조금씩 풀고, 확실하게 이해하기.

① 데이터 파악 함수

② 함수 · 메서드 · 어트리뷰트 구분

③ 복사본 & 변수명 바꾸기

df_new = df.copy()                     # 원본 보호용 독립 복사본
df_new = df_new.rename(columns={'cty': 'city', 'hwy': 'highway'})   # {옛이름: 새이름}

④ 파생변수 만들기

df['total'] = df['math'] + df['english'] + df['science']
df['mean']  = df['total'] / 3

import numpy as np
# 조건 2개 → np.where(조건, 참일 때, 거짓일 때)
df['result'] = np.where(df['mean'] >= 70, 'pass', 'review')

# 조건 3개 이상 → np.select
conditions = [df['mean'] >= 90, df['mean'] >= 80]
choices    = ['A', 'B']
df['level'] = np.select(conditions, choices, default='C')

# 중첩 np.where 방식도 자주 나옴
df['level'] = np.where(df['mean'] >= 90, 'A',
              np.where(df['mean'] >= 80, 'B', 'C'))

df['result'].value_counts()            # 범주별 빈도

① 행 추출 — query()

df.query("store == 'A관'")                         # 문자값은 따옴표 안에 따옴표
df.query("store != 'A관'")                         # 같지 않음
df.query("category == '음료' & rating >= 4.7")     # 그리고: & 또는 and
df.query("rating >= 4.5 | quantity >= 2")          # 또는: | 또는 or
df.query("payment in ['카드', '간편결제']")         # 여러 값 중 하나
df.query("payment not in ['현금']")                # 제외

② 열 선택

df['sales']                        # 한 열 → Series
df[['store', 'menu', 'sales']]     # 여러 열 → DataFrame (대괄호 2겹!)
df.drop(columns='menu')            # 열 제거

③ 정렬

df.sort_values('sales')                       # 오름차순 (기본)
df.sort_values('sales', ascending=False)      # 내림차순 → 상위 N개: .head(N)
df.sort_values(['store', 'sales'], ascending=[True, False])

④ 집단별 요약 — groupby() + agg() ★가장 중요

# 방법 1: 이름 붙여 요약 (권장)  새열이름=('원래열', '함수')
df.groupby('store', as_index=False).agg(
    총매출=('sales', 'sum'),
    평균평점=('rating', 'mean'),
    주문건수=('sales', 'count')
)

# 방법 2: 한 열에 여러 통계
df.groupby('store')['sales'].agg(['mean', 'sum'])

# 여러 기준으로 묶기
df.groupby(['store', 'location']).agg(총매출=('sales', 'sum'))

⑤ 데이터 합치기

⑥ 기타

top = df.sort_values('sales', ascending=False).iloc[0]   # 1위 행 자동 추출
top['store'], top['sales']
result.round(2)                                           # 소수점 2자리

① 결측치 확인

df.isna()                                   # True/False 표
df.isna().sum()                             # ★ 열별 결측치 개수
df.columns[df.isna().sum() > 0]             # 결측치 있는 열 이름
df['department'].value_counts(dropna=False) # NaN 포함 빈도
df['col'].notna()                           # 결측 아니면 True

② 결측치 제거 — dropna()

df_basic = df.dropna(subset=['study_hours', 'sleep_hours'])   # ★ 필요한 열 기준만
len(df) - len(df_basic)                                        # 제외된 행 수

③ 결측치 대체 — fillna()

df_app = df.copy()
df_app['study_hours'] = df_app['study_hours'].fillna(df_app['study_hours'].median())  # 중앙값
df_app['math']        = df_app['math'].fillna(df_app['math'].mean())                  # 평균
df_app['department']  = df_app['department'].fillna(df_app['department'].mode()[0])   # 최빈값 ([0] 필수!)

④ 규칙 기반 이상치 (정상 범위를 알 때)

df.query('score < 0 or score > 100')               # 이상치 찾기
df['score'].between(1, 5)                          # 1 ≤ x ≤ 5 이면 True (양 끝 포함)
df[~df['satisfaction'].between(1, 5) & df['satisfaction'].notna()]   # ~ = NOT

# 범위 밖 값 → NaN
df['score'] = np.where(df['score'].between(0, 100), df['score'], np.nan)

# 특정 오류값만 교체
df['commute_min'] = df['commute_min'].replace(999, np.nan)

⑤ IQR 통계적 이상치

Q1  = df['steps'].quantile(0.25)
Q3  = df['steps'].quantile(0.75)
IQR = Q3 - Q1
lower = Q1 - 1.5 * IQR
upper = Q3 + 1.5 * IQR

outliers = df[(df['steps'] < lower) | (df['steps'] > upper)]          # 추출
df['steps_outlier'] = (df['steps'] < lower) | (df['steps'] > upper)   # 유지+표시 열

⑥ 처리 판단 기준

① 기본 설정 (한글 깨짐 방지)

import seaborn as sns
import matplotlib.pyplot as plt
plt.rc('font', family='Malgun Gothic')    # 윈도우 한글 폰트
plt.rc('axes', unicode_minus=False)       # 마이너스(-) 깨짐 방지

② 질문에 맞는 그래프 고르기 ★

③ 꼭 알아야 할 옵션

sns.scatterplot(data=mpg, x='displ', y='hwy', hue='drv')         # hue: 범주별 색
sns.scatterplot(data=mpg, x='displ', y='hwy').set(xlim=[1, 7], ylim=[10, 45])   # 축 범위
sns.barplot(data=df, x='drv', y='mean_hwy', order=['4', 'f', 'r'])            # 막대 순서
sns.countplot(data=mpg, x='category', order=mpg['category'].value_counts().index)  # 빈도순
sns.lineplot(data=economics, x='year', y='unemploy', errorbar=None)           # 신뢰구간 음영 제거

④ 평균 막대 + 정렬 패턴 (자주 출제)

df_mean = mpg.groupby('drv', as_index=False).agg(mean_hwy=('hwy', 'mean'))
df_mean = df_mean.sort_values('mean_hwy', ascending=False)
sns.barplot(data=df_mean, x='drv', y='mean_hwy', order=df_mean['drv'])

⑤ 날짜 다루기

economics['date2'] = pd.to_datetime(economics['date'])   # 문자 → 날짜형
economics['year']  = economics['date2'].dt.year           # .dt.month / .dt.day

date_steps = df.groupby('date2', as_index=False).agg(mean_steps=('steps', 'mean'))
sns.lineplot(data=date_steps, x='date2', y='mean_steps')

⑥ 상자그림(boxplot) 읽는 법