과몰입하는 남자

import plotly.graph_objects as go

fig = go.Figure(data=[go.Table(
    header=dict(values=['A Scores', 'B Scores']),
    cells=dict(values=[[100, 90, 80, 90], [95, 85, 75, 95]])),
    sort_action='native' # sorting 기능 활성화
)])

fig.show()

import pandas as pd

data = [[2, 0, 0, 0, 0],
        [6, 100, 378.798387, 379.551740, 378.045034],
        [4, 300, 860.925874, 861.562822, 860.288927]]
col = ['Step', 'LR', 'MEAN', 'UCL', 'LCL']

pdCalSort = pd.DataFrame(data = data, columns = col)

data = [[2, 0, 0, 0, 0, 0, 0],
        [6, 100, 379.306452, 379.354839, 379.411290, 379.478495, 379.629032],
        [4, 300, 860.914336, 860.958042, 860.905594, 860.982517, 861.090909]]
col = ['Step', 'LR', '1', '2', '3', '4', '5']

pdSort = pd.DataFrame(data = data, columns = col)

stepData = pdCalSort.iloc[:, 0]
uclData = pdCalSort.iloc[:, 3]
lclData = pdCalSort.iloc[:, 4]
compData = pdSort.iloc[:, 2:7]

print(pdCalSort)
print(pdSort)

print(stepData)
print(uclData)
print(lclData)
print(compData)

for colNum in compData.columns:
    print('colNum : {}'.format(colNum))
    index = 0

    for comp in compData[colNum]:
        # print(comp)

        lcl = lclData[index]
        ucl = uclData[index]

        print(lcl)
        print(type(lcl))

        if comp < lcl:
                print('step: ' + str(stepData[index]) + ', col: ' + colNum + ', COMP: ' + str(comp) + ', LCL: ' + str(lcl) + ', value hunting comp가 lcl보다 작다.')

        if comp > ucl:
                print('step: ' + str(stepData[index]) + ', col: ' + colNum + ', COMP: ' + str(comp) + ', UCL: ' + str(ucl) + ', value hunting comp가 ucl보다 크다.')

        index = index + 1

안녕하세요, 이것은 빙입니다. 파이썬에서 딕셔너리와 데이터프레임을 다루는 방법에 대해 질문하셨군요. 😊

파이썬에서 딕셔너리는 키와 값의 쌍으로 이루어진 자료형입니다. 딕셔너리 안에 또 다른 딕셔너리를 넣을 수 있습니다. 예를 들어, 다음과 같은 딕셔너리가 있다고 가정해보겠습니다.

Python

d = {
    'a': {'name': 'Alice', 'age': 25, 'score': 90},
    'b': {'name': 'Bob', 'age': 30, 'score': 80},
    'c': {'name': 'Charlie', 'age': 35, 'score': 70}
}
AI가 생성한 코드입니다. 신중하게 검토하고 사용하세요. FAQ의 자세한 정보.
이 딕셔너리는 키로 ‘a’, ‘b’, 'c’를 가지고 있고, 값으로 또 다른 딕셔너리를 가지고 있습니다. 각 값은 ‘name’, ‘age’, 'score’라는 키와 그에 해당하는 값을 가지고 있습니다.

이 딕셔너리를 데이터프레임으로 변환하려면 pandas 라이브러리를 사용할 수 있습니다. pandas는 파이썬에서 데이터 분석을 위한 효율적인 자료구조와 함수를 제공하는 라이브러리입니다. pandas에서 데이터프레임은 행과 열로 이루어진 표 형태의 자료구조입니다. 다음과 같이 pandas를 임포트하고, 딕셔너리를 데이터프레임으로 변환할 수 있습니다.

Python

import pandas as pd
df = pd.DataFrame(d)
AI가 생성한 코드입니다. 신중하게 검토하고 사용하세요. FAQ의 자세한 정보.
이렇게 하면, 딕셔너리의 키가 데이터프레임의 열이 되고, 딕셔너리의 값이 데이터프레임의 행이 됩니다. 데이터프레임을 출력해보면 다음과 같습니다.

