모듈 import¶

In [1]:

from IPython.display import Image
import numpy as np
import pandas as pd

데이터 다운로드¶

In [2]:

from opendata import dataset

# 데이터셋 다운로드
dataset.download('서울시대중교통')
dataset.download('서울시주민등록인구')

======= 다운로드 시작 =======

data/seoul_transportation.xlsx

  0%|          | 0.00/26.2k [00:00<?, ?B/s]

======= 다운로드 완료 =======
======= 다운로드 시작 =======

data/seoul_population.csv

  0%|          | 0.00/3.55k [00:00<?, ?B/s]

======= 다운로드 완료 =======

Excel¶

도큐먼트

Excel - 불러오기¶

Excel 데이터를 바로 읽어들일 수 있으며, sheet_name을 지정하면 해당 sheet를 가져옵니다.

[참고] pd.read_excel()로 엑셀 데이터 로드시 에러 발생한다면 engine='openpyxl'을 추가

In [3]:

excel = pd.read_excel('data/seoul_transportation.xlsx', sheet_name='철도')

In [4]:

excel.head()

Out[4]:

	대중교통구분	노선명	년월	승차총승객수
0	지하철	1호선	201711	8633618
1	지하철	1호선	201712	8737235
2	지하철	1호선	201801	8145989
3	지하철	1호선	201802	7273309
4	지하철	1호선	201803	8692551

In [5]:

excel = pd.read_excel('data/seoul_transportation.xlsx', sheet_name='버스')
excel.head()

Out[5]:

	대중교통구분	년월	승차총승객수
0	버스	201711	163443126
1	버스	201712	162521011
2	버스	201801	153335185
3	버스	201802	134768582
4	버스	201803	166177855

sheet_name을 None으로 지정하면, 모든 sheet를 가지고 옵니다.

가지고 올 때는 OrderedDict로 가져오며, keys()로 시트명을 조회할 수 있습니다.

In [6]:

excel = pd.read_excel('data/seoul_transportation.xlsx', sheet_name=None)
excel

Out[6]:

{'철도':     대중교통구분    노선명      년월   승차총승객수
 0      지하철    1호선  201711  8633618
 1      지하철    1호선  201712  8737235
 2      지하철    1호선  201801  8145989
 3      지하철    1호선  201802  7273309
 4      지하철    1호선  201803  8692551
 ..     ...    ...     ...      ...
 596    지하철  우이신설선  201901  1263643
 597    지하철  우이신설선  201902  1102109
 598    지하철  우이신설선  201903  1402393
 599    지하철  우이신설선  201904  1403115
 600    지하철  우이신설선  201905  1469681
 
 [601 rows x 4 columns],
 '버스':    대중교통구분      년월     승차총승객수
 0      버스  201711  163443126
 1      버스  201712  162521011
 2      버스  201801  153335185
 3      버스  201802  134768582
 4      버스  201803  166177855
 5      버스  201804  160452595
 6      버스  201805  164390595
 7      버스  201806  156999747
 8      버스  201807  163736112
 9      버스  201808  160240197
 10     버스  201809  151311657
 11     버스  201810  165820934
 12     버스  201811  163017758
 13     버스  201812  158049446
 14     버스  201901  153037549
 15     버스  201902  131621925
 16     버스  201903  161694445
 17     버스  201904  161900273
 18     버스  201905  166587933}

keys()로 포함하고 있는 시트를 조회합니다.

In [7]:

# 시트 조회
excel.keys()

Out[7]:

dict_keys(['철도', '버스'])

In [8]:

excel['철도'].head()

Out[8]:

	대중교통구분	노선명	년월	승차총승객수
0	지하철	1호선	201711	8633618
1	지하철	1호선	201712	8737235
2	지하철	1호선	201801	8145989
3	지하철	1호선	201802	7273309
4	지하철	1호선	201803	8692551

In [9]:

excel['버스'].head()

Out[9]:

	대중교통구분	년월	승차총승객수
0	버스	201711	163443126
1	버스	201712	162521011
2	버스	201801	153335185
3	버스	201802	134768582
4	버스	201803	166177855

Excel - 저장하기¶

DataFrame을 Excel로 저장할 수 있으며, Excel로 저장시 파일명을 지정합니다.

index=False 옵션은 가급적 꼭 지정하는 옵션입니다. 지정을 안하면 index가 별도의 컬럼으로 저장되게 됩니다.
sheet_name을 지정하여, 저장할 시트의 이름을 변경할 수 있습니다.

