데이터 전처리| Pandas 기본 함수2 (loc, iloc,isin)

☑️ 데이터 선택 하기 

 ✔️`iloc` :행,열 번호로 특정 값을 선택
      인덱스 번호로 행/열 슬라이싱 , 끝값 포함 안함
 ✔️`loc` :컬럼명으로 특정 문자를 확인해서 선택
      인덱스와 컬럼명으로 행/열 슬라이싱 , 끝값 포함(인덱스 아니므로)

• `iloc` : 인덱스 번호로 데이터 선택 

df = pd.DataFrame({
 'A' : [1,2,3,4,5],
 'B' : [10,20,30,40,50],
 'C' : [100,200,300,400,500]
})

# iloc : 인덱스로 행 선택 
df.iloc[0] #인덱스 0 값 행 출력 
df.iloc[0::2] # 슬라이싱 인덱스 0부터 끝까지 2간격씩 출력  

# iloc & 콤마 : 인덱스로 값 선택 
df.iloc[0,0] # 슬라이싱 인덱스 (0,0) 행/렬 출력  = [0][0]와 같음
df.iloc[0:2,0:3] #0~1행 /0~2열 까지 출력

• `loc` : 컬럼명으로 특정 문자를 확인해서 선택
  • 인덱스,컬럼명 필요

df = pd.DataFrame({
 'A' : [1,2,3,4,5],
 'B' : [10,20,30,40,50],
 'C' : [100,200,300,400,500]
},index=['a', 'b', 'c', 'd', 'e'])

# loc : 인덱스로 행 선택 
df.loc[:,'A'] #전체에서 A컬럼행 출력 (df.iloc[:,0] =df['A'])
df.loc['b':,'A'] # b행 (두번째행) 부터 0번째 열 출력하기 

## 단,슬라이싱시 loc는 끝값 포함
df.loc['b':'e','A'] #(b~e)행 A열 -> e 행 포함 
df.loc['b':'e','A':'B'] #(b~e)행 A열~B열 -> e 행 포함

• 여러개 컬럼 출력시 : [] 리스트형으로 감싸줌 

# 여러 컬럼 출력, [컬럼1,컬럼2] 리스트로 감싸줌
df[['A','B']]
df[['B','A']] # 컬럼 순서도 바꿀수 있음
df.loc['a':'b', ['A','B']]

☑️ 데이터 선택하기 - 불리안 인덱싱 (조건별)

✔️ 데이터프레임 안에 들어갈수있는 값 : [컬럼명, 인덱스, 조건문]

• `DataFrame.[조건문]`  : 조건별 값을 T or F 로 출력
• `DataFrame[DataFrame.[조건문] ]` : 조건문 True 해당하는 모든 행 출력
• `.isin()` : 특정 값이나 리스트안에 포함된 값을 찾는 메소드(원하는 값을 빠르게 선택 가능
• df['size'].isin([5])   즉,  df['size']==5 (동일)
• .isin({’컬럼’ : [값], ‘컬럼’ : [값]}) : 다중 값 확인 시 리스트로 감싸주면 됨. 

# 1 
df['tip']<2  # t or f 로 값 반환됨. 
df[df['tip']<2] # df [ 조건문 ]이 true 때의 모든 행 출력 됨.

# 단일 컬럼 조건별 출력 
df['sex']=='Male' #성이 남성 일때 t or f 로 값 반환 
df[df['sex']=='Male']  #조건을 만족하는 행 출력 

#다중 컬럼 조건별 출력 (and) 
df[(df['sex']=='Male') & (df['smoker']=='Yes')] #남성이면서 흡연자 (&)

#다중 컬럼 조건별 출력 (ot)
df[(df['sex']=='Male') | (df['smoker']=='Yes')]  #남성이거나 흡연자 (|)

# loc & 조건문 단일 컬럼 출력 
df.loc[df['size']>3] #사이즈컬럼값이 3보다 클때 모든 행 출력 

# loc & 조건문 다중 컬럼(특정 컬럼) 출력 
df.loc[df['size']>3,'tip':'smoker'] #사이즈컬럼값이 3보다 클때 tip~smoker 만 출력

#size 컬럼 값이 5일떄 전체 출력
df[df['size'].isin([5])] 

#여러 컬럼에 대해 값 선택 : 사이즈 컬럼 값이 5일고 스모크 컬럼이 yes 일때 전체 출력 
df.isin({'size': [5], 'smoker': ['Yes']})

☑️ 컬럼 연산하기 (+ , /)

• df['new컬럼명'] = df['컬럼1'] +  df['컬럼2']  : 컬럼1+ 컬럼2 합계
• df['new컬럼명'] = df['컬럼1'] / df['컬럼2']  : 컬럼2에 대한 컬럼1의 비중

# 값 연산하기 (컬럼+컬럼 이면 + 연산이 됨 )
df['revenue'] = df['total_bill'] + df['tip']

# 팁의 비중 구하기 (컬럼/컬럼 이면 / 연산이 됨 )
df['tip']/df['total_bill']*100