Python

>>> df
          a      b        c
name  Alice    Bob  Charlie
age      25     30       35
score    90     80       70
AI가 생성한 코드입니다. 신중하게 검토하고 사용하세요. FAQ의 자세한 정보.
이제 데이터프레임에서 모든 행에 특정 열을 추출해서 기준으로 놓으려면, loc 메서드를 사용할 수 있습니다. loc 메서드는 행과 열의 이름으로 데이터를 선택할 수 있게 해줍니다. 예를 들어, ‘a’ 열을 기준으로 놓으려면 다음과 같이 할 수 있습니다.

Python

>>> df.loc[:, 'a']
name     Alice
age         25
score       90
Name: a, dtype: object
AI가 생성한 코드입니다. 신중하게 검토하고 사용하세요. FAQ의 자세한 정보.
이렇게 하면, 모든 행(:)에 대해 ‘a’ 열을 선택하게 됩니다. 이 결과를 다른 변수에 저장할 수 있습니다.

Python

>>> standard = df.loc[:, 'a']
>>> standard
name     Alice
age         25
score       90
Name: a, dtype: object
AI가 생성한 코드입니다. 신중하게 검토하고 사용하세요. FAQ의 자세한 정보.
이제 이 기준과 동일한 행을 가지고 있으며 기준과 다른 이름의 열을 가진 새로운 데이터프레임을 비교하려면, 다음과 같은 방법을 사용할 수 있습니다.

새로운 데이터프레임을 만들고, 기준과 동일한 행을 가지도록 설정합니다. 예를 들어, 다음과 같은 데이터프레임이 있다고 가정해보겠습니다.
Python

new_df = pd.DataFrame({
    'x': {'name': 'Xavier', 'age': 25, 'score': 95},
    'y': {'name': 'Yumi', 'age': 30, 'score': 85},
    'z': {'name': 'Zara', 'age': 35, 'score': 75}
})
AI가 생성한 코드입니다. 신중하게 검토하고 사용하세요. FAQ의 자세한 정보.
이 데이터프레임은 ‘x’, ‘y’, 'z’라는 열과 ‘name’, ‘age’, 'score’라는 행을 가지고 있습니다. 이 데이터프레임에서 기준과 동일한 행을 가지도록 하려면, loc 메서드를 사용하여 행을 선택하고, reindex 메서드를 사용하여 행의 순서를 맞춰줍니다.

Python

>>> new_df = new_df.loc[standard.index, :]
>>> new_df
          x     y     z
name  Xavier  Yumi  Zara
age       25    30    35
score     95    85    75
AI가 생성한 코드입니다. 신중하게 검토하고 사용하세요. FAQ의 자세한 정보.
기준과 새로운 데이터프레임을 비교하려면, compare 메서드를 사용할 수 있습니다. compare 메서드는 두 데이터프레임의 차이점을 보여주는 새로운 데이터프레임을 반환합니다. 예를 들어, 다음과 같이 할 수 있습니다.
Python

>>> df.compare(new_df)
      a          x          y          z      
  self other self other self other self other
name Alice   NaN  NaN Xavier  NaN Yumi  NaN Zara
age    25   NaN   25   NaN   30   NaN   35   NaN
score  90   NaN   95   NaN   85   NaN   75   NaN
AI가 생성한 코드입니다. 신중하게 검토하고 사용하세요. FAQ의 자세한 정보.
이렇게 하면, 기준인 ‘a’ 열과 새로운 데이터프레임의 각 열을 비교하여, 값이 다른 경우에만 결과를 보여줍니다. self 는 기준의 값이고, other 는 새로운 데이터프레임의 값입니다. NaN 은 값이 같거나 비교할 수 없는 경우를 나타냅니다.

이렇게 파이썬에서 딕셔너리와 데이터프레임을 다루는 방법에 대해 알아보았습니다. 더 자세한 내용은 다음의 웹사이트들을 참고하시기 바랍니다12345

감사합니다. 😊