모듈 import¶

In [1]:

!pip install seaborn==0.13.0

Defaulting to user installation because normal site-packages is not writeable
Collecting seaborn==0.13.0
  Downloading seaborn-0.13.0-py3-none-any.whl (294 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 294.6/294.6 kB 4.4 MB/s eta 0:00:00a 0:00:01
Requirement already satisfied: numpy!=1.24.0,>=1.20 in ./.local/lib/python3.9/site-packages (from seaborn==0.13.0) (1.23.3)
Requirement already satisfied: pandas>=1.2 in ./.local/lib/python3.9/site-packages (from seaborn==0.13.0) (1.4.2)
Requirement already satisfied: matplotlib!=3.6.1,>=3.3 in ./.local/lib/python3.9/site-packages (from seaborn==0.13.0) (3.6.0)
Requirement already satisfied: pyparsing>=2.2.1 in ./.local/lib/python3.9/site-packages (from matplotlib!=3.6.1,>=3.3->seaborn==0.13.0) (3.0.9)
Requirement already satisfied: kiwisolver>=1.0.1 in ./.local/lib/python3.9/site-packages (from matplotlib!=3.6.1,>=3.3->seaborn==0.13.0) (1.4.4)
Requirement already satisfied: contourpy>=1.0.1 in ./.local/lib/python3.9/site-packages (from matplotlib!=3.6.1,>=3.3->seaborn==0.13.0) (1.0.6)
Requirement already satisfied: fonttools>=4.22.0 in ./.local/lib/python3.9/site-packages (from matplotlib!=3.6.1,>=3.3->seaborn==0.13.0) (4.38.0)
Requirement already satisfied: cycler>=0.10 in ./.local/lib/python3.9/site-packages (from matplotlib!=3.6.1,>=3.3->seaborn==0.13.0) (0.11.0)
Requirement already satisfied: packaging>=20.0 in ./.local/lib/python3.9/site-packages (from matplotlib!=3.6.1,>=3.3->seaborn==0.13.0) (21.3)
Requirement already satisfied: python-dateutil>=2.7 in ./.local/lib/python3.9/site-packages (from matplotlib!=3.6.1,>=3.3->seaborn==0.13.0) (2.8.2)
Requirement already satisfied: pillow>=6.2.0 in ./.local/lib/python3.9/site-packages (from matplotlib!=3.6.1,>=3.3->seaborn==0.13.0) (9.3.0)
Requirement already satisfied: pytz>=2020.1 in ./.local/lib/python3.9/site-packages (from pandas>=1.2->seaborn==0.13.0) (2022.5)
Requirement already satisfied: six>=1.5 in ./.local/lib/python3.9/site-packages (from python-dateutil>=2.7->matplotlib!=3.6.1,>=3.3->seaborn==0.13.0) (1.16.0)
Installing collected packages: seaborn
  Attempting uninstall: seaborn
    Found existing installation: seaborn 0.12.0
    Uninstalling seaborn-0.12.0:
      Successfully uninstalled seaborn-0.12.0
Successfully installed seaborn-0.13.0

[notice] A new release of pip available: 22.2.2 -> 24.1.1
[notice] To update, run: pip install --upgrade pip

In [2]:

from IPython.display import Image
import numpy as np
import pandas as pd
import seaborn as sns
import warnings

# 경고 무시
warnings.filterwarnings('ignore')

데이터셋 로드¶

In [3]:

from opendata import dataset

In [4]:

# 유가정보 데이터 다운로드
dataset.download('유가정보')

======= 다운로드 시작 =======

data/gas_first_2019.csv

  0%|          | 0.00/10.2M [00:00<?, ?B/s]

data/gas_second_2019.csv

  0%|          | 0.00/10.2M [00:00<?, ?B/s]

======= 다운로드 완료 =======

1월 부터 6월 까지 상반기 데이터 로드

In [5]:

gas1 = pd.read_csv('data/gas_first_2019.csv', encoding='euc-kr')

In [6]:

print(gas1.shape)
gas1.head()

(90590, 11)

Out[6]:

