.25710216, -1.59677235],
       [ 1.37395172, -0.53598444, -0.42743514, -0.50037348],
       [-0.49845081,  0.02420241,  1.88229335,  1.71253887],
       [ 0.37682269,  0.46170238, -0.78320446, -1.12430274]])


df.T


df.sort_index(axis=1, ascending=False)


df.sort_index(ascending=False)


# (1) Getting
df['A']

2021-01-01   -0.357479
2021-01-02    0.228424
2021-01-03    0.555351
2021-01-04    1.373952
2021-01-05   -0.498451
2021-01-06    0.376823
Freq: D, Name: A, dtype: float64


df['2021-01-02':'2021-01-05']


# (2) Selection by label : loc[]
dates2 = pd.date_range('20210101', periods=6)
df.loc[dates[1]]

A    0.228424
B   -0.569850
C    0.553308
D   -0.709787
Name: 2021-01-02 00:00:00, dtype: float64


df.loc[:, ['A', 'C']]


df.loc['2021-01-02':'2021-01-04', 'A':'C']


df.iloc[3]

A    1.373952
B   -0.535984
C   -0.427435
D   -0.500373
Name: 2021-01-04 00:00:00, dtype: float64


df.iloc[3:5, 1:3]


df.iloc[[1,2,4], [0,3]]


df.iloc[1:3, :]


df.iloc[:, 1:3]


df.iloc[1, 1]

-0.569850204401684


# (4) Boolean indexing(조건에 맞는 값 가져오기)
df[df['A'] > 0]


df[df > 0]


df2 = df.copy()
df2['E'] = ['one', 'one', 'two', 'three', 'four', 'three']
df2


df2[df2['E'].isin(['two', 'four'])]


# (5) Setting
s1 = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range('20210102', periods=6))
s1

2021-01-02    1
2021-01-03    2
2021-01-04    3
2021-01-05    4
2021-01-06    5
2021-01-07    6
Freq: D, dtype: int64


df['F'] = s1
df


# Setting by assigning with a NumPy array:
df.loc[:, 'D'] = np.array([5] * len(df))
df


df2 = df.copy()
df2[df2 > 0] = -df2
df2


df1 = df.reindex(index=dates[0:4], columns=list(df.columns)+['E'])
df1


df1.loc[dates[0]:dates[1], 'E'] = 1
df1


df1.dropna()


df1.fillna(value=5)


df1.isna()


# (1) Stats(통계 데이터)
df1.mean()

A    0.450062
B   -0.085393
C   -0.022140
D    5.000000
F    2.000000
E    1.000000
dtype: float64


df1.mean(1)

2021-01-01    1.705482
2021-01-02    1.201980
2021-01-03    1.044058
2021-01-04    1.682106
Freq: D, dtype: float64


s = pd.Series([1, 3, 5, np.nan, 6, 8], index=dates)
s

2021-01-01    1.0
2021-01-02    3.0
2021-01-03    5.0
2021-01-04    NaN
2021-01-05    6.0
2021-01-06    8.0
Freq: D, dtype: float64


# shift는 이동
s = s.shift(2)
s

2021-01-01    NaN
2021-01-02    NaN
2021-01-03    1.0
2021-01-04    3.0
2021-01-05    5.0
2021-01-06    NaN
Freq: D, dtype: float64


# df의 각 값들에서 s를 뺀다
df.sub(s, axis='index')


# (2) Apply
df.apply(np.cumsum)


df.cumsum()


df.apply(lambda x : x.max() - x.min())

A    1.872403
B    2.920177
C    3.139396
D    0.000000
F    4.000000
dtype: float64


# (3) Histogramming
s = pd.Series(np.random.randint(0, 7, size=10))
s

0    3
1    3
2    3
3    3
4    0
5    1
6    2
7    5
8    3
9    0
dtype: int32


print(s.count())
print(s.value_counts())

10
3    5
0    2
1    1
2    1
5    1
dtype: int64


df.value_counts()

A          B          C          D  F  
-0.498451   0.024202   1.882293  5  4.0    1
 0.228424  -0.569850   0.553308  5  1.0    1
 0.376823   0.461702  -0.783204  5  5.0    1
 0.555351  -1.077957  -1.257102  5  2.0    1
 1.373952  -0.535984  -0.427435  5  3.0    1
dtype: int64