In [10]:

excel = pd.read_excel('data/seoul_transportation.xlsx', sheet_name='철도')
excel.head()

Out[10]:

	대중교통구분	노선명	년월	승차총승객수
0	지하철	1호선	201711	8633618
1	지하철	1호선	201712	8737235
2	지하철	1호선	201801	8145989
3	지하철	1호선	201802	7273309
4	지하철	1호선	201803	8692551

별도의 시트명 지정 없이 저장

In [11]:

excel.to_excel('sample.xlsx', index=True)

시트명을 샘플로 지정하여 저장

In [12]:

excel.to_excel('sample1.xlsx', index=False, sheet_name='샘플')

CSV (Comma Separated Values)¶

한 줄이 한 개의 행에 해당하며, 열 사이에는 쉼표(,)를 넣어 구분합니다.
Excel보다는 훨씬 가볍고 차지하는 용량이 적기 때문에 대부분의 파일데이터는 csv 형태로 제공됩니다.

CSV - 불러오기¶

In [13]:

df = pd.read_csv('data/seoul_population.csv')

In [14]:

df

Out[14]:

	연도	자치구	세대수	인구 합계	남자 인구 합계	여자 인구 합계	한국인 인구 합계	한국인 남자 인구수	한국인 여자 인구수	등록 외국인 인구 합계	등록 외국인 인구 남자수	등록 외국인 인구 여자수	세대당 인구	65세 이상 고령자 수
0	2020	합계	4,417,954	9,911,088	4,816,522	5,094,566	9,668,465	4,701,723	4,966,742	242,623	114,799	127,824	2.19	1,568,331
1	2020	종로구	75,003	158,996	76,876	82,120	149,384	72,635	76,749	9,612	4,241	5,371	1.99	28,507
2	2020	중구	63,686	134,635	65,776	68,859	125,240	61,222	64,018	9,395	4,554	4,841	1.97	24,495
3	2020	용산구	113,093	244,645	118,835	125,810	230,040	110,722	119,318	14,605	8,113	6,492	2.03	40,247
4	2020	성동구	135,870	300,505	146,424	154,081	293,556	143,387	150,169	6,949	3,037	3,912	2.16	45,603
5	2020	광진구	167,427	360,109	173,000	187,109	346,682	167,310	179,372	13,427	5,690	7,737	2.07	50,560
6	2020	동대문구	167,598	357,014	175,322	181,692	342,837	169,769	173,068	14,177	5,553	8,624	2.05	61,796
7	2020	중랑구	185,920	399,562	197,118	202,444	394,702	195,165	199,537	4,860	1,953	2,907	2.12	69,447
8	2020	성북구	195,396	447,056	214,658	232,398	437,153	210,810	226,343	9,903	3,848	6,055	2.24	73,770
9	2020	강북구	145,896	311,569	151,466	160,103	308,055	150,143	157,912	3,514	1,323	2,191	2.11	63,422
10	2020	도봉구	139,114	327,361	159,420	167,941	325,257	158,620	166,637	2,104	800	1,304	2.34	62,059
11	2020	노원구	218,270	527,032	254,188	272,844	523,037	252,383	270,654	3,995	1,805	2,190	2.40	85,489
12	2020	은평구	213,914	484,043	231,998	252,045	479,835	230,279	249,556	4,208	1,719	2,489	2.24	85,187
13	2020	서대문구	144,838	322,952	153,152	169,800	312,173	149,360	162,813	10,779	3,792	6,987	2.16	54,204
14	2020	마포구	178,482	381,858	178,977	202,881	371,890	175,150	196,740	9,968	3,827	6,141	2.08	54,331
15	2020	양천구	180,633	457,781	224,379	233,402	454,251	222,824	231,427	3,530	1,555	1,975	2.51	65,670
16	2020	강서구	266,982	585,901	282,686	303,215	580,185	280,034	300,151	5,716	2,652	3,064	2.17	88,984
17	2020	구로구	180,531	432,488	215,424	217,064	404,408	199,673	204,735	28,080	15,751	12,329	2.24	70,198
18	2020	금천구	114,715	247,835	126,141	121,694	231,733	117,226	114,507	16,102	8,915	7,187	2.02	39,842
19	2020	영등포구	184,714	407,367	202,969	204,398	379,480	187,647	191,833	27,887	15,322	12,565	2.05	61,688
20	2020	동작구	184,229	401,572	193,718	207,854	391,220	189,152	202,068	10,352	4,566	5,786	2.12	65,190
21	2020	관악구	274,811	509,803	255,211	254,592	495,060	248,339	246,721	14,743	6,872	7,871	1.80	78,875
22	2020	서초구	173,502	429,025	205,282	223,743	425,126	203,359	221,767	3,899	1,923	1,976	2.45	60,169
23	2020	강남구	234,872	544,055	260,378	283,677	539,231	257,999	281,232	4,824	2,379	2,445	2.30	75,096
24	2020	송파구	281,959	673,926	325,080	348,846	667,960	322,299	345,661	5,966	2,781	3,185	2.37	93,483
25	2020	강동구	196,499	463,998	228,044	235,954	459,970	226,216	233,754	4,028	1,828	2,200	2.34	70,019

