유용한 라이브러리

math 라이브러리를 활용한 로그 연산¶

In [1]:

import math

print(math.log(5)) # 자연로그
print(math.log2(32)) # 밑이 2인 로그
print(math.log10(100)) # 밑이 10인 로그

1.6094379124341003
5.0
2.0

지수연산¶

In [2]:

print(2**5) # 2의 5제곱
print(2**0.5) # 루트 2
print(math.exp(3)) #e의 3제곱

32
1.4142135623730951
20.085536923187668

join() 함수¶

In [3]:

# ★★ formula 정의시 사용
"y ~ " + " + ".join(["x1", "x2", "x3"])

Out[3]:

'y ~ x1 + x2 + x3'

rank()함수 : Series에서 순위를 구하는 함수¶

In [4]:

import pandas as pd

class_score = pd.read_csv("dataset/class_scores.csv")

In [5]:

class_score_g1 = class_score.loc[class_score["grade"] == 1, ["Math"]]

In [6]:

class_score_g1["rank"] = class_score_g1.rank(ascending=True) # 오름차순으로 순위를 작성
class_score_g1.head()

Out[6]:

	Math	rank
0	55	72.0
1	29	14.0
2	28	10.0
3	45	47.0
4	28	10.0

In [7]:

class_score_g1["rank"] = class_score_g1.rank(ascending=False) # 내림차순으로 순위를 작성
class_score_g1.head()

Out[7]:

	Math	rank
0	55	129.0
1	29	187.0
2	28	191.0
3	45	154.0
4	28	191.0

method 옵션을 통한 동점치 순위 지정방식 변경

• method = "average" : 동점 관측치 간의 그룹 내 평균 순위 부여
• method = "min" : 동점 관측치 그룹 내 최소 순위 부여
• method = "max" : 동점 관측치 그룹 내 최대 순위 부여
• method = "first" : 동점 관측치 중에서 데이터 상에서 먼저 나타나는 관측치부터 순위 부여
• method = "dense" : 'min'과 같은 방법으로 순위 부여 하나, 'min'과 다르게 그룹간 순위가 1씩 증가

In [8]:

class_score_g1["rank"] = class_score_g1.rank(ascending=False, method = "average")
class_score_g1.head()

Out[8]:

	Math	rank
0	55	129.0
1	29	187.0
2	28	191.0
3	45	154.0
4	28	191.0

In [9]:

class_score_g1["rank"] = class_score_g1.rank(ascending=False, method = "min")
class_score_g1.head()

Out[9]:

	Math	rank
0	55	127.0
1	29	185.0
2	28	190.0
3	45	153.0
4	28	190.0

In [10]:

class_score_g1["rank"] = class_score_g1.rank(ascending=False, method = "max")
class_score_g1.head()

Out[10]:

	Math	rank
0	55	131.0
1	29	189.0
2	28	192.0
3	45	155.0
4	28	192.0

In [11]:

class_score_g1["rank"] = class_score_g1.rank(ascending=False, method = "first")
class_score_g1.head()

Out[11]:

	Math	rank
0	55	127.0
1	29	185.0
2	28	190.0
3	45	153.0
4	28	191.0

In [12]:

class_score_g1["rank"] = class_score_g1.rank(ascending=False, method = "dense")
class_score_g1.head()

Out[12]:

	Math	rank
0	55	41.0
1	29	62.0
2	28	63.0
3	45	50.0
4	28	63.0