# (4) String Methods
s = pd.Series(['A', 'B', 'C', 'Aaba', 'Baca', np.nan, 'CABA', 'dog', 'cat'])
s

0       A
1       B
2       C
3    Aaba
4    Baca
5     NaN
6    CABA
7     dog
8     cat
dtype: object


s.str.lower()

0       a
1       b
2       c
3    aaba
4    baca
5     NaN
6    caba
7     dog
8     cat
dtype: object


# (1) Concat
df = pd.DataFrame(np.random.randn(10, 4))
df


pieces = [df[:3], df[3:7], df[7:]]
pieces

[          0         1         2         3
 0  1.061823 -0.189506  0.508823 -0.763932
 1 -0.166321 -1.494115 -1.350617 -0.236430
 2  0.581744  0.972317  1.206331 -0.024456,
           0         1         2         3
 3  1.625076  0.601253 -1.071447 -0.006372
 4  0.696309 -0.198812  0.481071  0.430160
 5 -0.450852  1.107708 -0.595119  1.222581
 6 -0.629644  0.333313 -0.506182 -1.168663,
           0         1         2         3
 7 -1.073598  0.235184  0.509337 -1.011330
 8  1.603006  1.016855  0.261735  0.388407
 9 -0.409968 -2.041778  0.522388  0.227021]


pd.concat(pieces)


# (2) merge
left = pd.DataFrame({'key': ['foo', 'foo'], 'lval': [1, 2]})
left


right = pd.DataFrame({'key': ['foo', 'foo'], 'rval': [4, 5]})
right


pd.merge(left, right, on='key')


pd.merge(right, left, on='key')


left = pd.DataFrame({'key': ['foo', 'bar'], 'lval': [1, 2]})
left


right = pd.DataFrame({'key': ['foo', 'bar'], 'rval': [4, 5]})
right


pd.merge(left, right, on='key')


pd.merge(right, left, on='key')


df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar',
                          'foo', 'bar', 'foo', 'foo'],
                   'B': ['one', 'one', 'two', 'three',
                          'two', 'two', 'one', 'three'],
                   'C': np.random.randn(8),
                   'D': np.random.randn(8)}
                 )
df


df.groupby('A').sum()


df.groupby(['A', 'B']).sum()


# (1) stack
list(zip([
    ['bar', 'bar', 'baz', 'baz','foo', 'foo', 'qux', 'qux'],
    ['one', 'two', 'one', 'two','one', 'two', 'one', 'two']
]))

[(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],),
 (['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'],)]


tuples = list(zip(*[['bar', 'bar', 'baz', 'baz','foo', 'foo', 'qux', 'qux'],
          ['one', 'two', 'one', 'two','one', 'two', 'one', 'two']]))
tuples

[('bar', 'one'),
 ('bar', 'two'),
 ('baz', 'one'),
 ('baz', 'two'),
 ('foo', 'one'),
 ('foo', 'two'),
 ('qux', 'one'),
 ('qux', 'two')]


index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])
index

MultiIndex([('bar', 'one'),
            ('bar', 'two'),
            ('baz', 'one'),
            ('baz', 'two'),
            ('foo', 'one'),
            ('foo', 'two'),
            ('qux', 'one'),
            ('qux', 'two')],
           names=['first', 'second'])


df = pd.DataFrame(np.random.randn(8, 2), index=index, columns=['A', 'B'])
df


df2 = df[:4]
df2


# stack()을 하면 데이터를 쌓아서 보여줌
stacked = df2.stack()
stacked

first  second   
bar    one     A   -1.088797
               B    0.524861
       two     A   -0.751904
               B    1.001665
baz    one     A    0.664458
               B    0.298752
       two     A   -0.928191
               B    0.971767
dtype: float64


# unstack()를 하면 원상복귀
stacked.unstack()


stacked.unstack(1)


stacked.unstack(0)


# (2) pivot tables
df = pd.DataFrame({'A': ['one', 'one', 'two', 'three'] * 3,
                   'B': ['A', 'B', 'C'] * 4,
                   'C': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 2,
                   'D': np.random.randn(12),
                   'E': np.random.randn(12)})
df


pd.pivot_table(df, values='D', index=['A', 'B'], columns='C')


pd.pivot_table(df, values='D', index=['B'], columns=['A', 'C'])


pd.pivot_table(df, values=['D', 'E'], index=['A', 'B'], columns=['C'])


