| 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 |
- flask예제
- flask
- pandas dataframe
- python dataframe
- 404에러페이지
- 유니크키 생성
- mysql unique key 추가
- mysql unique key 생성
- unique key 생성
- python str to list
- unnest란
- lodash uniqBy
- lodash find
- lodash remove
- lodash unionBy
- python string to list
- 유니크키 추가
- styled component
- mysql unique key
- python str list to list
- python string list to list
- lodash findIndex
- nextjs커스텀에러페이지
- js date
- Python
- string to list
- 커스텀에러페이지
- unique key 추가
- 404에러페이지 커스텀
- Nextjs
- Today
- Total
목록python dataframe (2)
space mine
#결과 B C D A a1 b1 c1 d1 a2 b2 c2 d2 1. concat import pandas as pd df1 = pd.DataFrame({'A':['a1', 'a2', 'a3'], 'B':['b1', 'b2', 'b3'], 'C':['c1', 'c2', 'c3']}) df2 = pd.DataFrame({'A':['a4', 'a5', 'a6'], 'D':['d1', 'd2', 'd3']}) 위 데이터 프레임을 사용해 연습해보자 result = pd.concat([df1, df2]) print(result) # 결과 A B C D 0 a1 b1 c1 NaN 1 a2 b2 c2 NaN 2 a3 b3 c3 NaN 0 a4 NaN NaN d1 1 a5 NaN NaN d2 2 a6 NaN NaN d..
1. IN 데이터 프레임 A와 B에서 공통되는 부분을 찾고 싶은 경우 in 을 사용할 수 있다. 간단한 예제를 통해 in을 사용하는 경우를 살펴보자 A = pd.DataFrame({'fruits': ['strawberry', 'banana', 'cranberry', 'apple', 'orange'] , 'price': ['1000', '2000', '1500', '500', '2500']}) B = ['strawberry', 'cranberry'] A는 fruits, price 두 개의 열로 이루어진 데이터 프레임 이며, B는 리스트이다. A의 fruits에서 B에 있는 과일만 골라서 보고싶은 경우, 아래처럼 코드를 작성할 수 있다. df = A[A.fruits.isin(B)] 위 코드를 작성할 경우 B..