[day26] 조금 늦더라도... 제대로 공부하겠습니다.

👩🏻‍💻  TODAY I LEARN

📌 SQL

- 코드카타 시간제한 두고 풀기 ➜ 파이썬 공부하느라 못 했다. 내일 QCC 전 오전시간 활용하자

📌 Python 

- 라이브 세션 2회차 복습 (dataframe의 그룹핑, 정렬)

- 라이브 세션 3회차 복습 (merge,join,concat)

하 하 하

내 얘기같구나..

그래도 저게 맞지.

오래 걸려도 제대로, 확실하게 하자!

---

Python

2-1. 라이브 세션 2회차 복습

[day26] python 라이브세션 2회차 복습+응용

복습하면서 생긴 질문들을 정리해보았다.

시간은 오래걸렸어도 확실하게 개념이 잡혔다.

내일 또 해보자. 계속 하자.

---

 

2-2. 라이브 세션 3회차 복습

👀 핵심 개념
merge, join, concat

 

1) merge ➜ 공통 컬럼 기준으로 병합

pd.merge(df1,df2, how = ' ', on= ' ', suffixes=(' ' ,' '), sort= , indicator= )

• SQL의 JOIN이랑 비슷한 개념 (공통 컬럼 기준으로 수직결합)
• 공통 컬럼을 하나로 출력한다.
• 파라미터
  • how : inner(기본값), left, right, outer
  • on : 공통컬럼의 컬럼명이 서로 다를 때 각각 어떤 이름인지 알려주기
    • left_on
    • right_on
  • sort = True/False : 병합 후 인덱스 정렬 어떻게 할 건지 결정
    • False (기본값) → 원래 데이터 순서대로 출력
    • True → 공통컬럼 기준으로 오름차순 정렬

Q. 내림차순 하고 싶으면 ?
merge에서는 오름차순 정렬밖에 지원 안 됨.
내림차순 정렬하고 싶으면 따로 매개변수로 만들어주고, sort_values(by = ' ', ascending=False) 처리 !

🔸 예시

merged = pd.merge(ddf1,ddf2, how='inner', on='key', sort=True)
merged_sort = merged.sort_values(by='key', ascending=False)
print(merged_sort)

 

• suffixes : 중복된 컬럼들의 이름 바꿔주기
• indicator = True/False
  • False (기본값) → 아무 변화 없음
  • True → 맨 마지막에 각 행별로 both/left_only 인지 알려주는 컬럼 추가됨

Q. 파라미터 순서 상관 있음?
없음. 해봤더니 되더라. 하지만 웬만하면 상식적인 순서 지키자.

 

2) join ➜ 인덱스 기준으로 병합

df.join(df2, how=' ', lsuffix=' ' , rsuffix=' ', sort= )

• how='outer'일 때, df의 인덱스 기준으로 필터링되어서 병합 (left join)
•  파라미터
  • how
  • isuffix / rsuffix : 중복된 컬럼들의 이름 바꿔주기
  • sort= True/False : 병합 후 인덱스 정렬 어떻게 할 건지 결정

Q1. 서로 인덱스가 다르면?
달라도 조인 가능
짧은 쪽 모든 데이터는 NaN 리턴

Q2. 인덱스라는 게 원래 오름차순 정렬된 거 아닌가? sort가 왜 필요하지?
'인덱스 = 무조건 오름차순 정렬'이 아님!

 

3) concat ➜ 이어붙이기

pd.concat([df1,df2], axis= , ignore_index= , join=' ')

• 기본적으로 정렬 지원 x
• 파라미터
  • axis = 0/1
    • 0 (기본값) → 수직결합 (UNION이랑 비슷하지만 컬럼 이름 달라도 됨.)
      • 컬럼 이름이 같다? 그럼 그 열에 수직결합!
      • 컬럼 이름이 다르다? 새로운 열로 추가~
    • 1 → 수평결합 (JOIN)
      • 인덱스 기준으로 병합 (정말 join이랑 비슷하군)
  • ignore_index = True/False  
    • True →  컬럼명 없어지고 인덱스 0부터 매기기 (axis = 1 일 때!!)
    • False (기본값) → 원래 컬러명 유지
  • join='inner','outer'
    • left, right는 사라짐
    • 기본값은 outer
    • axis=0 일 때 join을 굳이 사용하지 않음. 기본적으로 outer이고 inner해줄 필요가 많지 않으니까?
    • join='outer'일 때, 모든 df의 인덱스 그대로 유지

Q. concat의 axis=1이면, join이랑 비슷하네? 아예 비슷하게 만들어보자.

concat은 기본적으로 정렬해주지 않고, join은 sort=true하면 정렬해주니까 concat에 sort.index()를 붙여주자.

pd.concat([df2, df3], axis=1, join='inner').sort_index()
df2.join(df3, how='inner', sort=True)

1) 공통된 인덱스만 유지해서 (inner join)
2) 수평 결합하고 (axis=1, join)
3) 인덱스 기준 정렬 (sort.index(), join)