# 새 column 추가하기 (맨 마지막에 컬럼 추가)
df = pd.DataFrame(np.arange(16).reshape(4,4),
                  index=None,
                  columns=['price', 'qty', 'price', 'qty'])
df


df['name'] = '-'
df


# 원하는 위치에 컬럼 추가하기
df = pd.DataFrame(np.arange(16).reshape(4,4),
                  index=None,
                  columns=['price', 'qty', 'price', 'qty'])
df.insert(2, 'name', '-')
df


# 원하는 위치에 컬럼 추가하기
df = pd.DataFrame(np.arange(16).reshape(4,4),
                  index=None,
                  columns=['price', 'qty', 'price', 'qty'])
df.insert(2, 'name', '-', allow_duplicates=True)
df


df.insert(2, 'name', '-', allow_duplicates=True)
df


# 기본 테이블을 멀티 컬럼, 인덱스로 바꾸기
df1 = pd.DataFrame(np.arange(16).reshape(4,4),
                  index=None,
                  columns=['price', 'qty', 'price', 'qty'])

df2 = pd.DataFrame(df1.values,
                   index = df1.index, 
                   columns = [['apple','apple','banana','banana'], df1.columns])  # 2중 칼럼으로 만들기
df2


df1 = pd.DataFrame(np.arange(16).reshape(4,4),
                  index=None,
                  columns=['price', 'qty', 'price', 'qty'])

df2 = pd.DataFrame(df1.values,
                    index = df1.index, 
                    columns = [df1.columns ,['apple','apple','banana','banana']])  # 2중 칼럼으로 만들기
df2


# (이름으로) 행,열 삭제
df = pd.DataFrame(np.arange(16).reshape(4,4),
                  index=None,
                  columns=['price', 'qty', 'price', 'qty'])

df2 = df.drop(['price'], axis=1)
df2


df2 = df.drop([1, 2], axis=0)
df2


# (인덱스로) n번째 행 삭제
df = pd.DataFrame(np.arange(16).reshape(4,4),
                  index=None,
                  columns=['price', 'qty', 'price', 'qty'])

df2 = df.drop(df.index[1::2], axis=0)
df2


# 마지막 행에 컬럼 별 합계 삽입
df = pd.DataFrame(np.arange(6).reshape(2,3),
                  index=None,
                  columns=['price', 'qty', 'like'])

df.loc['합계'] = [ df[df.columns[x]].sum() for x in range(0, len(df.columns)) ]
df


# 튜플을 데이터프레임으로
data = [
('p1', 't1', 1, 2),
('p1', 't2', 3, 4),
('p2', 't1', 5, 6),
('p2', 't2', 7, 8),
('p2', 't3', 2, 8)
]

print(type(data))

df = pd.DataFrame(data)
df

<class 'list'>


# try-except문
for i in range(10):
    try:    # if 와 달리 조건이 없다
        print(10 / i)
    except ZeroDivisionError:    # 굳이 조건문 안 써도 된다
        print("Not divided by 0")

Not divided by 0
10.0
5.0
3.3333333333333335
2.5
2.0
1.6666666666666667
1.4285714285714286
1.25
1.1111111111111112


# try-except-else문
for i in range(10):
    try:
        result = 10 / i
    except ZeroDivisionError:
        print('Not divided by 0')
    else:
        print(10 / i)

Not divided by 0
10.0
5.0
3.3333333333333335
2.5
2.0
1.6666666666666667
1.4285714285714286
1.25
1.1111111111111112


# try-except-finally문
try:
    for i in range(1, 10):
        result =10 // i
        print(result)
except ZeroDivisionError:
    print("Not divided by 0")
finally:
    print("종료되었다.")

10
5
3
2
2
1
1
1
1
종료되었다.


