320x100
# 원하는 결과값은 전체 출력이다.
# 전체출력은 원래 그냥 변수만 입력해주면 끝나지만,
# 다중 인덱스를 슬라이스해서 전체출력을 해주는 것이 유의미 할것같아서 시도해보고 싶었다.
# 시도 1
# titanic.loc[(slice(all), slice(all)), :]
# TypeError: '<' not supported between instances of 'builtin_function_or_method' and 'builtin_function_or_method'
# 시도 2
titanic.loc[(slice(None), slice(None)),:]
'''
survived age sibsp parch fare embarked deck
pclass sex
1 female 1 38.0 1 0 71.2833 C C
female 1 35.0 1 0 53.1000 S C
female 1 58.0 0 0 26.5500 S C
female 1 NaN 1 0 146.5208 C B
male 0 54.0 0 0 51.8625 S E
... ... ... ... ... ... ... ... ...
3 male 0 21.0 0 0 8.0500 S NaN
male 0 NaN 0 0 7.8958 C NaN
male 0 NaN 0 0 8.0500 S NaN
male 0 NaN 1 0 15.5000 Q NaN
male 0 NaN 2 0 21.6792 C NaN
50 rows × 7 columns
1
'''# apply(), map() and applymap()
# 먼저 짚고 넘어갈것이 있다.
# apply는 Series 처럼 1차원에서만 사용이 가능하며
# map은 DataFrame과 같이 다중 차원에서도 사용이 가능하다.
import pandas as pd
sales = pd.read_csv('sales.csv', index_col= 0)
sales
'''
Mon Tue Wed Thu Fri
Steven 34 27 15 NaN 33
Mike 45 9 74 87.0 12
Andi 17 33 54 8.0 29
Paul 87 67 27 45.0 7
'''sales.info()
'''
<class 'pandas.core.frame.DataFrame'>
Index: 4 entries, Steven to Paul
Data columns (total 5 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Mon 4 non-null int64
1 Tue 4 non-null int64
2 Wed 4 non-null int64
3 Thu 3 non-null float64
4 Fri 4 non-null int64
dtypes: float64(1), int64(4)
memory usage: 192.0+ bytes
'''# axis = 0일 경우 '열'을 기준 한다.
sales.min(axis = 0)
'''
Mon 17.0
Tue 9.0
Wed 15.0
Thu 8.0
Fri 7.0
dtype: float64
'''# axis = 1일 경우 '행'을 기준으로 한다.
sales.min(axis = 1)
'''
Steven 15.0
Mike 9.0
Andi 8.0
Paul 7.0
dtype: float64
'''# 기본 내장 함수로는, 해당 행에 해당되는 사람이 일주일 동안 벌어들인 소득의 최대값과 최소값의 차이를 구하는 것이 없기때문에
# 이를 해결하기 위한 선언 함수를 만들어준다.
def range(series):
return series.max() - series.min()sales.apply(range, axis = 0)
'''
Mon 70.0
Tue 58.0
Wed 59.0
Thu 79.0
Fri 26.0
dtype: float64
'''sales.min(axis = 1)
'''
Steven 15.0
Mike 9.0
Andi 8.0
Paul 7.0
dtype: float64
'''def range(series):
return series.max() - series.min()
sales.apply(range, axis = 1)
'''
Steven 19.0
Mike 78.0
Andi 46.0
Paul 80.0
dtype: float64
'''sales.apply(lambda series: series.max() - series.min(), axis = 1)
'''
Steven 19.0
Mike 78.0
Andi 46.0
Paul 80.0
dtype: float64
'''# 결과적으로 봤을때 선언 함수를 이렇게 써주는 것과 lambda의 구성 원리와 결과는 같다.
# 1 선언 변수 케이스
'''
def range(series):
return series.max() - series.min()
sales.apply(lambda series: series.max() - series.min(), axis = 1)
'''
# 2 lambda 케이스
sales.apply(lambda series: series.max() - series.min())
'''
한 두번 쓰고 말꺼면 lambda가 더 낮다고 볼 수 있으나,
횟수가 거듭 된 수록 선언변수가 더욱 효율적이라고 할 수 있다.
다만 선언함수는 내 기준에서 좀 더 직관적으로 이해가 가진 않는다.