	번호	지역	상호	주소	기간	상표	셀프여부	고급휘발유	휘발유	경유
0	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190101	SK에너지	셀프	1673	1465	1365
1	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190102	SK에너지	셀프	1673	1465	1365
2	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190103	SK에너지	셀프	1673	1465	1365
3	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190104	SK에너지	셀프	1673	1465	1365
4	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190105	SK에너지	셀프	1673	1465	1365

In [7]:

gas2 = pd.read_csv('data/gas_second_2019.csv', encoding='euc-kr')

7월 부터 12월 까지 하반기 데이터 로드

In [8]:

print(gas2.shape)
gas2.head()

(91124, 11)

Out[8]:

	번호	지역	상호	주소	기간	상표	셀프여부	고급휘발유	휘발유	경유
0	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190701	SK에너지	셀프	1777	1577	1477
1	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190702	SK에너지	셀프	1777	1577	1477
2	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190703	SK에너지	셀프	1777	1577	1477
3	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190704	SK에너지	셀프	1777	1577	1477
4	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190705	SK에너지	셀프	1777	1577	1477

concat() - 데이터 연결¶

concat()은 DataFrame을 연결합니다.

단순하게 지정한 DataFrame을 이어서 연결합니다.

행 방향으로 연결¶

기본 값인 axis=0이 지정되어 있고, 행 방향으로 연결합니다.

또한, 같은 column을 알아서 찾아서 데이터를 연결합니다.

In [9]:

pd.concat([gas1, gas2])

Out[9]:

	번호	지역	상호	주소	기간	상표	셀프여부	고급휘발유	휘발유	경유	실내등유
0	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190101	SK에너지	셀프	1673	1465	1365	0
1	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190102	SK에너지	셀프	1673	1465	1365	0
2	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190103	SK에너지	셀프	1673	1465	1365	0
3	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190104	SK에너지	셀프	1673	1465	1365	0
4	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190105	SK에너지	셀프	1673	1465	1365	0
...	...	...	...	...	...	...	...	...	...	...	...
91119	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191227	GS칼텍스	셀프	0	1540	1389	1100
91120	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191228	GS칼텍스	셀프	0	1540	1389	1100
91121	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191229	GS칼텍스	셀프	0	1540	1389	1100
91122	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191230	GS칼텍스	셀프	0	1540	1389	1100
91123	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191231	GS칼텍스	셀프	0	1540	1389	1100

181714 rows × 11 columns

연결시 위와 같이 index가 초기화가 되지 않아 전체 DataFrame의 개수와 index가 맞지 않는 모습입니다.

In [10]:

pd.concat([gas1, gas2]).iloc[90588:90593]

Out[10]:

	번호	지역	상호	주소	기간	상표	셀프여부	고급휘발유	휘발유	경유
90588	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20190629	GS칼텍스	셀프	0	1529	1389
90589	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20190630	GS칼텍스	셀프	0	1529	1389
0	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190701	SK에너지	셀프	1777	1577	1477
1	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190702	SK에너지	셀프	1777	1577	1477
2	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190703	SK에너지	셀프	1777	1577	1477

연결 하면서 index를 무시하고 연결 할 수 있습니다.

In [11]:

gas = pd.concat([gas1, gas2], ignore_index=True)
gas

Out[11]:

	번호	지역	상호	주소	기간	상표	셀프여부	고급휘발유	휘발유	경유	실내등유
0	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190101	SK에너지	셀프	1673	1465	1365	0
1	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190102	SK에너지	셀프	1673	1465	1365	0
2	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190103	SK에너지	셀프	1673	1465	1365	0
3	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190104	SK에너지	셀프	1673	1465	1365	0
4	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190105	SK에너지	셀프	1673	1465	1365	0
...	...	...	...	...	...	...	...	...	...	...	...
181709	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191227	GS칼텍스	셀프	0	1540	1389	1100
181710	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191228	GS칼텍스	셀프	0	1540	1389	1100
181711	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191229	GS칼텍스	셀프	0	1540	1389	1100
181712	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191230	GS칼텍스	셀프	0	1540	1389	1100
181713	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191231	GS칼텍스	셀프	0	1540	1389	1100

181714 rows × 11 columns

합치고자 하는 데이터프레임의 일부 컬럼이 누락되거나 순서가 바뀌어도 알아서 같은 컬럼끼리 병합합니다.