# raise문
while True:
    value = input("변환할 정수값을 입력해 주세요: ")
    for digit in value:
        if digit not in "0123456789":
            raise ValueError("숫자값을 입력하지 않았습니다.")
    print("정수값으로 변환된 숫자: ", int(value))

변환할 정수값을 입력해 주세요: 64
정수값으로 변환된 숫자:  64
변환할 정수값을 입력해 주세요: hi

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_8324/1784280802.py in <module>
      4     for digit in value:
      5         if digit not in "0123456789":
----> 6             raise ValueError("숫자값을 입력하지 않았습니다.")
      7     print("정수값으로 변환된 숫자: ", int(value))

ValueError: 숫자값을 입력하지 않았습니다.


value = input("변환할 정수값을 입력해 주세요: ")
for digit in value:
    print(digit)

변환할 정수값을 입력해 주세요: 64
6
4


# asssert문
def get_binary_nmubmer(decimal_number):
    assert isinstance(decimal_number, int)  # 입력값이 특정 클래스의 인스턴스인지
    return bin(decimal_number)
print(get_binary_nmubmer(10))

0b1010


print(get_binary_nmubmer("10"))

---------------------------------------------------------------------------
AssertionError                            Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_8324/2104025875.py in <module>
----> 1 print(get_binary_nmubmer("10"))

~\AppData\Local\Temp/ipykernel_8324/2916046900.py in get_binary_nmubmer(decimal_number)
      1 # asssert문
      2 def get_binary_nmubmer(decimal_number):
----> 3     assert isinstance(decimal_number, int)  # 입력값이 특정 클래스의 인스턴스인지
      4     return bin(decimal_number)
      5 print(get_binary_nmubmer(10))

AssertionError:

pwd

'C:\\Users\\KJW\\Desktop\\python_basic'


# 읽기 모드로 "dream.txt" 텍스트 파일 열기
f = open("C:\\Users\\KJW\\Desktop\\python_basic\\resources\\dream.txt", "r", encoding='utf8')  # 파일 객체 f에 파일 정보 저장 
contents = f.read()         # read() 함수로 해당 파일의 텍스트를 읽어서 변수에 저장
print(contents)             # 저장된 변수 출력
f.close()                   # close() 함수로 파일 종료

---------------------------------------------------------------------------
FileNotFoundError                         Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_8324/1721252459.py in <module>
      1 # 읽기 모드로 "dream.txt" 텍스트 파일 열기
----> 2 f = open("C:\\Users\\KJW\\Desktop\\python_basic\\resources\\dream.txt", "r", encoding='utf8')  # 파일 객체 f에 파일 정보 저장
      3 contents = f.read()         # read() 함수로 해당 파일의 텍스트를 읽어서 변수에 저장
      4 print(contents)             # 저장된 변수 출력
      5 f.close()                   # close() 함수로 파일 종료

FileNotFoundError: [Errno 2] No such file or directory: 'C:\\Users\\KJW\\Desktop\\python_basic\\resources\\dream.txt'


# with문 + open 함수로 파일 열기
with open("dream.txt","r") as my_file:
    contents = my_file.read()
    print(contents)


# readlins() 함수로 한 줄씩 읽어서 리스트형으로 반환하기
with open("dream.txt","r") as my_file:
    content_list = my_file.readlines()      # 파일 전체를 리스트로 반환
    print(type(content_list))               # 자료형 확인
    print(content_list)                     # 리스트값 출력


# readline() 함수로 실행할 때마다 한 줄씩 읽어오기
# 내용을 찾다가 중간에 특정 작업을 하거나 멈춰야 할 필요가 있는 대용량 데이터에서 사용
with open("dream.txt", "r") as my_file:
    i = 0
    while 1:
        line = my_file.readline()
        if not line:   # 읽어온 줄에 내용이 없다면 파일 읽기 종료
            break
        print(str(i)+" === "+ line.replace("\n",""))    # 한 줄씩 값 출력
        i = i + 1


# 파일 안 글자의 통계 정보 출력하기
with open("dream.txt", "r") as my_file:
    contents = my_file.read()
    word_list = contents.split(" ")             # 빈칸 기준으로 단어를 분리 리스트
    line_list = contents.split("\n")            # 한 줄씩 분리하여 리스트

print("총 글자의 수:", len(contents))
print("총 단어의 수:", len(word_list))
print("총 줄의 수:", len(line_list))

---------------------------------------------------------------------------
FileNotFoundError                         Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_8324/3741326766.py in <module>
      1 # 파일 안 글자의 통계 정보 출력하기
----> 2 with open("dream.txt", "r") as my_file:
      3     contents = my_file.read()
      4     word_list = contents.split(" ")             # 빈칸 기준으로 단어를 분리 리스트
      5     line_list = contents.split("\n")            # 한 줄씩 분리하여 리스트

FileNotFoundError: [Errno 2] No such file or directory: 'dream.txt'


f = open("C:\\Users\\KJW\\Desktop\\python_basic\\resources\\TextFile\\count_log.txt", 'w', encoding = "utf8")    # utf-8-sig
for i in range(1, 5):
    data = "%d번째 줄이다.\n" % i
    print(data)
    f.write(data)
f.close()

1번째 줄이다.