'''summer = pd.read_csv('summer.csv')
summer.head()
'''
Year City Sport Discipline Athlete Country Gender Event Medal
0 1896 Athens Aquatics Swimming HAJOS, Alfred HUN Men 100M Freestyle Gold
... ... ... ... ... ... ... ... ... ...
4 1896 Athens Aquatics Swimming CHASAPIS, Spiridon GRE Men 100M Freestyle For Sailors Silver
5 rows × 9 columns
'''# Athlete 열에 들어있는 각 행의 첫번째 글자 표기
summer.Athlete.apply(lambda x: x[0])
'''
0 H
..
31164 L
Name: Athlete, Length: 31165, dtype: object
'''summer.Athlete.map(lambda x: x[0])
'''
0 H
..
31164 L
Name: Athlete, Length: 31165, dtype: object
'''summer.iloc[:,1:3].applymap(lambda x: x[0])
'''
City Sport
0 A A
... ... ...
31164 L W
31165 rows × 2 columns
'''# 판매 이익률을 잡을때 이익률을 40%로 잡았다고 가정하면,
# 판매액에 40%를 곱해주고, 영업관리비용으로 고정적으로 지출되는 5원을 제외하고 생각해준다. 라는 개념이다.
sales.applymap(lambda x: x*0.4-5)
'''
Mon Tue Wed Thu Fri
Steven 8.6 5.8 1.0 NaN 8.2
... ... ... ... ... ...
Paul 29.8 21.8 5.8 13.0 -2.2
4 rows × 5 columns
'''sales
'''
Mon Tue Wed Thu Fri
Steven 34 27 15 NaN 33
... ... ... ... ... ...
Paul 87 67 27 45.0 7
4 rows × 5 columns
'''
# 기본적으로 sales의 모습은 이러하며sales*0.4-5
'''
Mon Tue Wed Thu Fri
Steven 8.6 5.8 1.0 NaN 8.2
... ... ... ... ... ...
Paul 29.8 21.8 5.8 13.0 -2.2
4 rows × 5 columns
'''
# 이것도 위의 lambda를 쓴것과 같은 결과가 나오게 된다.# Hierarchical Indexing (MultiIndex) Intro
# 계층적 인덱싱(멀티 인덱싱)
import pandas as pd
titanic = pd.read_csv('titanic.csv')
titanic.head()
'''
survived pclass sex age sibsp parch fare embarked deck
0 0 3 male 22.0 1 0 7.2500 S NaN
1 1 1 female 38.0 1 0 71.2833 C C
2 1 3 female 26.0 0 0 7.9250 S NaN
3 1 1 female 35.0 1 0 53.1000 S C
4 0 3 male 35.0 0 0 8.0500 S NaN
'''# 50개의 행에 대해서만 titanic으로 재 변수처리
titanic = titanic.iloc[:50, :]
titanic.set_index('pclass')
'''
survived sex age sibsp parch fare embarked deck
pclass
3 0 male 22.0 1 0 7.2500 S NaN
1 1 female 38.0 1 0 71.2833 C C
... ... ... ... ... ... ... ... ...
3 0 male NaN 2 0 21.6792 C NaN
3 0 female 18.0 1 0 17.8000 S NaN
50 rows × 8 columns
'''# set_index를 다중으로 잡아줄 경우
titanic.set_index(['pclass', 'sex'], inplace=True)
'''
survived age sibsp parch fare embarked deck
pclass sex
3 male 0 22.0 1 0 7.2500 S NaN
1 female 1 38.0 1 0 71.2833 C C
... ... ... ... ... ... ... ... ...
3 male 0 NaN 2 0 21.6792 C NaN
female 0 18.0 1 0 17.8000 S NaN
50 rows × 7 columns
'''titanic.sort_index()
'''
survived age sibsp parch fare embarked deck
pclass sex
1 female 1 38.0 1 0 71.2833 C C
female 1 35.0 1 0 53.1000 S C
... ... ... ... ... ... ... ... ...
3 male 0 NaN 1 0 15.5000 Q NaN
male 0 NaN 2 0 21.6792 C NaN
50 rows × 7 columns
'''# 이 부분은 아주 흥미롭다.
