실습 | PANDAS 데이터프레임 조회/ 병합 /필터링 하기 (head, merge, fillna)

☑️  문제1. 데이터 조회, 정렬, 조건 필터

[문제]

• 타이타닉 데이터에서 아래 조건을 만족하는 코드 작성
  
  • 나이가 20살 이상 40살 미만인 승객
  • pclass가 1등급 혹은 2등급인 승객
  • 열(column)은 survived, pclass, age, fare 만 나오게 출력
  • 10개만 출력

---

[문제 풀이]

정답 코드

import pandas as pd
import seaborn as sns

df = sns.load_dataset('titanic')
# df.info()

# 다중 조건 변수에 할당 
condition = (df['age']>=20) & (df['age']<40) & (df['pclass'].isin([1,2]))

# 인덱스 정렬 후 10개만 출력
df.loc[condition,['survived','pclass','age','fare']].head(10).reset_index()

 

단계적 설명 

1. 다중 조건 필터링  
   • age 20이상, age 40미만, pclass 가 1과 2 일때 조건을 df에서 불리안 값으로 대치
   • 간단한 출력을 위해 변수에 할당 
   • isin 메소드 외 (df['pclass']==1 | df['pclass']==2) 도 가능 
2. 필터링 된 조건 행 & 출력 컬럼 출력: `loc()` 메소드  
3. 위에서 부터 10개 출력 : `head()` 메소드
4. 인덱스 초기화 : `reset_index()` 

▼ `reset_index()`

- 인덱스 초기화 해주는 메소드.

- 파라미터 옵션 : drop= True 시 기존 인덱스 제거 후 정수형으로 반환 (drop = False 디폴트, 기존 인덱스는 컬럼화)

- 파라미터 옵션 : inplace= True 시 원본 데이터 수정

reset_index(drop =False)

reset_index(drop=True)

[KEY POINT & TIP]

🔑 pandas 에서 행 필터링 후 원하는 컬럼만 출력 할 경우, loc 메소드로 접근 
      df. loc [필터링후 불리안타입의 df (행취급) ,'컬럼1'(열) ]
🔑필터링 후 인덱스 정렬/초기화 해주는 메소드 :  reset_index()

☑️  문제2. 데이터 합치기 및 컬럼 생성

[문제]

• 고객데이터와 주문 데이터를 합치고 주문여부에 따라 고객 분류 하는 코드 작성 
  
  • 고객 테이블(customers)를 기준으로 주문 테이블(orders)를 합쳐주세요. 주문 금액이 없는 고객도 모두 포함되어야 합니다.
  • 주문 금액이 없는 경우, 0으로 표현하세요.
  • 주문금액이 있는 경우 "구매", 주문금액이 0인 경우 "미구매"로 분류하는 "구매여부" 칼럼을 생성하세요.
    • df출력 (결과칼럼: 고객번호, 이름, 금액, 구매여부)

---

[문제 풀이]

정답 코드

.import pandas as pd
import numpy as np

#고객 테이블
customers = pd.DataFrame({
    '고객번호': [1001, 1002, 1003, 1004, 1005, 1006, 1007],
    '이름': ['승철', '동경', '예나', '혜연', '장훈', '채운', '다연']
})

#주문 테이블
orders = pd.DataFrame({
    'cno': [1001, 1001, 1005, 1006, 1008, 1001],
    '금액': [10000, 20000, 15000, 5000, 100000, 30000]
})

# join key 이름 변경 & merge & 타입 변경  
orders.rename(columns={'cno' : '고객번호'},inplace=True)
merge_df = pd.merge(customers,orders,on='고객번호',how='left')

#주문 금액이 없는 경우 null -> 0 대체
merge_df['금액'].fillna(0,inplace=True)
merge_df['금액'] = merge_df['금액'].astype('int') # 기본 float 타입, int 타입으로 변경하여 소수점 날리기

#구매여부 컬럼 추가 생성 (주문금액 0 이면 미구매, 0이 아니면 구매)
merge_df['구매여부'] = '구매' 
merge_df.loc[merge_df['금액']==0,'구매여부'] = '미구매'
merge_df

 

단계적 설명 

1. 조인키 이름 일치 & df 병합    
   • customers & orders 의 조인키는 고객번호,cno 로 컬럼명 일치시켜줌 : `rename`
   • 주문금액이 없는 고객도 포함이므로 `merge` 메소드의 how 파라미터 옵션 `left` 로 테이블 연결 
     • 컬럼명 일치 안시켜줄 경우, merge  파라미터에서 left_on= ,& right_on=  사용 후 drop 으로 중복 컬럼 제거 해줘야함.  
2. 주문금액이 없는 (null)인 경우 0으로 대치 :  `fillna()` 
   • fillna('대체값')
   • 원본 테이블에 바로 수정이 필요한 경우, inplace=True 옵션 활용 
3. 구매여부 컬럼 생성 및 조건별 구매/ 미구매 값 저장 
   
   • '구매' 값으로 저장된 '구매여부'컬럼 생성 
   • loc 로 '금액'이 0 일때, '구매여부' 컬럼에 '미구매'  값 저장(변경)   
   • np.where 메소드 활용하여 np.where ( 조건식,'참 값','거짓값') 으로 컬럼 값 변경 할 수 있음

# 컬럼명 일치 안 시킨 후 병합하기
df = pd.merge(customers, orders, left_on = "고객번호", right_on = "cno", how = "left")
df.drop(columns = "cno", inplace = True)

# numpy 로 조건별 값 저장하기
df["구매여부"] = np.where(df["금액"] > 0, "구매", "미구매")

[KEY POINT & TIP]

🔑두개의 df  merge 할때, 조인키 이름 선 일치 하는게 낫다 ( drop 코드 안쓸수있음)
🔑 조건별 컬럼값 저장/변경 시, np.where 메소드 활용하면 더 빠르고 간단함