CSV - 저장하기¶

저장하는 방법은 excel과 유사합니다. 다만, csv파일 형식에는 sheet_name 옵션은 없습니다.

In [15]:

df = pd.read_csv('data/seoul_population.csv')

to_csv()으로 csv 파일형식으로 저장할 수 있습니다.

In [16]:

df.to_csv('sample.csv', index=False)

읽어들인 Excel 파일도 Csv로 저장할 수 있습니다.

In [17]:

excel = pd.read_excel('data/seoul_transportation.xlsx', sheet_name='버스', engine='openpyxl')
excel.head()

Out[17]:

	대중교통구분	년월	승차총승객수
0	버스	201711	163443126
1	버스	201712	162521011
2	버스	201801	153335185
3	버스	201802	134768582
4	버스	201803	166177855

In [18]:

excel.to_csv('sample1.csv', index=False)

json(JavaScript Object Notation)¶

JavaScript Object Notation라는 의미의 축약어로 데이터를 저장하거나 전송할 때 많이 사용되는 경량의 DATA 교환 형식
용량이 작고, 파일의 구조를 이해하기 직관적
데이터 전송시 많이 사용됩니다.

In [19]:

import pprint
import json
import requests

# USD 환율 정보 실시간 요청 API
# 결과 형식을 json 형식으로 반환
url = "https://api.exchangerate-api.com/v4/latest/USD"

# API로 실시간 데이터 요청
ret = requests.get(url)

# json 형식의 파일로 로드
json_data = json.loads(ret.text)

# 출력
pprint.pprint(json_data)

{'WARNING_UPGRADE_TO_V6': 'https://www.exchangerate-api.com/docs/free',
 'base': 'USD',
 'date': '2024-06-30',
 'provider': 'https://www.exchangerate-api.com',
 'rates': {'AED': 3.67,
           'AFN': 70.81,
           'ALL': 93.69,
           'AMD': 388.03,
           'ANG': 1.79,
           'AOA': 865.33,
           'ARS': 911.75,
           'AUD': 1.5,
           'AWG': 1.79,
           'AZN': 1.7,
           'BAM': 1.83,
           'BBD': 2,
           'BDT': 117.52,
           'BGN': 1.83,
           'BHD': 0.376,
           'BIF': 2865.48,
           'BMD': 1,
           'BND': 1.36,
           'BOB': 6.92,
           'BRL': 5.5,
           'BSD': 1,
           'BTN': 83.42,
           'BWP': 13.61,
           'BYN': 3.27,
           'BZD': 2,
           'CAD': 1.37,
           'CDF': 2821.48,
           'CHF': 0.899,
           'CLP': 954.82,
           'CNY': 7.28,
           'COP': 4126.43,
           'CRC': 522.38,
           'CUP': 24,
           'CVE': 102.97,
           'CZK': 23.37,
           'DJF': 177.72,
           'DKK': 6.97,
           'DOP': 59.01,
           'DZD': 134.67,
           'EGP': 48.04,
           'ERN': 15,
           'ETB': 57.77,
           'EUR': 0.934,
           'FJD': 2.24,
           'FKP': 0.791,
           'FOK': 6.97,
           'GBP': 0.791,
           'GEL': 2.8,
           'GGP': 0.791,
           'GHS': 15.29,
           'GIP': 0.791,
           'GMD': 64.64,
           'GNF': 8585.92,
           'GTQ': 7.76,
           'GYD': 209.02,
           'HKD': 7.81,
           'HNL': 24.74,
           'HRK': 7.04,
           'HTG': 132.14,
           'HUF': 368.98,
           'IDR': 16348.45,