2번째 줄이다.

3번째 줄이다.

4번째 줄이다.


with open("C:\\Users\\KJW\\Desktop\\python_basic\\resources\\TextFile\\count_log.txt", 'a', encoding = "utf8") as f:
    for i in range(1, 5):
        data = "%d번째 줄이다.\n" % i
        print(data)
        f.write(data)

1번째 줄이다.

2번째 줄이다.

3번째 줄이다.

4번째 줄이다.


# 기존 디렉터리가 없는지 확인하고 만들기
import os

if not os.path.isdir("log"):
    os.mkdir("log")


import os

# 로그 디렉토리 생성
if not os.path.isdir("log"):
    os.mkdir("log")

# 기록 파일 생성 후 기록 시작 문구 저장
if not os.path.exists("log/count_log.txt"):
    f = open("log/count_log.txt", 'w', encoding = "utf8")
    f.write("기록이 시작된다.\n")
    f.close()

# 시간(stamp)과 특정값(vlaue)을 기록한 후 저장
with open("log/count_log.txt", 'a', encoding = "utf8") as f:
    import random, datetime
    for i in range(1, 11):
        stamp = str(datetime.datetime.now())
        value = random.random() * 1000000
        log_line = stamp + "\t" + str(value) + "값이 생성되었다." + "\n"
        f.write(log_line)


# pickle 파일로 저장하기 : 'wb' 모드
import pickle

f = open("log/list2.pickle", "wb")
test = [1,2,3,4,5, 'hi']
pickle.dump(test, f)
f.close()


# 저장된 pickle 파일 불러오기 : 'rb' 모드
f = open("log/list2.pickle", "rb")
list_pickle = pickle.load(f)
print(list_pickle)
f.close()

[1, 2, 3, 4, 5, 'hi']


# 곱셈기 클래스
class Multiply(object):
    def __init__(self, multiplier):
        self.multiplier = multiplier
    
    # 곱셈 메소드
    def multiply(self, number):
        return number * self.multiplier


# 인스턴스 생성
multiplier = Multiply(5)


multiplier.multiply(10)

50


# 인스턴스를 pickle 파일로 저장하기
import pickle

f = open("log/multiply_object.pickle", "wb")
pickle.dump(multiplier, f)
f.close()


# 저장된 pickle 파일 읽기
f = open("log/multiply_object.pickle", "rb")
multiply_pickle = pickle.load(f)
multiply_pickle.multiply(10)

50


line_counter = 0            # 파일의 총 줄 수를 세는 변수
data_header = [ ]           # 데이터의 필드값을 저장하는 리스트
customer_list = [ ]         # customer의 개별 리스트를 저장하는 리스트

with open("resources/customers.csv") as customer_data: # customers.csv 파일을 customer_data 객체에 저장
    while 1:
        data = customer_data.readline()     # customers.csv에 데이터 변수에 한 줄씩 저장
        if not data:break                   # 데이터가 없을 때, 반복문 종료
        if line_counter == 0:               # 첫 번째 데이터는 데이터의 필드
            data_header = data.split(",")   # 데이터의 필드는 data_header 리스트에 저장, 데이터 저장 시 ","로 분리
        else:
            customer_list.append(data.split(",")) # 일반 데이터는 customer_list 객체에 저장, 데이터 저장 시 “,”로 분리
        line_counter +=1

print("Header:", data_header)               # 데이터 필드값 출력
for i in range(0, 10):                      # 데이터 출력(샘플 10개만)
    print("Data",i,":",customer_list[i])
print(len(customer_list))                   # 전체 데이터 크기 출력

