9566

결측치 대체 1. 결측치 개수확인 .isnull().sum() #결과는 시리즈형태 2. 결측값 확인 df[df['x1'].isnull()] 실습 코드 import pandas as pd import numpy as np df = pd.DataFrame({ 'X1': [0, 1, 2, 4], 'X2': [5, 7, np.nan, 9], 'X3': [np.nan, 10, np.nan, 12]}) df # 방법 1 df.isnull().sum() # X2가 1개, X3가 2개의 결측치를 가진다. # 방법 2 df[df['X2'].isnull()] # 결측값 확인 실습 결과 실습 파일

결측치 대체 1. (결측치 -> 평균값) df.X1 = df.X1.fillna(df.X1.mean()) # NaN을 평균값으로 대체 2. (결측치 -> 최빈값, 평균값) df.fillna({'X1':df['X1'].mode()[0], 'X2':int(df['X2'].mean())}, inplace=True) # X1은 최빈값, X2는 평균값으로 대체 3. (결측치 -> 정수) df['X1'] = df['X1'].fillna(3) # 결측값을 3으로 대체 4. (결측치 -> 0) df = df.replace(np.NaN, 0) + 추가 1. ( 값 -> 결측치) df.iloc[3, 3] = np.nan # 3행3열을 결측값으로 교체 # iloc = index location(인덱스 위치) 2. (문자 ->..

np.random.rand(n) # 균일분포 np.random.randn(n) # 정규분포 np.linspace(0, 5, n) #0~5사이의 n개의 수 np.minimum np.abs() np.sqrt np.square #제곱 np.median(df['x1']) np.var np.min np.max np.std np.quntile(df['x1'], 0.25) # 0.5, 0.75 np.mean # 결과를 정수로 → int(np.mean())

1. 결측치 확인——————————————————————————————— 2. .isnull().sum() #결과는 시리즈형태 # 결측치 개수확인 3. df[df['x1'].isnull()] # 결측값 확인 실습 : https://9566.tistory.com/41 4. 데이터 제거————————————————————————————— 5. .drop(시리즈.index.tolist(), axis=1) # 변수 삭제 #drop안에 list가 들어가야함 6. .drop(columns=['x1', 'x2'], axis =1, inplace=True) # 열 제거 # inplace=True는 df에 바로 적용 7. .drop(columns={'x1', 'x2'}) 실습 : https://9566.tistory.c..

한 열 + 인덱스 = array([1, 2, 3, 4]) + 인덱스 4x1 형태 가장 바깥 []의 안의 가장 바깥 ,을 엔터(axis)라 생각 array([1, 2, 3, 4]) = 4x1 형태 # array([1,2,3,4], [5,6,7,8]) = 2x4 형태 데이터프레임의 부분 시리즈와 숫자 비교연산가능 ex) df_missing > 0 적용가능한 함수 조건—————————————————————————————————————- s=s[조건] #범위줄이기 s[조건].plot.bar() #그래프 그리기 개수세기———————————————————————————————————- len(s) # 길이확인, 개수세기 s.count() # 널값포함 개수세기 .sort_values(ascending=False) #..