           'ILS': 3.77,
           'IMP': 0.791,
           'INR': 83.42,
           'IQD': 1309.41,
           'IRR': 42072.71,
           'ISK': 139.08,
           'JEP': 0.791,
           'JMD': 155.93,
           'JOD': 0.709,
           'JPY': 160.81,
           'KES': 128.83,
           'KGS': 86.62,
           'KHR': 4095.24,
           'KID': 1.5,
           'KMF': 459.44,
           'KRW': 1379.03,
           'KWD': 0.307,
           'KYD': 0.833,
           'KZT': 467.34,
           'LAK': 21967.11,
           'LBP': 89500,
           'LKR': 305.56,
           'LRD': 194.44,
           'LSL': 18.2,
           'LYD': 4.87,
           'MAD': 9.96,
           'MDL': 17.93,
           'MGA': 4473.31,
           'MKD': 57.48,
           'MMK': 2098.8,
           'MNT': 3374.35,
           'MOP': 8.04,
           'MRU': 39.4,
           'MUR': 47.15,
           'MVR': 15.45,
           'MWK': 1743.51,
           'MXN': 18.31,
           'MYR': 4.72,
           'MZN': 63.47,
           'NAD': 18.2,
           'NGN': 1504.49,
           'NIO': 36.79,
           'NOK': 10.66,
           'NPR': 133.48,
           'NZD': 1.64,
           'OMR': 0.384,
           'PAB': 1,
           'PEN': 3.82,
           'PGK': 3.86,
           'PHP': 58.5,
           'PKR': 278.36,
           'PLN': 4.03,
           'PYG': 7507.59,
           'QAR': 3.64,
           'RON': 4.65,
           'RSD': 109.27,
           'RUB': 85.48,
           'RWF': 1322.62,
           'SAR': 3.75,
           'SBD': 8.45,
           'SCR': 13.76,
           'SDG': 508.34,
           'SEK': 10.6,
           'SGD': 1.36,
           'SHP': 0.791,
           'SLE': 22.56,
           'SLL': 22562.62,
           'SOS': 570.88,
           'SRD': 31.1,
           'SSP': 2067.43,
           'STN': 22.88,
           'SYP': 12883.96,
           'SZL': 18.2,
           'THB': 36.78,
           'TJS': 10.68,
           'TMT': 3.5,
           'TND': 3.15,
           'TOP': 2.34,
           'TRY': 32.81,
           'TTD': 6.74,
           'TVD': 1.5,
           'TWD': 32.49,
           'TZS': 2617.99,
           'UAH': 40.47,
           'UGX': 3705.48,
           'USD': 1,
           'UYU': 39.3,
           'UZS': 12550.1,
           'VES': 36.45,
           'VND': 25462.4,
           'VUV': 119.96,
           'WST': 2.73,
           'XAF': 612.59,
           'XCD': 2.7,
           'XDR': 0.76,
           'XOF': 612.59,
           'XPF': 111.44,
           'YER': 250.07,
           'ZAR': 18.2,
           'ZMW': 24.79,
           'ZWL': 13.7},
 'terms': 'https://www.exchangerate-api.com/terms',
 'time_last_updated': 1719705601}