Header: ['customerNumber', 'customerName', 'contactLastName', 'contactFirstName', 'phone', 'addressLine1', 'addressLine2', 'city', 'state', 'postalCode', 'country', 'salesRepEmployeeNumber', 'creditLimit\n']
Data 0 : ['103', 'Atelier graphique', 'Schmitt', 'Carine ', '40.32.2555', '"54', ' rue Royale"', 'NULL', 'Nantes', 'NULL', '44000', 'France', '1370', '21000\n']
Data 1 : ['112', 'Signal Gift Stores', 'King', 'Jean', '7025551838', '8489 Strong St.', 'NULL', 'Las Vegas', 'NV', '83030', 'USA', '1166', '71800\n']
Data 2 : ['114', '"Australian Collectors', ' Co."', 'Ferguson', 'Peter', '03 9520 4555', '636 St Kilda Road', 'Level 3', 'Melbourne', 'Victoria', '3004', 'Australia', '1611', '117300\n']
Data 3 : ['119', 'La Rochelle Gifts', 'Labrune', 'Janine ', '40.67.8555', '"67', ' rue des Cinquante Otages"', 'NULL', 'Nantes', 'NULL', '44000', 'France', '1370', '118200\n']
Data 4 : ['121', 'Baane Mini Imports', 'Bergulfsen', 'Jonas ', '07-98 9555', 'Erling Skakkes gate 78', 'NULL', 'Stavern', 'NULL', '4110', 'Norway', '1504', '81700\n']
Data 5 : ['124', 'Mini Gifts Distributors Ltd.', 'Nelson', 'Susan', '4155551450', '5677 Strong St.', 'NULL', 'San Rafael', 'CA', '97562', 'USA', '1165', '210500\n']
Data 6 : ['125', 'Havel & Zbyszek Co', 'Piestrzeniewicz', 'Zbyszek ', '(26) 642-7555', 'ul. Filtrowa 68', 'NULL', 'Warszawa', 'NULL', '01-012', 'Poland', 'NULL', '0\n']
Data 7 : ['128', '"Blauer See Auto', ' Co."', 'Keitel', 'Roland', '+49 69 66 90 2555', 'Lyonerstr. 34', 'NULL', 'Frankfurt', 'NULL', '60528', 'Germany', '1504', '59700\n']
Data 8 : ['129', 'Mini Wheels Co.', 'Murphy', 'Julie', '6505555787', '5557 North Pendale Street', 'NULL', 'San Francisco', 'CA', '94217', 'USA', '1165', '64600\n']
Data 9 : ['131', 'Land of Toys Inc.', 'Lee', 'Kwai', '2125557818', '897 Long Airport Avenue', 'NULL', 'NYC', 'NY', '10022', 'USA', '1323', '114900\n']
122


# 판다스로 열기
import pandas as pd
df = pd.read_csv("resources/customers.csv")
print(df.shape)
df

(122, 13)


import logging

logging.debug("틀렸잖아!")
logging.info("확인해!")
logging.warning("조심해!")
logging.error("에러 났어!!!")
logging.critical ("망했다….")

WARNING:root:조심해!
ERROR:root:에러 났어!!!
CRITICAL:root:망했다….


import logging

logger = logging.getLogger("main")        # logger 객체에 로그를 기록할 예정
stream_handler = logging.StreamHandler()  # StreamHandler : 출력 공간 지정
logger.addHandler(stream_handler)         # logger 의 출력 등록

logger.setLevel(logging.CRITICAL)         # 로깅 레벨 지정
logger.debug("틀렸잖아!")
logger.info("확인해!")
logger.warning("조심해!")
logger.error("에러 났어!!!")
logger.critical("망했다….")

망했다….
CRITICAL:main:망했다….


# configparser 모듈
import configparser
config = configparser.ConfigParser()
config.sections()

config.read("resources/example.cfg")

['resources/example.cfg']


config.sections()

['SectionOne', 'SectionTwo', 'SectionThree']


for key in config['SectionOne']:
    print(key)

status
name
value
age
single


for key in config['SectionTwo']:
    print(key)

favoritecolor


config['SectionOne']["age"]

'30'


# argparse 모듈
# cmd 창에 이렇게 쳐보기
# C:\Users\KJW\Desktop\python_basic\resources>python arg_sum.py -a 5 -b 3

# cmd 창에 그냥 arg_sum.py 치면
# visual studio code 창으로 이동해서 뜬다.

	Population
count	3.000000e+00
mean	5.074031e+08
std	6.961346e+08
min	1.119085e+07
25%	1.095192e+08
50%	2.078475e+08
75%	7.555093e+08
max	1.303171e+09

