Pandas (Python Data Analysis)

import pandas as pd
 
# Series 생성
price_series = df['sale_price']
 
print(f"타입: {type(price_series)}")
print(f"데이터 타입(dtype): {price_series.dtype}")
print(f"크기: {len(price_series):,}")

# DataFrame의 각 컬럼은 Series
print(f"df['category']의 타입: {type(df['category'])}")
print(f"df[['category', 'sale_price']]의 타입: {type(df[['category', 'sale_price']])}")

# 100만 개 데이터 기준
total = 0
for price in df['price']:
    total += price

total = df['price'].sum()

# 집계 연산
print(f"총 매출: ${df['sale_price'].sum():,.2f}")
print(f"평균 매출: ${df['sale_price'].mean():.2f}")
 
# 벡터 산술 연산
df['profit'] = df['sale_price'] - df['cost']
df['margin_rate'] = (df['profit'] / df['sale_price'] * 100).round(2)

# loc: Label 기반 (이름으로)
sample.loc[0, 'category']  # 'Jeans'
 
# iloc: Position 기반 (순서로)
sample.iloc[0, 1]  # 'Jeans'
 
# 주의: loc은 끝 포함, iloc은 끝 미포함
sample.loc[0:2]   # 0, 1, 2 (3개)
sample.iloc[0:2]  # 0, 1 (2개)

# Boolean Indexing (가장 많이 사용)
high_value = df[df['sale_price'] > 100]
 
# 복합 조건
filtered = df[(df['sale_price'] > 50) & (df['category'] == 'Jeans')]
 
# query() 메서드 (SQL 스타일)
filtered_query = df.query("sale_price > 50 and category == 'Jeans'")

# SQL: SELECT category, SUM(sale_price)
#      FROM df
#      GROUP BY category
#      ORDER BY SUM(sale_price) DESC
#      LIMIT 5
 
result = (
    df.groupby('category')['sale_price']
    .sum()
    .sort_values(ascending=False)
    .head(5)
)