json 형식의 파일 로드¶

read_json() 함수 호출시 json 형식을 반환하는 API 주소나, 파일 모두 입력 가능

In [20]:

# read_json으로 파일 로드
df = pd.read_json(url)
df

Out[20]:

	provider	WARNING_UPGRADE_TO_V6	terms	base	date	time_last_updated	rates
AED	https://www.exchangerate-api.com	https://www.exchangerate-api.com/docs/free	https://www.exchangerate-api.com/terms	USD	2024-06-30	1719705601	3.67
AFN	https://www.exchangerate-api.com	https://www.exchangerate-api.com/docs/free	https://www.exchangerate-api.com/terms	USD	2024-06-30	1719705601	70.81
ALL	https://www.exchangerate-api.com	https://www.exchangerate-api.com/docs/free	https://www.exchangerate-api.com/terms	USD	2024-06-30	1719705601	93.69
AMD	https://www.exchangerate-api.com	https://www.exchangerate-api.com/docs/free	https://www.exchangerate-api.com/terms	USD	2024-06-30	1719705601	388.03
ANG	https://www.exchangerate-api.com	https://www.exchangerate-api.com/docs/free	https://www.exchangerate-api.com/terms	USD	2024-06-30	1719705601	1.79
...	...	...	...	...	...	...	...
XPF	https://www.exchangerate-api.com	https://www.exchangerate-api.com/docs/free	https://www.exchangerate-api.com/terms	USD	2024-06-30	1719705601	111.44
YER	https://www.exchangerate-api.com	https://www.exchangerate-api.com/docs/free	https://www.exchangerate-api.com/terms	USD	2024-06-30	1719705601	250.07
ZAR	https://www.exchangerate-api.com	https://www.exchangerate-api.com/docs/free	https://www.exchangerate-api.com/terms	USD	2024-06-30	1719705601	18.20
ZMW	https://www.exchangerate-api.com	https://www.exchangerate-api.com/docs/free	https://www.exchangerate-api.com/terms	USD	2024-06-30	1719705601	24.79
ZWL	https://www.exchangerate-api.com	https://www.exchangerate-api.com/docs/free	https://www.exchangerate-api.com/terms	USD	2024-06-30	1719705601	13.70

162 rows × 7 columns

json 형식으로 저장¶

In [21]:

# json 형식으로 저장
df.to_json('currency.json')

연습문제¶

아래 코드를 실행하여 실습에 필요한 데이터셋을 다운로드 받습니다.

In [30]:

dataset.download('판다스입출력샘플')

======= 다운로드 시작 =======

data/file_sample.xlsx

  0%|          | 0.00/37.5k [00:00<?, ?B/s]

data/file_sample1.csv

  0%|          | 0.00/4.17k [00:00<?, ?B/s]

data/file_sample2.csv

  0%|          | 0.00/3.98k [00:00<?, ?B/s]

data/file_sample3.csv

  0%|          | 0.00/3.98k [00:00<?, ?B/s]

======= 다운로드 완료 =======

sample변수에 data/file_sample.xlsx 파일을 읽어서 로드합니다.
로드한 후 sheet를 모두 출력합니다.

