강의 계획 레슨 250개 중 81번째 · 데이터 기초: numpy와 pandas
데이터 기초: numpy와 pandas

지저분한 데이터 정리하기

실제 표에는 빈칸과 잘못된 타입이 있어요. pandas는 빠진 값을 NaN(Not a Number)으로 표시해요. 채우거나 버리거나 해요.

import pandas as pd
import numpy as np
df = pd.DataFrame({
    "name": ["Ada", "Bo", "Cy"],
    "age":  [30, np.nan, 35],
})
print(df["age"].fillna(0))    # replace NaN with 0
print(df.dropna())            # drop any row that has a NaN

흔한 요령은 빠진 숫자를 열의 평균으로 채우는 거예요:

mean_age = df["age"].mean()        # NaN is ignored in the mean
df["age"] = df["age"].fillna(mean_age)

astype으로 열의 타입을 바꾸고, rename으로 열 이름을 바꿔요:

df["age"] = df["age"].astype(int)
df = df.rename(columns={"name": "first_name"})

열의 모든 값을 바꾸려면 함수와 함께 apply를 쓰세요. 각 칸에서 함수를 실행하고 새 Series를 돌려줘요:

def initial(s):
    return s[0]
df["letter"] = df["first_name"].apply(initial)
# you can also use a lambda:
df["letter"] = df["first_name"].apply(lambda s: s[0])
내 차례

아래 DataFrame에는 빠진 나이(NaN)가 있어요. age 열의 빠진 값을 (NaN을 무시한) 열의 평균으로 채운 다음, age 열 전체를 int로 바꾸세요. 마지막으로 각 이름의 길이를 담는 새 열 name_len을 더하세요(len과 함께 .apply를 쓰세요).

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.