DATAFOX🦊

adidas['Price per Unit'] = adidas['Price per Unit'].str.replace('[%$,]', '').astype('float') # float 타입으로 변환adidas['Units Sold'] = adidas['Units Sold'].str.replace('[%$,]', '').astype('float')adidas['Total Sales'] = adidas['Total Sales'].str.replace('[%$,]', '').astype('float')adidas['Operating Profit'] = adidas['Operating Profit'].str.replace('[%$,]', '').astype('float')adidas['Operating Margin..

start 열과 end 열이 있는 DataFrame df가 주어집니다.for 루프를 사용하여 DataFrame의 'start' 열과 'end' 열을 datetime 유형으로 변환하십시오.start에서 end까지의 시간 차이를 시간 단위로 계산하십시오. 시간 이하 단위의 차이는 소수점으로 표시하십시오.'end' 열의 날짜들을 주 단위('W')로 변환하고, 이를 'yyyy-mm-dd' 형태의 문자열로 표현하십시오.df['end'].dt.to_period('W').dt.strftime('%Y-%m-%d')df['duration'] = (df['end'] - df['start']).dt.total_seconds()/3600cols=['start','end']for i in cols: df[i]=pd.to_da..

판다스의 melt 함수를 사용해 'iris' 데이터셋을 'long form'으로 변환하시오'variable' 열의 이름을 'measure_type'으로, 'value' 열의 이름을 'measure_value'로 변경iris_long으로 저장iris_long을 활용하여 species 와 measure_type 별 평균을 구하시오iris_long=iris.melt( id_vars='species', value_vars=['sepal_length','sepal_width','petal_length','petal_width'], var_name='measure_type', value_name='measure_value')iris_long.pivot_table(index='species', ..

연습문제: Titanic 데이터셋을 이용한 그룹화 및 집계Titanic 데이터셋을 이용하여 다음과 같은 연산을 수행하는 Pandas 코드를 작성하십시오.데이터를 'Pclass' (객실 등급)별로 그룹화하고, 각 그룹에 대해 다음과 같은 집계 연산을 수행하십시오:Survived 컬럼의 합계 (생존자 수).Fare 컬럼의 평균 (평균 요금).Embarked 컬럼의 고유값 수 (출발한 항구의 종류 수).결과를 새로운 DataFrame으로 저장하고, 그룹화했던 'Pclass' 컬럼을 다시 DataFrame의 컬럼으로 변환하십시오 (즉, reset_index()를 사용).import seaborn as snsdf=sns.load_dataset('titanic')import pandas as pddf.groupby..

titanic 데이터를 sns로 불러오고 상위 25% age 를 찾으시오import pandas as pdimport seaborn as snsdf=sns.load_dataset('titanic')b=891*0.25df.sort_values(by='age',ascending=False).head(int(b)) #내가 쓴 코드sns.load_dataset('titanic').describe() #정답 코드 정답은 20.125가 나오는데 내가 쓴 답은 35가 나온다..