In [42]:

# 코드를 입력해 주세요
sample = pd.read_excel('data/file_sample.xlsx', sheet_name=None)
sample.keys()

Out[42]:

dict_keys(['2020년 01월', '2020년 02월', '2020년 03월', '2020년 04월', '2020년 05월', '2020년 06월', '2020년 07월', '2020년 08월', '2020년 09월', '2020년 10월', '2020년 11월', '2020년 12월'])

[출력 결과]

dict_keys(['2020년 01월', '2020년 02월', '2020년 03월', '2020년 04월', '2020년 05월', '2020년 06월', '2020년 07월', '2020년 08월', '2020년 09월', '2020년 10월', '2020년 11월', '2020년 12월'])

2020년 10월 시트를 sample_202010에 로드 합니다.

In [44]:

# 코드를 입력해 주세요
sample_202010 = pd.read_excel('data/file_sample.xlsx', sheet_name='2020년 10월')
sample_202010

Out[44]:

	지역	GS칼텍스_셀프	GS칼텍스_일반	S-OIL_셀프	S-OIL_일반	SK에너지_셀프	SK에너지_일반	알뜰(ex)_셀프	알뜰주유소_셀프	알뜰주유소_일반	자가상표_일반	현대오일뱅크_셀프	현대오일뱅크_일반
0	서울 강남구	1443.440000	1627.111111	1420.760000	1593.250	1416.866250	1734.166667	NaN	NaN	NaN	NaN	1385.230000	1525.705000
1	서울 강동구	1413.275000	1430.353333	1418.970000	1498.000	1445.000000	1653.695000	NaN	NaN	NaN	NaN	1403.063333	1424.340000
2	서울 강북구	1293.675000	1313.190000	1275.100000	1325.710	1329.690000	1295.840000	NaN	NaN	NaN	NaN	1322.300000	NaN
3	서울 강서구	1361.773333	1385.840000	1376.913333	NaN	1325.516667	1433.664000	NaN	1273.11	1264.06	NaN	1299.240000	1362.530000
4	서울 관악구	1415.450000	1429.970000	NaN	1397.015	1411.840000	1436.280000	NaN	1313.00	1329.45	NaN	1392.550000	1407.050000
5	서울 광진구	NaN	1360.394000	1337.160000	1344.970	NaN	1373.623333	NaN	NaN	1309.19	NaN	1358.733333	1337.940000
6	서울 구로구	1285.940000	1511.173333	1286.420000	1393.832	NaN	1336.065000	NaN	NaN	1321.77	NaN	1314.235000	1391.170000
7	서울 금천구	1313.940000	NaN	1305.565000	1287.580	NaN	1351.600000	NaN	1282.46	1291.67	NaN	1313.035000	1379.390000
8	서울 노원구	1340.890000	1421.850000	1370.966667	NaN	1373.275000	1398.000000	NaN	NaN	NaN	NaN	NaN	1431.435000
9	서울 도봉구	1331.920000	1327.320000	1329.896000	1557.000	1291.470000	NaN	NaN	NaN	NaN	NaN	1345.106667	1309.936667
10	서울 동대문구	1305.485000	1304.980000	1296.390000	1372.500	1367.550000	1383.838000	NaN	NaN	NaN	NaN	1329.100000	1386.727500
11	서울 동작구	1413.840000	1345.275000	NaN	1358.030	NaN	1484.350000	NaN	NaN	NaN	NaN	1393.290000	1388.840000
12	서울 마포구	NaN	1371.190000	1408.970000	1556.175	NaN	1493.846000	NaN	NaN	NaN	NaN	1453.000000	1420.580000
13	서울 서대문구	1357.690000	1358.230000	1351.905000	1320.810	1360.226667	1352.713333	NaN	NaN	NaN	NaN	1352.840000	1357.805000
14	서울 서초구	1391.770000	1408.220000	1388.463333	1629.940	1402.270000	1590.833333	1272.39	NaN	NaN	NaN	1417.290000	1468.968000
15	서울 성동구	1361.450000	1650.000000	1312.230000	1342.190	1418.770000	1471.978333	NaN	NaN	NaN	1299.58	1350.725000	1572.695000
16	서울 성북구	1299.240000	1333.710000	1301.643333	1354.725	1309.065000	1407.230000	NaN	NaN	1263.84	NaN	1306.835000	1353.160000
17	서울 송파구	1364.285000	1381.450000	1356.130000	1412.840	1359.053333	1431.812500	NaN	NaN	NaN	NaN	1367.140000	1378.280000
18	서울 양천구	1312.826667	1323.050000	1269.060000	NaN	1333.678000	1447.435000	NaN	1292.87	NaN	NaN	1347.365000	1401.385000
19	서울 영등포구	1350.437500	1580.468333	1349.940000	1345.000	1338.742500	1600.968333	NaN	1276.42	NaN	NaN	1349.728000	1494.000000
20	서울 용산구	NaN	1769.362500	NaN	NaN	NaN	1885.408333	NaN	NaN	NaN	NaN	NaN	1800.507500
21	서울 은평구	1332.586000	1341.520000	1338.050000	NaN	1334.837500	NaN	NaN	NaN	NaN	1418.00	1314.870000	1399.000000
22	서울 종로구	NaN	1989.000000	NaN	1459.000	1425.000000	1943.000000	NaN	NaN	NaN	NaN	NaN	1665.775000
23	서울 중구	NaN	2067.053333	NaN	1758.000	NaN	1945.522000	NaN	NaN	1401.87	NaN	NaN	1618.000000
24	서울 중랑구	1315.525000	1305.710000	1303.493333	1359.885	1347.587500	NaN	NaN	NaN	NaN	NaN	1338.420000	1291.190000

