아미(아름다운미소)

import pandas as pd# 예시 DataFrame 생성data = { 'a': ['TRUE', 'FALSE', 'TRUE', 'FALSE'], 'b': [10, 20, 30, 40],}df = pd.DataFrame(data)# a가 'TRUE'인 경우 b 값을 c에 복사df['c'] = df['b'].where(df['a'] == 'TRUE')print(df)

import pandas as pd# 예제 데이터프레임 생성data = { 'a': ['apple', 'banana', 'apple', 'orange', 'banana'], 'b': [True, False, True, True, False], 'c': [1, 2, 3, 4, 5]}df = pd.DataFrame(data)# a 컬럼의 고유 값에 대해 b가 True인 c 값을 가져와서 b에 복사for unique_a in df['a'].unique(): # 해당 a값을 가진 행 중 b가 True인 c 값 찾기 true_c_values = df.loc[(df['a'] == unique_a) & (df['b'] == True), 'c'] if not true_c_valu..

import pandas as pd# 예시 데이터프레임 생성data = { 'a': ['A', 'A', 'B', 'B', 'C'], 'b': [1, 1, 2, 2, 1], 'c': [False, False, False, False, True], 'd': ['z', 'y', 'x', 'w', 'v']}df = pd.DataFrame(data)# c가 모두 False인 그룹 찾기grouped = df.groupby(['a', 'b'])# c의 값이 모두 False인 그룹에 대한 마스크 생성mask = grouped['c'].transform('all') == False# 해당 그룹에서 d 컬럼 기준으로 정렬 후 인덱스 찾기first_alpha_index = df[mask].sort_va..

특정컬럼 null 체크import pandas as pd# 샘플 데이터프레임 생성data = { 'A': [1, 2, None, 4], 'B': [None, 2, 3, 4], 'C': [1, 2, 3, 4]}df = pd.DataFrame(data)# 특정 컬럼(B)에 대해 null 값 체크null_check_B = df['B'].isnull()print(null_check_B)# 특정 컬럼(B)의 null 값 개수 세기null_count_B = df['B'].isnull().sum()print(f"'B' 컬럼의 null 값 개수: {null_count_B}")# 특정 컬럼(B)에 null 값이 있는 행 필터링rows_with_null_B = df[df['B'].isnull()]print..

import pandas as pd# 예시 데이터프레임 생성data = { 'a': ['A', 'A', 'B', 'B', 'C'], 'b': [1, 1, 2, 2, 1], 'c': [0, 0, 0, 0, 1], 'd': ['z', 'y', 'x', 'w', 'v']}df = pd.DataFrame(data)# c의 합이 0인 그룹에서 d 컬럼의 알파벳이 가장 빠른 행의 c 값을 1로 변경# 그룹화하여 c의 합 계산grouped = df.groupby(['a', 'b'])# c의 합이 0인 그룹 찾기mask = grouped['c'].transform('sum') == 0# 해당 그룹에서 d 컬럼 기준으로 정렬 후 첫 번째 행의 인덱스 찾기first_alpha_index = df[ma..

import pandas as pdimport numpy as np# 샘플 데이터 생성data = { 'a': ['A'] * 6 + ['B'] * 6 + ['C'] * 6, 'b': [202411, 202412, 202413, 202414, 202415, 202416, 202411, 202412, 202413, 202414, 202415, 202416, 202428, 202429, 202431, 202432, 202433, 202434], 'c': [3] * 18}# DataFrame 생성df = pd.DataFrame(data)# b 컬럼으로 정렬df.sort_values(by='b', inplace=True)# d 컬럼 생성def assign_value..

import pandas as pd# 예시 데이터프레임 생성data = {'수치': [-10, 20, -15, 30, -25]}df = pd.DataFrame(data)# 몫과 나머지를 구하는 함수 정의def calculate_quotient_remainder(x, divisor): quotient = x // divisor # 몫 remainder = x % divisor # 나머지 if x import pandas as pdimport numpy as np# 값 설정a = -140b = 26# 몫과 나머지 계산quotient = np.floor_divide(a, b)remainder = np.remainder(a, b)# 결과 출력print("몫:", quotient)pr..

import pandas as pd# 예시 데이터프레임grouped = pd.DataFrame({ 'a': [...], 'b': [...], 'c': [...], 'd': [...], 'remainder': [...]})# 'remqainder_add' 컬럼 초기화grouped['remqainder_add'] = 0# 그룹별로 remainder의 값을 가져와서 fill_count 계산grouped['fill_count'] = grouped.groupby(['a', 'b', 'c', 'd'])['remainder'].transform(lambda x: min(x.iloc[0], len(x)))# 조건에 맞는 인덱스에 1로 업데이트mask = grouped.index import ..

import pandas as pd# DataFrame 생성data = { 'key': ['A', 'B', 'A', 'B', 'C'], 'value': [1, 2, 3, 4, 5]}df = pd.DataFrame(data)# 'key'로 그룹화하고 'value' 컬럼의 합계 계산grouped_sum = df.groupby('key')['value'].sum().reset_index()grouped_sum.rename(columns={'value': 'total_value'}, inplace=True)# 결과:# key total_value# 0 A 4# 1 B 6# 2 C 5# 원래 DataFrame과 그룹화된 합계를 ..

import pandas as pd# 예제 데이터 생성data = { 'a': ['A', 'A', 'B', 'B', 'C', 'C'], 'b': [1, 1, 2, 2, 3, 3], 'c': [10, 10, 20, 20, 30, 30], 'd': [100, 100, 200, 200, 300, 300], 'e': [5, 10, 15, 20, 25, 30], 'f': [30, 40, 50, 60, 70, 80]}df = pd.DataFrame(data)# a, b, c, d로 그룹화하고 e의 합계 계산grouped = df.groupby(['a', 'b', 'c', 'd'])['e'].sum().reset_index()# f - e 계산grouped['f - e'] = df.g..