	Country	Capital	Population
0	BelgiumBelgium	BrusselsBrussels	22381692
1	IndiaIndia	New DelhiNew Delhi	2606342070
2	BrazilBrazil	BrasiliaBrasilia	415695056

	C	D
A
bar	1.329347	-0.255023
foo	2.802578	-3.890399

		C	D
A	B
bar	one	-0.201005	-0.889734
	three	0.762701	1.502002
	two	0.767651	-0.867291
foo	one	2.247207	-3.458835
	three	0.535811	0.210887
	two	0.019560	-0.642451

JuJuKwakKwak

JuJuKwakKwak

Day10 - Code 본문

Day10 - Code

시험 대비¶

초보자를 위한 파이썬 300제¶

pandas cheat sheet¶

Series¶

DataFrame¶

pandas 10 minutes + @¶

Object creation¶

Viewing data¶

Selection¶

Missing data¶

Operations¶

Merge¶

Grouping¶

Reshaping¶

엑셀 다루는 판다스¶

Ch12 예외 처리와 파일¶

예외 처리 구문¶

파일 다루기¶

파일 읽기¶

파일 쓰기¶

파일 추가 모드¶

디렉터리 만들기¶

로그파일 만들기¶

Pickle 모듈¶

클래스로 생성된 인스턴스를 pickle 파일로 저장하기¶

Ch13 csv와 로그관리¶

교재 코드로 csv 파일 읽기¶

로그 관리¶

설정 저장¶

'Data Science > 국비지원' 카테고리의 다른 글

티스토리툴바

	Country	Capital	Population
0	Belgium	Brussels	11190846
2	Brazil	Brasilia	207847528
1	India	New Delhi	1303171035

	A	B	C	D
2021-01-01	-0.357479	1.842220	1.042668	1.830576
2021-01-02	0.228424	-0.569850	0.553308	-0.709787
2021-01-03	0.555351	-1.077957	-1.257102	-1.596772
2021-01-04	1.373952	-0.535984	-0.427435	-0.500373
2021-01-05	-0.498451	0.024202	1.882293	1.712539
2021-01-06	0.376823	0.461702	-0.783204	-1.124303

	A	B	C	D	E	F
0	1	2013-01-02	1.0	3	test	foo
1	1	2013-01-02	1.0	3	train	foo
2	1	2013-01-02	1.0	3	test	foo
3	1	2013-01-02	1.0	3	train	foo

	A	B	C	D	F
2021-01-01	-0.357479	-1.842220	-1.042668	-5	NaN
2021-01-02	-0.228424	-0.569850	-0.553308	-5	-1.0
2021-01-03	-0.555351	-1.077957	-1.257102	-5	-2.0
2021-01-04	-1.373952	-0.535984	-0.427435	-5	-3.0
2021-01-05	-0.498451	-0.024202	-1.882293	-5	-4.0
2021-01-06	-0.376823	-0.461702	-0.783204	-5	-5.0

	A	B	C	D	F	E
2021-01-01	False	False	False	False	True	False
2021-01-02	False	False	False	False	False	False
2021-01-03	False	False	False	False	False	True
2021-01-04	False	False	False	False	False	True

	0	1	2	3
0	1.061823	-0.189506	0.508823	-0.763932
1	-0.166321	-1.494115	-1.350617	-0.236430
2	0.581744	0.972317	1.206331	-0.024456
3	1.625076	0.601253	-1.071447	-0.006372
4	0.696309	-0.198812	0.481071	0.430160
5	-0.450852	1.107708	-0.595119	1.222581
6	-0.629644	0.333313	-0.506182	-1.168663
7	-1.073598	0.235184	0.509337	-1.011330
8	1.603006	1.016855	0.261735	0.388407
9	-0.409968	-2.041778	0.522388	0.227021

	A	B	C	D
0	foo	one	0.857877	-1.659561
1	bar	one	-0.201005	-0.889734
2	foo	two	-0.884274	-0.295573
3	bar	three	0.762701	1.502002
4	foo	two	0.903834	-0.346878
5	bar	two	0.767651	-0.867291
6	foo	one	1.389330	-1.799274
7	foo	three	0.535811	0.210887