In [12]:

gas11 = gas1[['지역', '주소', '상호', '상표', '휘발유']]
gas22 = gas2[['상표', '번호', '지역', '상호', '주소', '경유', '휘발유']]

In [13]:

gas11.head()

Out[13]:

	지역	주소	상호	상표	휘발유
0	서울 강남구	서울 강남구 논현로 640	(주)동하힐탑셀프주유소	SK에너지	1465
1	서울 강남구	서울 강남구 논현로 640	(주)동하힐탑셀프주유소	SK에너지	1465
2	서울 강남구	서울 강남구 논현로 640	(주)동하힐탑셀프주유소	SK에너지	1465
3	서울 강남구	서울 강남구 논현로 640	(주)동하힐탑셀프주유소	SK에너지	1465
4	서울 강남구	서울 강남구 논현로 640	(주)동하힐탑셀프주유소	SK에너지	1465

In [14]:

gas22.head()

Out[14]:

	상표	번호	지역	상호	주소	경유	휘발유
0	SK에너지	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	1477	1577
1	SK에너지	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	1477	1577
2	SK에너지	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	1477	1577
3	SK에너지	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	1477	1577
4	SK에너지	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	1477	1577

In [15]:

pd.concat([gas11, gas22], ignore_index=True)

Out[15]:

	지역	주소	상호	상표	휘발유	번호	경유
0	서울 강남구	서울 강남구 논현로 640	(주)동하힐탑셀프주유소	SK에너지	1465	NaN	NaN
1	서울 강남구	서울 강남구 논현로 640	(주)동하힐탑셀프주유소	SK에너지	1465	NaN	NaN
2	서울 강남구	서울 강남구 논현로 640	(주)동하힐탑셀프주유소	SK에너지	1465	NaN	NaN
3	서울 강남구	서울 강남구 논현로 640	(주)동하힐탑셀프주유소	SK에너지	1465	NaN	NaN
4	서울 강남구	서울 강남구 논현로 640	(주)동하힐탑셀프주유소	SK에너지	1465	NaN	NaN
...	...	...	...	...	...	...	...
181709	서울 중랑구	서울 중랑구 망우로 475	지에스칼텍스㈜ 소망주유소	GS칼텍스	1540	A0032659	1389.0
181710	서울 중랑구	서울 중랑구 망우로 475	지에스칼텍스㈜ 소망주유소	GS칼텍스	1540	A0032659	1389.0
181711	서울 중랑구	서울 중랑구 망우로 475	지에스칼텍스㈜ 소망주유소	GS칼텍스	1540	A0032659	1389.0
181712	서울 중랑구	서울 중랑구 망우로 475	지에스칼텍스㈜ 소망주유소	GS칼텍스	1540	A0032659	1389.0
181713	서울 중랑구	서울 중랑구 망우로 475	지에스칼텍스㈜ 소망주유소	GS칼텍스	1540	A0032659	1389.0

181714 rows × 7 columns

열 방향으로 연결¶

열(column) 방향으로 연결 가능하며, axis=1로 지정합니다.

In [16]:

# 실습을 위한 DataFrame 임의 분할
gas1 = gas.iloc[:, :5]
gas2 = gas.iloc[:, 5:]

In [17]:

gas1.head()

Out[17]:

	번호	지역	상호	주소	기간
0	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190101
1	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190102
2	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190103
3	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190104
4	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190105

In [18]:

gas2.head()

Out[18]:

	상표	셀프여부	고급휘발유	휘발유	경유
0	SK에너지	셀프	1673	1465	1365
1	SK에너지	셀프	1673	1465	1365
2	SK에너지	셀프	1673	1465	1365
3	SK에너지	셀프	1673	1465	1365
4	SK에너지	셀프	1673	1465	1365

같은 index 행끼리 연결됩니다.