# 기존에 기준하여 잡은 행이 pclass, sex 이렇게 2개의 컬럼으로 잡았다.
# 이 경우에 ascending 정렬을 둘다 동일하게 먹일경우 기존에 사용하던대로
# titanic.sort_index(ascending=True) or False로 하면 되지만
# 만약 각각 다른 정렬 기준을 적용하고자 한다면, pclass, sex의 순서일 경우
# pclass가 오름차순(True)을 원한다면 True, sex가 내림차순(False)를 원할 경우 이렇게 한다.
titanic.sort_index(ascending=[True, False])
'''
survived age sibsp parch fare embarked deck
pclass sex
1 male 0 54.0 0 0 51.8625 S E
male 1 28.0 0 0 35.5000 S A
... ... ... ... ... ... ... ... ...
3 female 1 NaN 0 0 7.7500 Q NaN
female 0 18.0 1 0 17.8000 S NaN
50 rows × 7 columns
'''titanic.sort_index(ascending=[True, True], inplace=True)# 설정되어있는 컬럼의 기준값을 서로 변경해주는 것이다.
titanic.swaplevel()
'''
survived age sibsp parch fare embarked deck
sex pclass
female 1 1 38.0 1 0 71.2833 C C
1 1 35.0 1 0 53.1000 S C
... ... ... ... ... ... ... ... ...
male 3 0 NaN 1 0 15.5000 Q NaN
3 0 NaN 2 0 21.6792 C NaN
50 rows × 7 columns
'''
# 만약, swap한대로 저장하고 싶다면
# 새 변수명 = 기존변수.swaplevel()
# 이라고 해주어야한다.
# 이유는 swaplevel의 경우에, inplace = True 기능이 없기 때문이다.titanic.reset_index()
'''
pclass sex survived age sibsp parch fare embarked deck
0 1 female 1 38.0 1 0 71.2833 C C
1 1 female 1 35.0 1 0 53.1000 S C
... ... ... ... ... ... ... ... ... ...
48 3 male 0 NaN 1 0 15.5000 Q NaN
49 3 male 0 NaN 2 0 21.6792 C NaN
50 rows × 9 columns
'''# Hierarchical Indexing (MultiIndex) Part 2
import pandas as pd
titanic = pd.read_csv('titanic.csv')
titanic = titanic.iloc[:50,]
titanic
'''
survived pclass sex age sibsp parch fare embarked deck
0 0 3 male 22.0 1 0 7.2500 S NaN
1 1 1 female 38.0 1 0 71.2833 C C
... ... ... ... ... ... ... ... ... ...
48 0 3 male NaN 2 0 21.6792 C NaN
49 0 3 female 18.0 1 0 17.8000 S NaN
50 rows × 9 columns
'''titanic.loc[1]
'''
survived 1
pclass 1
..
embarked C
deck C
Name: 1, Length: 9, dtype: object
'''# 이것 자체로는 변경이 안된다.
# titanic.set_index(['pclass', 'sex']).sort_index(ascending=True)
# 이렇게 해줘야 변경이 된다
titanic = titanic.set_index(['pclass', 'sex']).sort_index(ascending=True)
titanic
'''
survived age sibsp parch fare embarked deck
pclass sex
1 female 1 38.0 1 0 71.2833 C C
female 1 35.0 1 0 53.1000 S C
... ... ... ... ... ... ... ... ...
3 male 0 NaN 1 0 15.5000 Q NaN
male 0 NaN 2 0 21.6792 C NaN
50 rows × 7 columns
'''# pclas의 1에 해당하는 값만 선택
titanic.loc[1]# pclass가 1이나 2에 해당하는 값을 리턴
titanic.loc[[1,2]]# 1차 인덱스 중에서는 1에 해당되는 값 중에서 2차 인덱스는 female의 값을 가지는 값
titanic.loc[1,'female']
'''
survived age sibsp parch fare embarked deck
pclass sex
1 female 1 38.0 1 0 71.2833 C C
female 1 35.0 1 0 53.1000 S C
female 1 58.0 0 0 26.5500 S C
female 1 NaN 1 0 146.5208 C B
'''# 첫번째 인덱스가 1에 해당하고, 두번째 인덱스가 female인것중에서 age만을 출력해주기
titanic.loc[(1,'female'), 'age']
'''
pclass sex
1 female 38.0
female 35.0
female 58.0
female NaN
Name: age, dtype: float64
'''titanic.loc[(1,'female')]
'''
survived age sibsp parch fare embarked deck
pclass sex
1 female 1 38.0 1 0 71.2833 C C
female 1 35.0 1 0 53.1000 S C
female 1 58.0 0 0 26.5500 S C
female 1 NaN 1 0 146.5208 C B
'''# 만약 기준 인덱스값으로 잡아놓은것 중에서 특정값을 선택하고, 그 값에 해당하는 컬럼만 출력을 요구하는데, 2개 이상일경우는 이렇게 한다.
