머신러닝with파이썬3강(2)_결측치처리,정렬

결측치 처리

---

이번 시간에는 결측치를 처리해 보도록 하겠습니다.

이번 시간 정리

---

1. 결측치가 있는 행 삭제
data.dropna(axis=0)

2. 결측치가 있는 열(컬럼) 삭제
data.dropna(axis=1)

3. 결측치가 있는 열(컬럼) 확인
df.isnull()

True = 결측치가 맞다.
False=결측치가 아니다.

4. 결측치가 있는 열(컬럼) 합계
df.isnull().sum()

True = 1로 계산
False= 0로 계산

5. 결측값 채우기
df['결측치가 있는 컬럼명'].fillna('결측값에 채울 값')

아래의 코드 실행 버튼을 눌러 실습을 진행해 보세요!

결측치 삭제

 

 

 

# 데이터프레임 복사

data = df.copy()

data

 

 

 

 

 

실행 완료

[22]:

Unnamed: 0메뉴가격호수칼로리할인율할인가원산지012345678

0	황금후라이드	12000	10호	1000.0	0.2	9600.0	국내산
1	승일양념치킨	13000	10호	1400.0	0.2	10400.0	국내산
2	간장치킨	14000	9호	1600.0	0.2	11200.0	국내산
3	마늘치킨	14000	9호	1800.0	0.2	11200.0	국내산
4	파닭	14000	11호	1300.0	0.2	11200.0	브라질
5	닭강정	15000	12호	1500.0	0.2	12000.0	브라질
6	양념반후라이드반	13000	10호	1300.0	0.2	10400.0	국내산
new	[인기]아이펠치킨	16000	11호	1200.0	0.5	8000.0	국내산
10	[베스트]풀잎치킨	9900	10호	1000.0	NaN	NaN	국내산

 

 

 

# 결측치가 있는 행 모두 삭제

data.dropna(axis=0)

 

 

 

 

 

실행 완료

[21]:

Unnamed: 0메뉴가격호수칼로리할인율할인가원산지0457

0	황금후라이드	12000	10호	1000.0	0.2	9600.0	국내산
4	파닭	14000	11호	1300.0	0.2	11200.0	브라질
5	닭강정	15000	12호	1500.0	0.2	12000.0	브라질
new	[인기]아이펠치킨	16000	11호	1200.0	0.5	8000.0	국내산

 

 

 

# 결측치가 있는 컬럼 모두 삭제

data.dropna(axis=1)

 

 

 

 

 

실행 완료

[20]:

Unnamed: 0메뉴가격호수012345678

0	황금후라이드	12000	10호
1	승일양념치킨	13000	10호
2	간장치킨	14000	9호
3	마늘치킨	14000	9호
4	파닭	14000	11호
5	닭강정	15000	12호
6	양념반후라이드반	13000	10호
new	[인기]아이펠치킨	16000	11호
10	[베스트]풀잎치킨	9900	10호

결측치 채우기

 

 

 

# 컬럼별 결측치 확인

df.isnull().sum()

 

 

 

 

 

실행 완료

[19]:

Unnamed: 0    0
메뉴            0
가격            0
호수            0
칼로리           0
할인율           1
할인가           1
원산지           0
dtype: int64

 

 

 

# 결측값 채우기

# 원산지 -> '알수없음'으로 채우기

df['원산지'].fillna('알수없음')

 

 

 

 

 

실행 완료

[17]:

0    국내산
1    국내산
2    국내산
3    국내산
4    브라질
5    브라질
6    국내산
7    국내산
8    국내산
Name: 원산지, dtype: object

 

 

 

# 원산지 최빈값으로 채우기

df['원산지'].fillna('국내산')

 

 

 

 

 

실행 완료

[18]:

0    국내산
1    국내산
2    국내산
3    국내산
4    브라질
5    브라질
6    국내산
7    국내산
8    국내산
Name: 원산지, dtype: object

 

 

 

# 원산지 채우기 실행

df['원산지'] = df['원산지'].fillna('국내산')

df

 

 

 

 

 

실행 완료

[16]:

Unnamed: 0메뉴가격호수칼로리할인율할인가원산지012345678

0	황금후라이드	12000	10호	1000.0	0.2	9600.0	국내산
1	승일양념치킨	13000	10호	1400.0	0.2	10400.0	국내산
2	간장치킨	14000	9호	1600.0	0.2	11200.0	국내산
3	마늘치킨	14000	9호	1800.0	0.2	11200.0	국내산
4	파닭	14000	11호	1300.0	0.2	11200.0	브라질
5	닭강정	15000	12호	1500.0	0.2	12000.0	브라질
6	양념반후라이드반	13000	10호	1300.0	0.2	10400.0	국내산
new	[인기]아이펠치킨	16000	11호	1200.0	0.5	8000.0	국내산
10	[베스트]풀잎치킨	9900	10호	1000.0	NaN	NaN	국내산

 

 

 

# '칼로리'컬럼 결측치는 900으로 결측치 채움

df['칼로리'].fillna(900)

 

 

 

 

 

실행 완료

[15]:

0    1000.0
1    1400.0
2    1600.0
3    1800.0
4    1300.0
5    1500.0
6    1300.0
7    1200.0
8    1000.0
Name: 칼로리, dtype: float64

 

 

 

# '칼로리'컬럼 결측치는 최소값 결측치 채움

df['칼로리'].fillna(df['칼로리'].min())

 

 

 

 

 

실행 완료

[14]:

0    1000.0
1    1400.0
2    1600.0
3    1800.0
4    1300.0
5    1500.0
6    1300.0
7    1200.0
8    1000.0
Name: 칼로리, dtype: float64

 

 

 

# 칼로리 채우기 실행

df['칼로리'] = df['칼로리'].fillna(df['칼로리'].min())

df

정렬

---

이번 시간에는 정렬(sorting)에 대해서 배워보도록 하겠습니다.

이번 시간 정리

---

1. 인덱스 오름차순 기준

• 오름차순 : 작은 값에서 뒤로 갈수록 값이 커짐
• df.sort_index()
• df.sort_index(ascending=True)

2. 인덱스 내림차순 기준

• 내림차순 : 큰값에서 뒤로 갈수록 값이 작아짐
• df.sort_index(ascending=False)

3. 기준이 1개일때 정렬

• df.sort_values('컬럼명', ascending=False)

4. 기준이 다중일때 정렬

• 기준을 리스트 형태로 넣어준다.
• df = df.sort_values(['컬럼명1', '컬럼명2'] , ascending=[False, True])

5. 인덱스 새로 만들기

• 정렬후 엉망이된 인덱스 값 수정하기
• df = df.reset_index(drop=True)

아래의 코드 실행 버튼을 눌러 실습을 진행해 보세요!

정렬

 

 

 

# 데이터 확인

df

 

 

 

 

 

코드 실행

 

 

 

# 인덱스 기준 (기본값 ascending=True)

df.sort_index(ascending=False)

 

 

 

 

 

코드 실행

 

 

 

# 값 기준 (기본값 ascending=True)

# 가격 기준 정렬

df.sort_values('가격', ascending=False)

 

 

 

 

 

코드 실행

 

 

# 가격과 원산지 기준 정렬

df = df.sort_values(['가격', '원산지'], ascending=[False, True])

df

 

 

 

 

 

코드 실행

 

 

 

# 인덱스 새로 만들기 drop=True

df = df.reset_index(drop=True)

df

 

 

 

 

 

코드 실행