[출력 결과]

	지역	GS칼텍스_셀프	GS칼텍스_일반	S-OIL_셀프	S-OIL_일반	SK에너지_셀프	SK에너지_일반	알뜰(ex)_셀프	알뜰주유소_셀프	알뜰주유소_일반	자가상표_일반	현대오일뱅크_셀프	현대오일뱅크_일반
0	서울 강남구	1443.440000	1627.111111	1420.760000	1593.250	1416.866250	1734.166667	NaN	NaN	NaN	NaN	1385.230000	1525.705000
1	서울 강동구	1413.275000	1430.353333	1418.970000	1498.000	1445.000000	1653.695000	NaN	NaN	NaN	NaN	1403.063333	1424.340000
2	서울 강북구	1293.675000	1313.190000	1275.100000	1325.710	1329.690000	1295.840000	NaN	NaN	NaN	NaN	1322.300000	NaN
3	서울 강서구	1361.773333	1385.840000	1376.913333	NaN	1325.516667	1433.664000	NaN	1273.11	1264.06	NaN	1299.240000	1362.530000
4	서울 관악구	1415.450000	1429.970000	NaN	1397.015	1411.840000	1436.280000	NaN	1313.00	1329.45	NaN	1392.550000	1407.050000
5	서울 광진구	NaN	1360.394000	1337.160000	1344.970	NaN	1373.623333	NaN	NaN	1309.19	NaN	1358.733333	1337.940000
6	서울 구로구	1285.940000	1511.173333	1286.420000	1393.832	NaN	1336.065000	NaN	NaN	1321.77	NaN	1314.235000	1391.170000
7	서울 금천구	1313.940000	NaN	1305.565000	1287.580	NaN	1351.600000	NaN	1282.46	1291.67	NaN	1313.035000	1379.390000
8	서울 노원구	1340.890000	1421.850000	1370.966667	NaN	1373.275000	1398.000000	NaN	NaN	NaN	NaN	NaN	1431.435000
9	서울 도봉구	1331.920000	1327.320000	1329.896000	1557.000	1291.470000	NaN	NaN	NaN	NaN	NaN	1345.106667	1309.936667
10	서울 동대문구	1305.485000	1304.980000	1296.390000	1372.500	1367.550000	1383.838000	NaN	NaN	NaN	NaN	1329.100000	1386.727500
11	서울 동작구	1413.840000	1345.275000	NaN	1358.030	NaN	1484.350000	NaN	NaN	NaN	NaN	1393.290000	1388.840000
12	서울 마포구	NaN	1371.190000	1408.970000	1556.175	NaN	1493.846000	NaN	NaN	NaN	NaN	1453.000000	1420.580000
13	서울 서대문구	1357.690000	1358.230000	1351.905000	1320.810	1360.226667	1352.713333	NaN	NaN	NaN	NaN	1352.840000	1357.805000
14	서울 서초구	1391.770000	1408.220000	1388.463333	1629.940	1402.270000	1590.833333	1272.39	NaN	NaN	NaN	1417.290000	1468.968000
15	서울 성동구	1361.450000	1650.000000	1312.230000	1342.190	1418.770000	1471.978333	NaN	NaN	NaN	1299.58	1350.725000	1572.695000
16	서울 성북구	1299.240000	1333.710000	1301.643333	1354.725	1309.065000	1407.230000	NaN	NaN	1263.84	NaN	1306.835000	1353.160000
17	서울 송파구	1364.285000	1381.450000	1356.130000	1412.840	1359.053333	1431.812500	NaN	NaN	NaN	NaN	1367.140000	1378.280000
18	서울 양천구	1312.826667	1323.050000	1269.060000	NaN	1333.678000	1447.435000	NaN	1292.87	NaN	NaN	1347.365000	1401.385000
19	서울 영등포구	1350.437500	1580.468333	1349.940000	1345.000	1338.742500	1600.968333	NaN	1276.42	NaN	NaN	1349.728000	1494.000000
20	서울 용산구	NaN	1769.362500	NaN	NaN	NaN	1885.408333	NaN	NaN	NaN	NaN	NaN	1800.507500
21	서울 은평구	1332.586000	1341.520000	1338.050000	NaN	1334.837500	NaN	NaN	NaN	NaN	1418.00	1314.870000	1399.000000
22	서울 종로구	NaN	1989.000000	NaN	1459.000	1425.000000	1943.000000	NaN	NaN	NaN	NaN	NaN	1665.775000
23	서울 중구	NaN	2067.053333	NaN	1758.000	NaN	1945.522000	NaN	NaN	1401.87	NaN	NaN	1618.000000
24	서울 중랑구	1315.525000	1305.710000	1303.493333	1359.885	1347.587500	NaN	NaN	NaN	NaN	NaN	1338.420000	1291.190000