		A	B
first	second
bar	one	-1.088797	0.524861
bar	two	-0.751904	1.001665
baz	one	0.664458	0.298752
baz	two	-0.928191	0.971767
foo	one	0.502834	-1.027224
foo	two	-0.279076	-2.027543
qux	one	0.849527	-0.075728
qux	two	-0.714455	-1.334737

	A	B	C	D	E
0	one	A	foo	-2.423209	1.428864
1	one	B	foo	-0.454730	-0.534660
2	two	C	foo	-1.682026	-1.710764
3	three	A	bar	0.894572	-2.157935
4	one	B	bar	0.475995	0.956989
5	one	C	bar	-0.517890	-1.935444
6	two	A	foo	-0.696429	-2.015606
7	three	B	foo	0.010003	-0.949925
8	one	C	foo	-0.540024	-1.865899
9	one	A	bar	-0.006918	-0.537639
10	two	B	bar	0.241807	-0.358037
11	three	C	bar	-0.883745	-0.453944

	customerNumber	customerName	contactLastName	contactFirstName	phone	addressLine1	addressLine2	city	state	postalCode	country	salesRepEmployeeNumber	creditLimit
0	103	Atelier graphique	Schmitt	Carine	40.32.2555	54, rue Royale	NaN	Nantes	NaN	44000	France	1370.0	21000
1	112	Signal Gift Stores	King	Jean	7025551838	8489 Strong St.	NaN	Las Vegas	NV	83030	USA	1166.0	71800
2	114	Australian Collectors, Co.	Ferguson	Peter	03 9520 4555	636 St Kilda Road	Level 3	Melbourne	Victoria	3004	Australia	1611.0	117300
3	119	La Rochelle Gifts	Labrune	Janine	40.67.8555	67, rue des Cinquante Otages	NaN	Nantes	NaN	44000	France	1370.0	118200
4	121	Baane Mini Imports	Bergulfsen	Jonas	07-98 9555	Erling Skakkes gate 78	NaN	Stavern	NaN	4110	Norway	1504.0	81700
...	...	...	...	...	...	...	...	...	...	...	...	...	...
117	486	Motor Mint Distributors Inc.	Salazar	Rosa	2155559857	11328 Douglas Av.	NaN	Philadelphia	PA	71270	USA	1323.0	72600
118	487	Signal Collectibles Ltd.	Taylor	Sue	4155554312	2793 Furth Circle	NaN	Brisbane	CA	94217	USA	1165.0	60300
119	489	Double Decker Gift Stores, Ltd	Smith	Thomas	(171) 555-7555	120 Hanover Sq.	NaN	London	NaN	WA1 1DP	UK	1501.0	43300
120	495	Diecast Collectables	Franco	Valarie	6175552555	6251 Ingle Ln.	NaN	Boston	MA	51003	USA	1188.0	85100
121	496	Kelly's Gift Shop	Snowden	Tony	+64 9 5555500	Arenales 1938 3'A'	NaN	Auckland	NaN	NaN	New Zealand	1612.0	110000

« 2025/05 »
일	월	화	수	목	금	토
				1	2	3
4	5	6	7	8	9	10
11	12	13	14	15	16	17
18	19	20	21	22	23	24
25	26	27	28	29	30	31

	A	B	C	D	F
2021-01-01	-0.357479	1.842220	1.042668	5	NaN
2021-01-02	-0.129054	1.272370	1.595976	10	1.0
2021-01-03	0.426297	0.194414	0.338874	15	3.0
2021-01-04	1.800248	-0.341571	-0.088561	20	6.0
2021-01-05	1.301797	-0.317368	1.793733	25	10.0
2021-01-06	1.678620	0.144334	1.010528	30	15.0

	A	B	C	D	F
2021-01-01	-0.357479	1.842220	1.042668	5	NaN
2021-01-02	-0.129054	1.272370	1.595976	10	1.0
2021-01-03	0.426297	0.194414	0.338874	15	3.0
2021-01-04	1.800248	-0.341571	-0.088561	20	6.0
2021-01-05	1.301797	-0.317368	1.793733	25	10.0
2021-01-06	1.678620	0.144334	1.010528	30	15.0

Day11 (0)	2021.12.28
시험 대비 (21.12.27) (1)	2021.12.27
Day10 (0)	2021.12.24
Day9 - Code (1)	2021.12.23
Day9 (0)	2021.12.23