PANDAS

Chapter 08. 데이터 사전처리

PANDAS 데이터 사전처리

데이터표준화

• 자료형 변환
  - 기본 자료형
  ↑                                              ↓
  - 데이터 자료형 => 범주형, 연속형
  
• 함수
  객체.astype(‘자료형’)              => 자료형으로 변환
  객체.dtypes(                        => 자료형 확인

범주형 데이터 처리

• 구간 분할(Binning)
  연속형 데이터를 일정 구간으로 나누어 범주형 데이터로 변환

  pandas.cut((x=df[컬럼명],                              # 데이터배열
                       right=True,                            # 오른쪽 같 포함
                       bins=n,                                 # 경계값리스트
                       labels=bin_names,                  # bin 이름
                       include_lowest=True)              # 첫경계값포함
  )
  A < ~ <= B

---

• 더미변수(Dummy Variable)
  - 컴퓨터가인식가능한입력값0, 1로변환

  특징(Feature)이 있으면 1, 없으면 0 → One-Hot-Encoding

pandas.get_dummies( 구간분할 데이터 )

---

• 정규화(Normalization)란?
  • 각열에 속하는 숫자 데이터의 상대적 크기 차이 해결
  • 동일한 크기 기준으로 나눈 비율로 나타내는 것
  • 데이터범위: 0 ~ 1 또는 -1 ~ 1

• 방법
  • 열의 최대값의 절대값으로 데이터 나누기
  • 열의 최대값 - 최소값 결과값으로 데이터 나누기

---

Chapter 09. 데이터 응용

PANDAS 데이터 응용

함수 매핑

object.apply( 함수명,
                 args=( ),              # 객체 이외에 함수에 전달되는 인자
                 **kwargs,             # 객체 이외에 함수에 전달되는 가변인자
                 axix=0,                # 0 or ‘index’: apply function to each column.
                                          # 1 or ‘columns’: apply function to each row.
                 result_type=         # expand - 열에 리스트와 유사한 결과반환
                                          # reduce - 시리즈 반환,
                                          # broadcast - 데이터프레임
                )
반환: 단일값, 시리즈, 데이터프레임

---

object.applymap( func,
                 na_action,
             # NaN 데이터 처리
                 **kwargs,             # 객체 이외에 함수에 전달되는 가변인자
                )

반환: DataFrame

object.pipe( func,
                 args=( ),              # 객체 이외에 함수에 전달되는 인자
                 **kwargs,             # 객체 이외에 함수에 전달되는 가변인자
                 axis=0
                )
반환: 단일값, 시리즈, 데이터프레임

---

열재구성-열순서변경

---

열재구성-열분리

---

필터링(Filtering)

---