Pandas 2부

[groupby & aggregation]

Pandas로 데이터 핸들링을 하는 사람이면 너~~ 무 많이 쓰는 함수라 기본은 생략. 

SQL에서는 agg함수를 쓸 때 아래와 같이 여러 가지를 한번에 쓸 수 있다. 

SELECT MAX(device_price), MIN(device_price)
FROM table_name
GROUP BY usr_id

pandas에서는 groupby에서는 agg함수를 써야된다. 

# 변수 1개에 대해 여러 개 agg
df.groupby('usr_id')['price'].agg([max, min])
# 변수 여러 개에 대해 여러 개 agg
agg_dict = {'price':'max', 'size':'min', 'weight':'mean'}
df.groupby('usr_id').agg(agg_dict)

 

fillna는 별거 없으니 PASS

 

[apply lambda]

자주 안쓰다보니 참 손에 익숙해지지 않지만 기본 원리는

# lambda 입력 : 함수
# 제곱 구하기
lambda_square = lambda x:x**2
# print 9
print(lambda_square(3))

pandas에서 apply lambda는 이런 식으로 쓴다. 

# apply lambda
df['name_len'] = df['name'].apply(lambda x : len(x))

df['is_adult'] = df['age'].apply(lambda x : True if x>19 else False)

작년에 큰 데이터에 대해 lambda를 썼더니 한세월 걸렸던 기억이 있다. 

사실 lambda를 안써도 저 정도의 핸들링은 가능하니 속도를 고려한다면 apply lambda를 쓰지말자. 

(사실 이래서 습관적으로 lambda를 안쓰게 되는듯)

 

PANDAS 끝