titanic.loc[(1,'male'), ['age', 'fare']]
'''
age fare
pclass sex
1 male 54.0 51.8625
male 28.0 35.5000
male 19.0 263.0000
male 40.0 27.7208
male 28.0 82.1708
male 42.0 52.0000
'''# 기준인덱스를 설정해주고, 그것에 해당하는 모든 컬럼값을 출력할 경우는
titanic.loc[(2,'female'), :]
'''
survived age sibsp parch fare embarked deck
pclass sex
2 female 1 14.0 1 0 30.0708 C NaN
female 1 55.0 0 0 16.0000 S NaN
female 0 27.0 1 0 21.0000 S NaN
female 1 3.0 1 2 41.5792 C NaN
'''# 이부분은 정말 전혀 생각지도 못했던 부분이다.
# 내가 원하는 행동은 첫번째 기준인덱스 전부와 두번째 기준인덱스는 female에 해당하는값의 모든 열을 출력한다.라고 할 때
# 시도1
# titanic.loc[('female'), :]
# KeyError: 'female'
# 시도2
# titanic.loc[(:,'female'),:]
# SyntaxError: invalid syntax
# 시도3
# titanic.loc[(:,'female')]
# SyntaxError: invalid syntax
# 해답코드
# 첫번째 기준 인덱스는 슬라이스를 하지 않기 때문에 모든 값을 가져온다.
# 라는 부분이 이해해야하는 포인트 인것같다.
# 다중 인덱스를 조회할 때의 보편적인 방법이라고 한다.
titanic.loc[(slice(None), slice('female')), :]
'''
survived age sibsp parch fare embarked deck
pclass sex
1 female 1 38.0 1 0 71.2833 C C
female 1 35.0 1 0 53.1000 S C
female 1 58.0 0 0 26.5500 S C
female 1 NaN 1 0 146.5208 C B
2 female 1 14.0 1 0 30.0708 C NaN
... ... ... ... ... ... ... ... ...
3 female 1 14.0 1 0 11.2417 C NaN
female 0 40.0 1 0 9.4750 S NaN
female 1 19.0 0 0 7.8792 Q NaN
female 1 NaN 0 0 7.7500 Q NaN
female 0 18.0 1 0 17.8000 S NaN
25 rows × 7 columns
'''# String Operations Intro / Refresher
type('Hello World')
# strhello = 'Hello world'
hello
# 'Hello world'# 문자열 소문자 만들기
hello.lower()
# 'hello world'# 문자열 대문자 만들기
hello.upper()
# 'HELLO WORLD'# 각 문자열 문장의 첫번째 글씨를 대문자로 전환
hello.title()
# 'Hello World'# 공백을 기준으로 분리하여 각각의 리스트로 만들어 주는 기능
hello.split(' ')
# ['Hello', 'world']# 내가 지정한 문자를 다른 문자로 바꿔주는 기능
hello.replace('Hello', 'Hi')
