아미(아름다운미소)

import pandas as pd# 데이터프레임 생성df = pd.DataFrame({'a': [1, 2, 2, 3, 3], 'b': [10, 20, 30, 40, 50]})# 'a' 컬럼을 기준으로 중복을 제거하면서 'b' 컬럼의 최대값을 남기기result = df.groupby('a')['b'].max().reset_index()print(result)import pandas as pd# 샘플 데이터프레임 생성df = pd.DataFrame({ 'a': [1, 2, 3, 1, 2, 3], 'b': [10, 20, 30, 15, 25, 35]})# a 열 기준으로 중복 제거, b 열 최대값 유지result = ( df.sort_values(by='b', ascending=False) ..

import pandas as pd# 샘플 데이터프레임 생성df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [10, 20, 30, 40], 'C': [100, 200, 300, 400]})# A 컬럼이 2인 행의 B 컬럼 값을 변경df.loc[df['A'] == 2, 'B'] = 99print(df)

df['week'] = df['date'].apply(lambda d_: gfn_to_char(gfn_to_date(d_, '%Y-%m-%d'), '%Y%w'))

import pandas as pddef my_function(row, param1, param2): # 함수 내부 로직 return resultdf = pd.DataFrame(...)df['new_column'] = df.apply(my_function, axis=1, args=(value1, value2))

import pandas as pd# 초기 데이터프레임data = { 'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}df = pd.DataFrame(data)# 새로운 열 D를 추가할 위치 계산 (열 B 다음)col_position = df.columns.get_loc('B') + 1# B 열이 마지막 열이라면 맨 마지막에 추가if col_position >= len(df.columns): df['D'] = 10else: df.insert(col_position, 'D', 10)print(df)import pandas as pd# 초기 데이터프레임data = { 'A': [1, 2, 3], 'B': [4, 5, 6], 'C'..

import pandas as pd# 예시 데이터프레임 생성data = { 'A': [1, 2, 3, 4, 5], 'B': [6, 7, 8, 9, 10], 'C': [11, 12, 13, 14, 15], 'D': [16, 17, 18, 19, 20], 'E': [21, 22, 23, 24, 25]}df = pd.DataFrame(data)# 3개의 열 선택 (예: 'B', 'C', 'E')cols_to_zero = ['B', 'C', 'E']# 선택한 열을 0으로 채우기df[cols_to_zero] = 0print(df)import pandas as pdimport numpy as np# 예시 데이터프레임 생성 (NaN 포함)data = { 'A': [1, 2, np.na..

import pandas as pd# 예제 DataFrame 생성df = pd.DataFrame({ 'A Column': [1, 2, 3], 'B Column': [4, 5, 6], 'C Column': [7, 8, 9]})# 'A Column'과 'B Column'의 값을 'C Column'의 값으로 대체df = df.assign(**{ 'A Column': df['C Column'], 'B Column': df['C Column']})print(df)

import pandas as pd# 예시 데이터프레임 생성data = { 'A': [1, 2, 2, 3, 4, 4, 5], 'B': ['a', 'b', 'b', 'c', 'd', 'd', 'e'], 'C': [' Y', 'N ', ' Y ', 'Y', ' N', ' Y', 'Y '], 'D': [' data1', 'data2 ', 'data 3 ', ' data4 ', 'data5', ' data6', 'data7 ']}df = pd.DataFrame(data)# 'D' 열 삭제, 중복된 행 제거, 'C' 열의 값에서 공백 제거 및 'Y'인 행만 필터링을 한 번에 수행df_filtered = df.drop(columns=['D']).drop_duplicates(subset..

import pandas as pd# 예제 데이터data = { 'A': [1.0, 2.0, 3.0], # float 'B': [4, 5, 6], # int 'C': ['x', 'y', 'z'] # string}# DataFrame 생성df = pd.DataFrame(data)# 모든 컬럼을 int64로 변환 시도for col in df.columns: df[col] = pd.to_numeric(df[col], errors='ignore', downcast='integer')print(df)print(df.dtypes)

import pandas as pd# 예제 데이터프레임 생성data = { 'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}df = pd.DataFrame(data)# 접미사를 붙일 컬럼 리스트 지정columns_to_rename = ['A', 'B']# 컬럼 이름 변경df.rename(columns={col: col + '_calc' for col in columns_to_rename}, inplace=True)# 해당 컬럼들에 대해 fillna(0) 적용for col in columns_to_rename: df[col + '_calc'] = df[col + '_calc'].fillna(0)# 결과 출력print(df)