In [1]:
import pandas as pd
1. friend_list.csv 파일을 불러와서 상위5개만 출력해 보세요.¶
In [2]:
df = pd.read_csv('../data/friend_list.csv')
df.head()
Out[2]:
name | age | job | |
---|---|---|---|
0 | John | 20 | student |
1 | Jenny | 30 | developer |
2 | Nate | 30 | teacher |
3 | Julia | 40 | dentist |
4 | Brian | 45 | manager |
2. friend_list.txt 파일을 불러와서 상위 5개만 출력해 보세요.¶
In [3]:
df_txt = pd.read_csv('../data/friend_list.txt')
df_txt.head()
Out[3]:
name | age | job | |
---|---|---|---|
0 | John | 20 | student |
1 | Jenny | 30 | developer |
2 | Nate | 30 | teacher |
3 | Julia | 40 | dentist |
4 | Brian | 45 | manager |
3. friend_list_tab.txt 파일을 불러와서 상위 5개만 출력해 보세요.¶
In [4]:
df_friend_list_tab = pd.read_csv('../data/friend_list_tab.txt')
df_friend_list_tab.head()
Out[4]:
name\tage\tjob | |
---|---|
0 | John\t20\tstudent |
1 | Jenny\t30\tdeveloper |
2 | Nate\t30\tteacher |
3 | Julia\t40\tdentist |
4 | Brian\t45\tmanager |
4. 헤더가 없는 friend_list_no_head.csv 파일의 첫번째 데이터가 헤더로 들어가지 않도록 불러와 보세요.¶
In [5]:
df_friend_no_head = pd.read_csv('../data/friend_list_no_head.csv')
# df_friend_no_head
In [6]:
df_friend_no_head_change = df_friend_no_head.shift(1)
df_friend_no_head_change.loc[0] = ['John', 20, 'student']
df_friend_no_head_change.columns = ['name', 'age', 'job']
df_friend_no_head_change
Out[6]:
name | age | job | |
---|---|---|---|
0 | John | 20.0 | student |
1 | Jenny | 30.0 | developer |
2 | Nate | 30.0 | teacher |
3 | Julia | 40.0 | dentist |
4 | Brian | 45.0 | manager |
In [7]:
df_5 = pd.DataFrame({
'name': ['John', 'Jenny', 'Nate'],
'age': [20, 30, 30],
'job': [ 'student', 'developer', 'teacher']
})
df_5
Out[7]:
name | age | job | |
---|---|---|---|
0 | John | 20 | student |
1 | Jenny | 30 | developer |
2 | Nate | 30 | teacher |
6. 1부터 3까지 행(row)을 출력해 보세요.(순차적 선택)¶
In [8]:
df_5.iloc[0:3]
Out[8]:
name | age | job | |
---|---|---|---|
0 | John | 20 | student |
1 | Jenny | 30 | developer |
2 | Nate | 30 | teacher |
7. 0, 2번 행(row)을 선택해서 출력해 보세요.(순차적이지 않은 row 선택)¶
In [9]:
df_5.iloc[0:3:2]
Out[9]:
name | age | job | |
---|---|---|---|
0 | John | 20 | student |
2 | Nate | 30 | teacher |
8. 모든 행(row)을 보여주되, 열(column)은 0부터 1까지만 출력¶
In [10]:
df_5.iloc[:, [0, 1]]
Out[10]:
name | age | |
---|---|---|
0 | John | 20 |
1 | Jenny | 30 |
2 | Nate | 30 |
9. 모든 행(row)을 보여주되, 열(column) 0와 2만 출 출력¶
In [11]:
df_5.iloc[:, [0, 2]]
Out[11]:
name | job | |
---|---|---|
0 | John | student |
1 | Jenny | developer |
2 | Nate | teacher |
10. 데이터프레임에서 'name'과 'age' 열만 출력해 보세요.¶
In [12]:
df_5.loc[:,['name', 'age']]
Out[12]:
name | age | |
---|---|---|
0 | John | 20 |
1 | Jenny | 30 |
2 | Nate | 30 |
반응형
'데이터분석' 카테고리의 다른 글
[23.06.13] Python 클래스 - 08(2) (0) | 2023.06.13 |
---|---|
[23.06.13] Python 클래스 - 08(1) (0) | 2023.06.13 |
[23.06.12] Python Series, DataFrame - 07(4) (0) | 2023.06.12 |
[23.06.12] Python pandas - 07(3) (0) | 2023.06.12 |
[23.06.12] Python pandas - 07(2) (1) | 2023.06.12 |