01. Analysis Seoul CCTV

import pandas as pd
CCTV_Seoul = pd.read_csv("../data/01. Seoul_CCTV.csv")
CCTV_Seoul.head()
CCTV_Seoul.columns[0]
CCTV_Seoul.rename(columns={CCTV_Seoul.columns[0]: "구별"}, inplace=True)
CCTV_Seoul.head() 

Pandas 기초

• Python에서 R만큼의 강력한 데이터 핸들링 성능을 제공하는 모듈이다.
• 단일 프로세스에서 최대의 효율을 낸다.
• 코딩 가능하고 응용 가능한 엑셀
• 누군가 스테로이를 맞은 엑셀이라고도 한다.
• pandas는 통상 pd
• numpy는 통상 np

Series

• index와 value로 이루어져 있다.
• 한 가지 데이터 타입만 가질 수 있다.

import pandas as pd
import numpy as np
pd.Series([1, 2, 3, 4, 5, "hello"])

0        1
1        2
2        3
3        4
4        5
5    hello
dtype: object

data = pd.Series([1.2,3,4,5], dtype=np.float64)
data % 2

0    1.2
1    1.0
2    0.0
3    1.0
dtype: float64

pd.Series({"key" : "value"})

key    value
dtype: object

날짜 데이터

• date_range("20230101", periods=6)
• 날짜 데이터는 "문자"로

date = pd.date_range("20230101", periods=6)

DataFrame

• pd.series()
  • index, value
• pd.DataFrame()
  • index, value, column

#표준 정규 분포에서 샘플링한 난수 추출
data = np.random.randn(6, 4)
data

array([[-0.62742841,  0.72841265,  0.1747223 ,  0.99887646],
       [ 0.95905824,  0.93861376, -0.77302052, -2.40639897],
       [ 0.1160a9446,  0.72788705, -0.11383177,  0.72457986],
       [ 0.93933099, -1.04813121,  0.22793321, -1.5712901 ],
       [-0.87442036, -1.31776168, -0.37008561,  0.29413542],
       [-1.61986999, -1.19964403,  0.68513213, -1.60518514]])

df = pd.DataFrame(data, index=date, columns=["A", "B", "C", "D"])
df

데이터 프레임 정보 탐색

• df.head(), df.tail() : 메서드라서 괄호 필요

• index, columns, value : 변수라서 괄호 불요

• df.head() : 상위 5개값 추출
  

• df.index : 인덱스 값 추출

DatetimeIndex(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04',
               '2023-01-05', '2023-01-06'],
              dtype='datetime64[ns]', freq='D')

• df.columns : column값만 추출

Index(['A', 'B', 'C', 'D'], dtype='object')

• df.info() : 데이터프레임 정보 추출

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 6 entries, 2023-01-01 to 2023-01-06
Freq: D
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   A       6 non-null      float64
 1   B       6 non-null      float64
 2   C       6 non-null      float64
 3   D       6 non-null      float64
dtypes: float64(4)
memory usage: 240.0 bytes

• df.describe() : 데이터 프레임의 기술 통계 정보 확인
  

데이터 정렬

• sort_values() : 오름차순 정렬
• sort_values(by="", ascending = False)
• 특정 column(열)을 기준으로 데이터를 정렬

A B C D
2023-01-05 -0.874420 -1.317762 -0.370086 0.294135
2023-01-06 -1.619870 -1.199644 0.685132 -1.605185
2023-01-04 0.939331 -1.048131 0.227933 -1.571290
2023-01-03 0.116094 0.727887 -0.113832 0.724580
2023-01-01 -0.627428 0.728413 0.174722 0.998876
2023-01-02 0.959058 0.938614 -0.773021 -2.406399
A B C D
2023-01-02 0.959058 0.938614 -0.773021 -2.406399
2023-01-01 -0.627428 0.728413 0.174722 0.998876
2023-01-03 0.116094 0.727887 -0.113832 0.724580
2023-01-04 0.939331 -1.048131 0.227933 -1.571290
2023-01-06 -1.619870 -1.199644 0.685132 -1.605185
2023-01-05 -0.874420 -1.317762 -0.370086 0.294135
2023-01-02 0.959058
2023-01-01 -0.627428
2023-01-03 0.116094
2023-01-04 0.939331
2023-01-06 -1.619870
2023-01-05 -0.874420
Name: A, dtype: float64
2023-01-02 0.959058
2023-01-01 -0.627428
2023-01-03 0.116094
2023-01-04 0.939331
2023-01-06 -1.619870
2023-01-05 -0.874420
Name: A, dtype: float64