Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
Tags
- 스프링
- 시큐리티
- 데이터
- Java
- Oracle
- CS
- Spring Security
- spring
- baekjoon
- DB
- 프로그래머스
- 플러터
- backjoon
- postgresql
- 자바
- Flutter
- javascript
- 리눅스
- 데이터베이스
- 스프링 부트 쇼핑몰 프로젝트 with JPA
- JPA
- CS지식
- 네트워크
- python
- 자바스크립트
- 스프링부트
- 자료구조
- springboot
- 파이썬
- 백준
Archives
- Today
- Total
Jin's Dev Story
[Python] apply 함수 본문
apply 함수 활용
- DataFrame 타입의 객체에서 호출가능한 apply 함수에 대해 살펴보자
- 본인이 원하는 행과 열에 연산 혹은 function을 적용할 수 있음
- 열 기준으로 집계하고 싶은 경우 axis = 0
- 행 기준으로 집계하고 싶은 경우 axis = 1
열 기준 집계
# apply 함수
# 열 기준 집계
abalone_df[['diameter']].apply(np.average, axis=0)
행 기준 집계
# 행 기준 집계
abalone_df[['diameter']].apply(np.average, axis=1)
사용자 함수를 통한 집계
# 사용자 함수를 통한 집계 ★★★★★
import math
def avg_ceil(x, y, z):
return math.ceil((x+y+z)/3) # ceil 올림
abalone_df[['diameter', 'height', 'whole_weight']].apply(lambda x: avg_ceil(x[0], x[1], x[2]), axis=1)
문제
# 문제
# 1. 사용자 정의 함수 사용
# 2. ['diameter', 'height', 'whole_weight'] 변수 사용
# 3. 세 변수의 합이 1이 넘으면 True, 아니면 False 출력 후 answer 변수에 저장
# 4. abalone_df에 answer 열을 추가하고 입력
def f(x):
sum_ = x[0] + x[1] + x[2]
if sum_ > 1:
return True
else:
return False
answer = abalone_df[['diameter', 'height', 'whole_weight']].apply(lambda x: f(x), axis=1)
abalone_df['answer'] = answer
컬럼 갯수 확인 - value_counts()
# 컬럼 내 유니크한 값 뽑아서 갯수 확인(카테고리 변수)
abalone_df['sex'].value_counts()
- ascending=True → 정렬
# 컬럼 내 유니크한 값 뽑아서 갯수 확인(카테고리 변수)
abalone_df['sex'].value_counts(ascending=True)
- dropna=True → 결측치 제외
# 컬럼 내 유니크한 값 뽑아서 갯수 확인(카테고리 변수)
abalone_df['sex'].value_counts(dropna=True)
'Programming Language > Python' 카테고리의 다른 글
[Python] Matplotlib과 Seaborn라이브러리를 활용한 데이터 시각화 (0) | 2024.06.13 |
---|---|
[Python] DataFrame 그룹 (0) | 2024.06.13 |
[Python] DataFrame (0) | 2024.06.13 |
[Python] iloc와 loc (0) | 2024.06.13 |
[Python] Pandase(판다스) (0) | 2024.06.13 |