sample_202010을 2020-10-oil-price.csv로 내보냅니다.
index는 지정하지 않습니다.

In [45]:

# 코드를 입력해 주세요
sample_202010.to_csv('2020-10-oil-price.csv', index=False)

[Python] Pandas 실습 (0)	2024.06.30
[Python] Pandas 조회, 정렬, 조건 필터 (타이타닉 승객 데이터) (0)	2024.06.30
[Python] Pandas 자료 구조 (0)	2024.06.30
[Tip] 데이터 분석 회의 진행 (0)	2023.05.15
Data Analyst vs. Data Scientist (데이터 분석가 vs. 데이터 과학자) (0)	2023.05.07

. way to L!ah ;

[Python] 파일 입출력

모듈 import¶

데이터 다운로드¶

Excel¶

Excel - 불러오기¶

Excel - 저장하기¶

CSV (Comma Separated Values)¶

CSV - 불러오기¶

CSV - 저장하기¶

json(JavaScript Object Notation)¶

json 형식의 파일 로드¶

json 형식으로 저장¶

연습문제¶

'Biusiness Insight > Data Science' 카테고리의 다른 글

티스토리툴바

[Python] 파일 입출력

모듈 import¶

데이터 다운로드¶

Excel¶

Excel - 불러오기¶

Excel - 저장하기¶

CSV (Comma Separated Values)¶

CSV - 불러오기¶

CSV - 저장하기¶

json(JavaScript Object Notation)¶

json 형식의 파일 로드¶

json 형식으로 저장¶

연습문제¶

'Biusiness Insight > Data Science' 카테고리의 다른 글

'Biusiness Insight/Data Science' Related Articles

티스토리툴바