In [19]:

pd.concat([gas1, gas2], axis=1)

Out[19]:

	번호	지역	상호	주소	기간	상표	셀프여부	고급휘발유	휘발유	경유	실내등유
0	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190101	SK에너지	셀프	1673	1465	1365	0
1	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190102	SK에너지	셀프	1673	1465	1365	0
2	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190103	SK에너지	셀프	1673	1465	1365	0
3	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190104	SK에너지	셀프	1673	1465	1365	0
4	A0006039	서울 강남구	(주)동하힐탑셀프주유소	서울 강남구 논현로 640	20190105	SK에너지	셀프	1673	1465	1365	0
...	...	...	...	...	...	...	...	...	...	...	...
181709	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191227	GS칼텍스	셀프	0	1540	1389	1100
181710	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191228	GS칼텍스	셀프	0	1540	1389	1100
181711	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191229	GS칼텍스	셀프	0	1540	1389	1100
181712	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191230	GS칼텍스	셀프	0	1540	1389	1100
181713	A0032659	서울 중랑구	지에스칼텍스㈜ 소망주유소	서울 중랑구 망우로 475	20191231	GS칼텍스	셀프	0	1540	1389	1100

181714 rows × 11 columns

merge() - 병합¶

서로 다른 구성의 DataFrame이지만, 공통된 key값(컬럼)을 가지고 있다면 병합할 수 있습니다.

In [21]:

df1 = pd.DataFrame({
    '고객명': ['박세리', '이대호', '손흥민', '김연아', '마이클조던'],
    '생년월일': ['1980-01-02', '1982-02-22', '1993-06-12', '1988-10-16', '1970-03-03'],
    '성별': ['여자', '남자', '남자', '여자', '남자']})
df1

Out[21]:

	고객명	생년월일	성별
0	박세리	1980-01-02	여자
1	이대호	1982-02-22	남자
2	손흥민	1993-06-12	남자
3	김연아	1988-10-16	여자
4	마이클조던	1970-03-03	남자

In [22]:

df2 = pd.DataFrame({
    '고객명': ['김연아', '박세리', '손흥민', '이대호', '타이거우즈'],
    '연봉': ['2000원', '3000원', '1500원', '2500원', '3500원']})
df2

Out[22]:

	고객명	연봉
0	김연아	2000원
1	박세리	3000원
2	손흥민	1500원
3	이대호	2500원
4	타이거우즈	3500원

In [23]:

pd.merge(df1, df2)

Out[23]:

	고객명	생년월일	성별	연봉
0	박세리	1980-01-02	여자	3000원
1	이대호	1982-02-22	남자	2500원
2	손흥민	1993-06-12	남자	1500원
3	김연아	1988-10-16	여자	2000원

병합하는 방법 4가지¶

how 옵션 값을 지정하여 4가지 방식으로 병합을 할 수 있으며, 각기 다른 결과를 냅니다.

how : {left, right, outer, inner},
default로 설정된 값은inner 입니다.

In [24]:

# how='inner' 입니다.
pd.merge(df1, df2)

Out[24]:

	고객명	생년월일	성별	연봉
0	박세리	1980-01-02	여자	3000원
1	이대호	1982-02-22	남자	2500원
2	손흥민	1993-06-12	남자	1500원
3	김연아	1988-10-16	여자	2000원

In [25]:

pd.merge(df1, df2, how='left')

Out[25]:

	고객명	생년월일	성별	연봉
0	박세리	1980-01-02	여자	3000원
1	이대호	1982-02-22	남자	2500원
2	손흥민	1993-06-12	남자	1500원
3	김연아	1988-10-16	여자	2000원
4	마이클조던	1970-03-03	남자	NaN

In [26]:

pd.merge(df1, df2, how='right')

Out[26]:

	고객명	생년월일	성별	연봉
0	김연아	1988-10-16	여자	2000원
1	박세리	1980-01-02	여자	3000원
2	손흥민	1993-06-12	남자	1500원
3	이대호	1982-02-22	남자	2500원
4	타이거우즈	NaN	NaN	3500원

In [27]:

pd.merge(df1, df2, how='outer')

Out[27]:

	고객명	생년월일	성별	연봉
0	박세리	1980-01-02	여자	3000원
1	이대호	1982-02-22	남자	2500원
2	손흥민	1993-06-12	남자	1500원
3	김연아	1988-10-16	여자	2000원
4	마이클조던	1970-03-03	남자	NaN
5	타이거우즈	NaN	NaN	3500원

