٩(๑•̀o•́๑)و

stack : 컬럼 레벨 -> 인덱스레벨 => 데이터를 행의 레벨로 쌓아올림unstack : 인덱스 레벨 -> 컬럼 레벨샘플 데이터프레임import pandas as pdimport numpy as npstack_data = pd.DataFrame({'Location': ['seoul','seoul','seoul','kyounggi','kyounggi','Busan','seoul','seoul','Busan', 'kyounggi','kyounggi','kyounggi'], 'Day': ['mon','tue','wed','mon','tue','mon','thu','fri','tue','wed','thu','fri'..

pivot, pivot_table 메서드 : 행데이터를 열데이터로 회전pivot : 피벗팅시 사용pivot_table : 피벗팅+집계함수 사용샘플 데이터프레임 생성import pandas as pdimport numpy as nppivot_data = pd.DataFrame({'cust_id' : ['cust1','cust1','cust1','cust2','cust2','cust2','cust3','cust3','cust3'], 'prod_cd' : ['p1','p2','p3','p1','p2','p3','p1','p2','p3'], 'grade' : ['A','A','A','A','A','A','B','B','..

그룹화 : groupbyimport pandas as pdimport numpy as npflight = pd.read_csv('./Clean_dataset.csv')airline_group = flight.groupby('airline')airline_groupgroups 속성 : 그룹된 결과 확인 => 가독성은 좋지 않음import pandas as pdimport numpy as npflight = pd.read_csv('./Clean_dataset.csv')airline_group = flight.groupby('airline')airline_group.groupsgroupby 내부메서드1) count : 데이터 갯수2) size : 집단별 크기3) sum : 데이터 합4) mean, std, v..

컬럼 추가하기1단순히 새로운 컬럼을 지정할 경우는 맨 뒤에 추가됨import pandas as pdimport numpy as npflight = pd.read_csv('./Clean_dataset.csv')# 가격이 2배인 컬럼 추가하기flight['d_price']=flight['price']*2flight['t_price']=flight['price']+flight['d_price']flight.head()컬럼 추가하기2 : insertdf.insert(loc, column, value, allow_duplicates=False) - loc : 삽입될 열의 위치 --마찬가지로 맨앞이 0 - column : 삽입할 열의 이름 - value : 삽입할 열의 값(데이터) - allow_duplicates..

맨 앞/뒤 데이터 : head, tail디폴트는 5건 조회import pandas as pdimport numpy as npflight = pd.read_csv('./Clean_dataset.csv')flight.head(n=3) #미지정시 디폴트 5#flight.tail(n=3) #head의 반대. 역시 디폴트 5 데이터 프레임의 행과 열 갯수 : shape => (행, 열) 튜플로 각 갯수 반환import pandas as pdimport numpy as npflight = pd.read_csv('./Clean_dataset.csv')flight.shape #(3030153,12) 처럼 행과 열 갯수를 튜플형태로 보여줌 (행,열) 데이터 프레임을 구성하는 컬럼명들 확인 : columnsimport p..

import pandas as pdimport numpy as npflight = pd.read_csv('./Clean_dataset.csv',encoding="cp949")flightimport pandas as pdimport numpy as np#to_csv: csv로 저장#index_col: 인덱스로 설정할 컬럼 지정#usecols: 데이터프레임에 들어올 컬럼들 -> index_col로 지정한 컬럼을 무조건 포함해야함flight = pd.read_csv('./Clean_dataset.csv',index_col='stops', usecols=['stops','departure_time','arrival_time','destination_city'])flight.t..

개요Numpy : 수치 데이터를 다루는 데 활용 => np.array형태로 n차원 배열(ndarray) 사용 --파이썬의 list와 비슷Pandas : 데이터 배열이나 테이블 형태의 데이터(tabular data)등의 자료 구조를 처리하기 위한 라이브러리 >> Series(1차원 데이터 배열), DataFrame(행, 열로 구성된 2차원 데이터 테이블) 주로 사용Numpyimport numpy as npa = np.array([1,2,3,4,5])b = np.array(['korea','japan','china'])c = np.array([1,2,'korea','가나'])print(a) #only 숫자형 : 숫자로만 표기print(b) #only 문자형 : 문자형('') 으로 표기print(..

1. 설치 : 아래의 글을 따라해보았다 https://velog.io/@pingping95/Kubernetes-Prometheus-Grafana-모니터링-설치-KVM [Kubernetes] Prometheus, Grafana 모니터링 설치 (KVM) Prometheus와 Grafana를 통한 모니터링 툴 설치 및 초기 적용 velog.io 2. prometheus Status > target 에서 상태 확인 가능 2. Grafana - Prometheus 연동 작업 3. Grafana 대시보드 꾸미기 참고로, 데이터가 들어간 그라파나 데시보드는 아래와 같이 굉장히 멋진편 # 어디까지 했나 # 참고 https://velog.io/@pingping95/Kubernetes-Prometheus-Grafana-모..