[전처리] Data Transformation(데이터 변환) - 새로운 속성 만들기

2022.03.06 - [데이터 분석/02. Data Processing] - [전처리] Data Transformation(데이터 변환) - 정규화

[전처리] Data Transformation(데이터 변환) - 정규화

데이터 변환 작업에는 정규화 외에도 기존의 컬럼을 이용하여 새로운 컬럼을 만들거나

데이터를 더 큰 단위로 집계하는 등의 여러가지 변환작업이 있는데요!

 

저번 포스팅에 이어서 데이터 변환에 대해 추가적으로 공부해보려고 합니다.

---

 새로운 속성 만들기

 

~실습~

: 새로운 BMI 컬럼을 추가해라.

weight-height.csv

0.41MB

 

1. 데이터 불러오기 및 구조확인

heiwei=pd.read_csv("weight-height.csv")
print(heiwei.info())
print(heiwei.head(5))

 

 

2. 계산 전에 데이터 단위 바꾸기

# Height(meter)와 Weight(kg)의 단위를 바꿔줌!
heiwei['Heightc']=2.54*heiwei['Height']/100
heiwei['Weightk']=0.453592*heiwei['Weight']

단위를 바꿔서 새로운 컬럼인 'Heightc'/'Weightk'에 저장해준다!

 

 

3. 새로운 BMI 컬럼 생성

# 새로운 컬럼을 생성해줌
heiwei['BMI']=heiwei['Weightk']/(heiwei['Heightc']**2)

print(heiwei.info())

새로운 컬럼이 생성된 것을 확인할 수 있다!!

 

 

더 큰 단위로 집계하기

 

~실습~

salesdaily.csv

0.11MB

 

1. 데이터 불러오기 및 데이터 타입 확인

# 일일 약국 파냄 데이터를 월별, 분기별, 연간 판매 데이터로 변환
sales=pd.read_csv('salesdaily.csv')
print(sales.info())

datum 컬럼의 데이터 타입이 object인 것을 확인함.

 

 

2. 데이터 타입 바꿔주기

# 데이터 세트의 데이터를 날짜 형식으로 변경
sales['datum']=pd.to_datetime(sales['datum'])
print(sales.info())

-> 데이터 형식이 datetime으로 잘 바뀌었음!

 

 

3. datum을 인덱스로 설정

sales.set_index('datum', inplace=True)

 

 

4. 월별, 분기별, 연도별로 다시 샘플링

salesm=sales.resample('M').sum() #월
salesq=sales.resample('Q').sum() #분기
salesa=sales.resample('A').sum() #연도

print("월별 :", salesm)
print("분기별 :", salesq)
print("연도별 :", salesa)

->월별/분기별/연도별로 잘 집계되었음!