# 'Hi world'
# 그렇지만 완전히 변환되는건 아니고, 표시가 변환처럼 보이는 것이다.
# 심지어 inplace = True 기능도 내장되어있지 않은것으로 보이니
# 진정 변경을 원한다면
# hello = hell.replace('Hello', 'Hi') 로 변경해야 하는 것 같다.
# 여기에 더 나아가서 완전 개별적으로 관리하고 싶으면 메모리주소 변경을 위해서 .copy를 써주는것도 방법일 듯 하다.import pandas as pd
summer = pd.read_csv('summer.csv')
summer.head()
'''
Year City Sport Discipline Athlete Country Gender Event Medal
0 1896 Athens Aquatics Swimming HAJOS, Alfred HUN Men 100M Freestyle Gold
1 1896 Athens Aquatics Swimming HERSCHMANN, Otto AUT Men 100M Freestyle Silver
2 1896 Athens Aquatics Swimming DRIVAS, Dimitrios GRE Men 100M Freestyle For Sailors Bronze
3 1896 Athens Aquatics Swimming MALOKINIS, Ioannis GRE Men 100M Freestyle For Sailors Gold
4 1896 Athens Aquatics Swimming CHASAPIS, Spiridon GRE Men 100M Freestyle For Sailors Silver
'''names = summer.loc[:9, 'Athlete'].copy()
'''
0 HAJOS, Alfred
1 HERSCHMANN, Otto
2 DRIVAS, Dimitrios
3 MALOKINIS, Ioannis
4 CHASAPIS, Spiridon
5 CHOROPHAS, Efstathios
6 HAJOS, Alfred
7 ANDREOU, Joannis
8 CHOROPHAS, Efstathios
9 NEUMANN, Paul
Name: Athlete, dtype: object
'''names.dtypes
# dtype('O')names[0]
# 'HAJOS, Alfred'names.lower()
# AttributeError: 'Series' object has no attribute 'lower'
# 즉, names는 현재 Series 상태이므로, lower를 사용하기엔, Series엔 lower가 없다는 뜻이다.# 따라서 방법을 달리해주어야한다.
names.str.lower()
# 이것을 연산하는 과정이 백터화 과정을 이용해서 진행 한 것이라고 한다.
'''
0 hajos, alfred
1 herschmann, otto
2 drivas, dimitrios
3 malokinis, ioannis
4 chasapis, spiridon
5 chorophas, efstathios
6 hajos, alfred
7 andreou, joannis
8 chorophas, efstathios
9 neumann, paul
Name: Athlete, dtype: object
'''# String Operations in Pandas
import pandas as pd
summer = pd.read_csv('summer.csv')
summer.head()
'''
Year City Sport Discipline Athlete Country Gender Event Medal
0 1896 Athens Aquatics Swimming HAJOS, Alfred HUN Men 100M Freestyle Gold
1 1896 Athens Aquatics Swimming HERSCHMANN, Otto AUT Men 100M Freestyle Silver
2 1896 Athens Aquatics Swimming DRIVAS, Dimitrios GRE Men 100M Freestyle For Sailors Bronze
3 1896 Athens Aquatics Swimming MALOKINIS, Ioannis GRE Men 100M Freestyle For Sailors Gold
4 1896 Athens Aquatics Swimming CHASAPIS, Spiridon GRE Men 100M Freestyle For Sailors Silver
'''names = summer.Athlete[:9].copy()
names
'''
0 HAJOS, Alfred
1 HERSCHMANN, Otto
2 DRIVAS, Dimitrios
3 MALOKINIS, Ioannis
4 CHASAPIS, Spiridon
5 CHOROPHAS, Efstathios
6 HAJOS, Alfred
7 ANDREOU, Joannis
8 CHOROPHAS, Efstathios
Name: Athlete, dtype: object
'''# 전체 다 대문자.
names.str.upper()
'''
0 HAJOS, ALFRED
1 HERSCHMANN, OTTO
2 DRIVAS, DIMITRIOS
3 MALOKINIS, IOANNIS
4 CHASAPIS, SPIRIDON
5 CHOROPHAS, EFSTATHIOS
6 HAJOS, ALFRED
7 ANDREOU, JOANNIS
8 CHOROPHAS, EFSTATHIOS
Name: Athlete, dtype: object
'''# 전체 다 소문자.
names.str.lower()
'''
0 hajos, alfred
1 herschmann, otto
2 drivas, dimitrios
3 malokinis, ioannis
4 chasapis, spiridon
5 chorophas, efstathios
6 hajos, alfred
7 andreou, joannis
8 chorophas, efstathios
Name: Athlete, dtype: object
'''# 각 문장의 첫번째 글씨만 대문자.
names.str.title()
'''
0 Hajos, Alfred
1 Herschmann, Otto
2 Drivas, Dimitrios
3 Malokinis, Ioannis
4 Chasapis, Spiridon
5 Chorophas, Efstathios
6 Hajos, Alfred
7 Andreou, Joannis
8 Chorophas, Efstathios
Name: Athlete, dtype: object
'''summer.Event
'''
0 100M Freestyle
1 100M Freestyle
2 100M Freestyle For Sailors
3 100M Freestyle For Sailors
4 100M Freestyle For Sailors
...