병합하려는 컬럼의 이름이 다른 경우¶

In [28]:

df1 = pd.DataFrame({
    '이름': ['박세리', '이대호', '손흥민', '김연아', '마이클조던'],
    '생년월일': ['1980-01-02', '1982-02-22', '1993-06-12', '1988-10-16', '1970-03-03'],
    '성별': ['여자', '남자', '남자', '여자', '남자']})
df1

Out[28]:

	이름	생년월일	성별
0	박세리	1980-01-02	여자
1	이대호	1982-02-22	남자
2	손흥민	1993-06-12	남자
3	김연아	1988-10-16	여자
4	마이클조던	1970-03-03	남자

In [29]:

df2 = pd.DataFrame({
    '고객명': ['김연아', '박세리', '손흥민', '이대호', '타이거우즈'],
    '연봉': ['2000원', '3000원', '1500원', '2500원', '3500원']})
df2

Out[29]:

	고객명	연봉
0	김연아	2000원
1	박세리	3000원
2	손흥민	1500원
3	이대호	2500원
4	타이거우즈	3500원

left_on과 right_on을 지정합니다.

이름과 고객명 컬럼이 모두 drop되지 않고 살아 있음을 확인합니다.

In [30]:

pd.merge(df1, df2, left_on='이름', right_on='고객명')

Out[30]:

	이름	생년월일	성별	고객명	연봉
0	박세리	1980-01-02	여자	박세리	3000원
1	이대호	1982-02-22	남자	이대호	2500원
2	손흥민	1993-06-12	남자	손흥민	1500원
3	김연아	1988-10-16	여자	김연아	2000원

제출¶

제출을 위해 아래에 새로 생성된 df1과 df2를 right 병합한 결과를 result_df에 저장하세요.

In [32]:

df1 = pd.DataFrame({
    '고객명': ['박세리', '이대호', '손흥민', '김연아', '마이클조던'],
    '생년월일': ['1980-01-02', '1982-02-22', '1993-06-12', '1988-10-16', '1970-03-03'],
    '성별': ['여자', '남자', '남자', '여자', '남자']
})

df2 = pd.DataFrame({
    '고객명': ['김연아', '박세리', '손흥민', '이대호', '타이거우즈'],
    '연봉': ['2000원', '3000원', '1500원', '2500원', '3500원']
})

result_df = pd.merge(df1, df2, on='고객명', how='right')
result_df

Out[32]:

	고객명	생년월일	성별	연봉
0	김연아	1988-10-16	여자	2000원
1	박세리	1980-01-02	여자	3000원
2	손흥민	1993-06-12	남자	1500원
3	이대호	1982-02-22	남자	2500원
4	타이거우즈	NaN	NaN	3500원

[Python] 데이터프레임 시각화 (0)	2024.06.30
[Python] Pandas concat, merge 실습 (0)	2024.06.30
[Python] Pandas groupby, pivottable 실습 (0)	2024.06.30
[Python] Pandas 고급 전처리와 피벗테이블 (0)	2024.06.30
[Python] Pandas 전처리, 추가, 삭제, 데이터 변환 (0)	2024.06.30

. way to L!ah ;

[Python] Pandas concat, merge

모듈 import¶

데이터셋 로드¶

concat() - 데이터 연결¶

행 방향으로 연결¶

열 방향으로 연결¶

merge() - 병합¶

병합하는 방법 4가지¶

병합하려는 컬럼의 이름이 다른 경우¶

제출¶

'Biusiness Insight > Data Science' 카테고리의 다른 글

티스토리툴바

[Python] Pandas concat, merge

모듈 import¶

데이터셋 로드¶

concat() - 데이터 연결¶

행 방향으로 연결¶

열 방향으로 연결¶

merge() - 병합¶

병합하는 방법 4가지¶

병합하려는 컬럼의 이름이 다른 경우¶

제출¶

'Biusiness Insight > Data Science' 카테고리의 다른 글

'Biusiness Insight/Data Science' Related Articles

티스토리툴바