오경석의 개발노트

백업(back-up) : 사용자의 실수나 컴퓨터의 오류, 바이러스, 정전 등으로 원본이 손상되거나 잃어버릴 경우를 대비하여 원본을 미리 복사해 두는 것. 컴퓨터를 이용해서 작업을 할 때는 예상치 못한 재해나 사고, 사용자의 실수 등으로 인해 작성하고 있던 자료가 모두 없어지거나 손상이 일어날 수 있다. 자료가 손상되어 사용할 수 없는 상황을 대비하기 위해서는 같은 내용의 자료를 미리 다른 장소나 매체에 저장해 복사해 둠으로써 원래 자료가 없어지더라도 큰 문제가 되지 않도록 해야 한다. 이러한 과정을 바로 백업이라고 한다. IT에서는 데이터 백업(data backup)이라고 하고 데이터 백업을 수행한 파일은 백업 파일이라고 한다. 또한 시스템을 재설치할 경우 자료의 손쉬운 이동을 확실히 하기 위해 백업을 ..

피봇 테이블 함수 : pivot_table() 피봇 테이블(pivot table)이란 데이터 열 중에서 두 개의 열을 각각 행 인덱스, 열 인덱스로 사용하여 데이터를 조회하여 펼쳐놓은 것을 말한다. Pandas는 피봇 테이블을 만들기 위한 pivot 메서드를 제공한다. 첫 번째 인수로는 행 인덱스로 사용할 열 이름, 두 번째 인수로는 열 인덱스로 사용할 열 이름, 그리고 마지막으로는 데이터로 사용할 열 이름을 넣는다. Pandas는 지정된 두 열을 각각 행 인덱스와 열 인덱스로 바꾼 후 행 인덱스의 라벨 값이 첫 번째 키의 값과 같고 열 인덱스의 라벨 값이 두 번째 키의 값과 같은 데이터를 찾아서 해당 칸에 넣는다. 만약 주어진 데이터가 존재하지 않으면 해당 칸에 NaN값을 넣는다. pivot_table..

코드 실행 전에 잡는 오류 1. SyntaxError : 구문 오류 SyntaxError는 파이썬 문법을 지키지 않았을 때 발생하는 에러다. 구문 오류가 있을 때는 프로그램이 실행조차되지 않는다. 그래서 비교적 쉽게 문제점을 발견하여 처리할 수 있다. 예를 들어, 파이썬에서 for문의 시작부의 끝에는 항상 콜론을 넣어줘야 한다. 생략하면 SyntaxError가 발생한다. 코드 실행 중에 잡는 오류 1. IndexError : 인덱스 오류 인덱스의 범위를 초과했을 때 발생하는 오류이다. 예를 들어, a = [1, 2, 3]일때 a[2]까지 밖에 없지만 a[3]을 선택하면 IndexError가 발생한다. 2. TypeError - 다른 타입의 데이터를 연산할 때 발생하는 오류 3. FileNotFoundEr..

프로그램을 만들다 보면 수없이 많은 오류를 만나게 된다. 프로그램 실행 중에 발생하는 오류를 예외(exception) 또는 런타임 오류(runtime error)라고 한다. 물론 오류가 발생하는 이유는 프로그램이 잘못 동작하는 것을 막기 위한 파이썬의 배려이다. 하지만 때때로 이러한 오류를 무시하고 싶을 때도 있다. 오류가 나면 스크립트 실행이 중단되는데 이를 방지하거나(ex. 웹 크롤링 시 에러가 발생해도 계속 실행하고 이후에 에러가 발생한 부분만 다시 실행), 오류에 이름을 지정해줘서 보기 편하게 할 수 있다. 프로그램이 안정적으로 구동될 수 있기 위해서는 예외 상황에 대한 처리를 잘해주어야 한다. 물론 조건문을 통해 예외상황을 처리해줄 수도 있지만 예외가 발생하는 상황을 예측하고 모두 조건문으로 처..

1. DataFrame 붙이기 : pd.concat() pd.concat()는 DataFrame을 말 그대로 물리적으로 이어 붙인다. concat() for combining DataFrames across rows or columns 해당 method의 옵션들은 다음과 같다. pd.concat(objs, # Series, DataFrame, Panel object axis=0, # default(행방향), 1 : 열방향 join='outer', # default, 'inner' ignore_index=False, default(기존 index 유지), True : 기존 index 무시 keys=None, 계층적 index 사용하려면 keys 튜플 입력 levels=None, names=None, # i..

# DataFrame type 확인 type(df) # DataFrame 각 컬럼별 data type 확인 df.dtypes # DataFrame data type 변경 df = df.astype('string or int or float') df['column_name'] = df['column_name'].astype('string or int or float') # 하나의 컬럼 data type만 변경

# 고윳값의 종류 df['column_name'].unique() np.unique(df['column_name']) # 고윳값의 갯수 df['column_name'].nunique()

df['column_name'].value_counts()