31160 Wg 84 KG
31161 Wg 96 KG
31162 Wg 96 KG
31163 Wg 96 KG
31164 Wg 96 KG
Name: Event, Length: 31165, dtype: object
'''# 각 띄어쓰기마다 분리하여 리스트화 하기
summer.Event.str.split()
# 사실상 split()은 split(' ')과 동일한 기능으로 작동한다.
'''
0 [100M, Freestyle]
1 [100M, Freestyle]
2 [100M, Freestyle, For, Sailors]
3 [100M, Freestyle, For, Sailors]
4 [100M, Freestyle, For, Sailors]
...
31160 [Wg, 84, KG]
31161 [Wg, 96, KG]
31162 [Wg, 96, KG]
31163 [Wg, 96, KG]
31164 [Wg, 96, KG]
Name: Event, Length: 31165, dtype: object
'''
# 이것은 생각해보니 in 혹은 not in을 사용하기 전에,
# 내용물을 확인하기 위한 용도로도 쓰일 수 있을것같다.# summer.Event.str.contains
# <bound method StringMethods.contains of <pandas.core.strings.accessor.StringMethods object at 0x179ebf700>>
# in 과 같은 기능인것같다.
summer.Event.str.contains('100M')
'''
0 True
1 True
2 True
3 True
4 True
...
31160 False
31161 False
31162 False
31163 False
31164 False
Name: Event, Length: 31165, dtype: bool
'''# ' '는 공백을 기준으로 띄어주라는 소리고
# n은 왼쪽부터 시작하여 ' '처럼 주어진 기준을 n 만큼 분할해준다. 는 의미를 가지고 있다.
# 즉, 띄어쓰기가 3개있든 5개있든 왼쪽 가장 먼저되는것부터 2번해주고 그 다음은 하나의 문장으로써 남아있는다.
summer.Event.str.split(' ', n=1)
'''
0 [100M, Freestyle]
1 [100M, Freestyle]
2 [100M, Freestyle For Sailors]
3 [100M, Freestyle For Sailors]
4 [100M, Freestyle For Sailors]
...
31160 [Wg, 84 KG]
31161 [Wg, 96 KG]
31162 [Wg, 96 KG]
31163 [Wg, 96 KG]
31164 [Wg, 96 KG]
Name: Event, Length: 31165, dtype: object
'''# 당연한거지만, 띄어쓰기가 원래 1개가 있는것은 그냥 1번 분할되고 끝이다.
summer.Event.str.split(' ', n=2)
'''
0 [100M, Freestyle]
1 [100M, Freestyle]
2 [100M, Freestyle, For Sailors]
3 [100M, Freestyle, For Sailors]
4 [100M, Freestyle, For Sailors]
...
31160 [Wg, 84, KG]
31161 [Wg, 96, KG]
31162 [Wg, 96, KG]
31163 [Wg, 96, KG]
31164 [Wg, 96, KG]
Name: Event, Length: 31165, dtype: object
'''# 파라미터를 ' '와 n까지만 써주었을때는 기존의 행을 리스트화 하여서 관리하였다.
# 하지만 expand라는 파라미터를 하나 더 추가해주고 True값으로 주게 되면
# 앞의 파라미터들을 통해서 나누어진 값들이 모두 제각각 DataFrame화 되게 된다.
summer.Event.str.split(' ', n = 2, expand = True)
'''
0 1 2
0 100M Freestyle None
1 100M Freestyle None
2 100M Freestyle For Sailors
3 100M Freestyle For Sailors
4 100M Freestyle For Sailors
... ... ... ...
31160 Wg 84 KG
31161 Wg 96 KG
31162 Wg 96 KG
31163 Wg 96 KG
31164 Wg 96 KG
31165 rows × 3 columns
'''300x250
'개발일지 > Pandas' 카테고리의 다른 글
| pandas 판다스 기초 12 Matplotlib (0) | 2022.07.26 |
|---|---|
| pandas 틀린부분 복기 5 apply, value_counts (0) | 2022.07.25 |
| pandas 틀린부분 복기 4 (0) | 2022.07.23 |
| pandas 판다스 rank, unique, nunique, count, 평균, 표준편차(mean, std), 상관계수 corr (0) | 2022.07.23 |
| pandas 판다스 틀린부분 복기3 (0) | 2022.07.19 |