4T_Pandas Basic (4) - 파일 입출력 ( csv, excel, sql )



In [ ]:

    
-실제 엑셀 파일 데이터를 바탕으로 위의 것들을 다시 한 번 실습
-국가별 파일 입출력했음
번외로 수학계산을 해 볼 것이다. max, mean, min, sum



In [1]:

    
df = pd.DataFrame([{"Name": "KiPyo Kim", "Age": 29}, {"Name": "KiDong Kim", "Age": 33}])



In [2]:

    
df









    Out[2]:






  
    
      
      Age
      Name
    
  
  
    
      0
      29
      KiPyo Kim
    
    
      1
      33
      KiDong Kim



In [3]:

    
# 옵션에 대해서만 알아가자
df.to_csv("fastcampus.csv")
df.to_csv("fastcampus.csv", index=False)
df.to_csv("fastcampus.csv", index=False, header=False)

CSV(Comma Seperated Value) => 각각의 데이터가 ","를 기준으로 나뉜 데이터
예를 들어 김기표 | 29 | 분석가 // sep="|" 이거였어 // 이렇게 하면 ,가 |이걸로 바뀌게 된다.



In [4]:

    
df.to_csv("fastcampus.csv", index=False, header=False, sep="|")

데이터 분석을 사용할 때 2가지 양식이 있다
1. csv(엑셀), XML, JSON == 데이터베이스
2. Pickle(데이터 분석에서 상당히 중요하다) => 파이썬의 객체 그대로 저장할 수 있다. 파이썬 코드를 그대로 저장
즉, 클래스나 함수를 바이너리 형태로 저장해서 언제든 쓸 수 있도록



In [ ]:

    
df = pd.read_csv
# 이렇게 간단하다
# 엑셀 파일을 일괄적으로 csv 형태로 바꿔주는 프로그래밍 => Pandas로 하면 금방 한다
# read_excel().to_csv 이런 식으로 하면. 해보자



In [5]:

    
pd.read_csv("fastcampus.csv")









    Out[5]:






  
    
      
      29|KiPyo Kim
    
  
  
    
      0
      33|KiDong Kim



In [7]:

    
pd.read_csv("fastcampus.csv", header=None, sep="|")



In [11]:

    
df = pd.read_csv("fastcampus.csv", header=None, sep="|")
df.rename(columns={0: "Age", 1: "Name"}, inplace=True)
df









    Out[11]:






  
    
      
      Age
      Name
    
  
  
    
      0
      29
      KiPyo Kim
    
    
      1
      33
      KiDong Kim