본문으로 바로가기
본문으로 바로가기

Pandas 활용 예제집

일반적인 pandas 패턴과 이에 상응하는 DataStore 연산을 정리합니다. 대부분의 코드는 수정 없이 그대로 동작합니다.

데이터 불러오기​

CSV 파일 읽기​

# Pandas
import pandas as pd
df = pd.read_csv("data.csv")

# DataStore - same!
from chdb import datastore as pd
df = pd.read_csv("data.csv")

여러 파일 읽기​

# Pandas
import glob
dfs = [pd.read_csv(f) for f in glob.glob("data/*.csv")]
df = pd.concat(dfs)

# DataStore - more efficient with glob pattern
df = pd.read_csv("data/*.csv")

필터링​

단일 조건​

# Pandas and DataStore - identical
df[df['age'] > 25]
df[df['city'] == 'NYC']
df[df['name'].str.contains('John')]

다중 조건​

# AND
df[(df['age'] > 25) & (df['city'] == 'NYC')]

# OR
df[(df['age'] < 18) | (df['age'] > 65)]

# NOT
df[~(df['status'] == 'inactive')]

query() 함수 사용하기​

# Pandas and DataStore - identical
df.query('age > 25 and city == "NYC"')
df.query('salary > 50000')

isin()​

# Pandas and DataStore - identical
df[df['city'].isin(['NYC', 'LA', 'SF'])]

between()​

# Pandas and DataStore - identical
df[df['age'].between(18, 65)]

컬럼 선택​

단일 컬럼​

# Pandas and DataStore - identical
df['name']
df.name  # attribute access

여러 개의 컬럼​

# Pandas and DataStore - identical
df[['name', 'age', 'city']]

선택 및 필터링​

# Pandas and DataStore - identical
df[df['age'] > 25][['name', 'salary']]

# DataStore also supports SQL-style
df.filter(df['age'] > 25).select('name', 'salary')

정렬​

단일 컬럼​

# Pandas and DataStore - identical
df.sort_values('salary')
df.sort_values('salary', ascending=False)

여러 컬럼​

# Pandas and DataStore - identical
df.sort_values(['city', 'salary'], ascending=[True, False])

상위/하위 N 구하기​

# Pandas and DataStore - identical
df.nlargest(10, 'salary')
df.nsmallest(5, 'age')

GroupBy와 집계​

간단한 GroupBy​

# Pandas and DataStore - identical
df.groupby('city')['salary'].mean()
df.groupby('city')['salary'].sum()
df.groupby('city').size()  # count

여러 집계​

# Pandas and DataStore - identical
df.groupby('city')['salary'].agg(['sum', 'mean', 'count'])

df.groupby('city').agg({
    'salary': ['sum', 'mean'],
    'age': ['min', 'max']
})

이름이 지정된 집계​

# Pandas and DataStore - identical
df.groupby('city').agg(
    total_salary=('salary', 'sum'),
    avg_salary=('salary', 'mean'),
    employee_count=('id', 'count')
)

여러 개의 GroupBy 키​

# Pandas and DataStore - identical
df.groupby(['city', 'department'])['salary'].mean()

데이터 조인​

내부 조인(Inner Join)​

# Pandas
pd.merge(df1, df2, on='id')

# DataStore - same API
pd.merge(df1, df2, on='id')

# DataStore also supports
df1.join(df2, on='id')

왼쪽 조인(Left Join)​

# Pandas and DataStore - identical
pd.merge(df1, df2, on='id', how='left')

서로 다른 컬럼으로 조인하기​

# Pandas and DataStore - identical
pd.merge(df1, df2, left_on='emp_id', right_on='id')

문자열 연결(Concat)​

# Pandas and DataStore - identical
pd.concat([df1, df2, df3])
pd.concat([df1, df2], axis=1)

문자열 처리​

대소문자 변환​

# Pandas and DataStore - identical
df['name'].str.upper()
df['name'].str.lower()
df['name'].str.title()

부분 문자열​

# Pandas and DataStore - identical
df['name'].str[:3]        # First 3 characters
df['name'].str.slice(0, 3)

# Pandas and DataStore - identical
df['name'].str.contains('John')
df['name'].str.startswith('A')
df['name'].str.endswith('son')

치환​

# Pandas and DataStore - identical
df['text'].str.replace('old', 'new')
df['text'].str.replace(r'\d+', '', regex=True)  # Remove digits

분리​

# Pandas and DataStore - identical
df['name'].str.split(' ')
df['name'].str.split(' ', expand=True)

길이​

# Pandas and DataStore - identical
df['name'].str.len()

DateTime 연산​

구성 요소 추출​

# Pandas and DataStore - identical
df['date'].dt.year
df['date'].dt.month
df['date'].dt.day
df['date'].dt.dayofweek
df['date'].dt.hour

서식 지정​

# Pandas and DataStore - identical
df['date'].dt.strftime('%Y-%m-%d')

누락된 데이터​

결측값 확인​

# Pandas and DataStore - identical
df['col'].isna()
df['col'].notna()
df.isna().sum()

결측값 삭제​

# Pandas and DataStore - identical
df.dropna()
df.dropna(subset=['col1', 'col2'])

결측값 채우기​

# Pandas and DataStore - identical
df.fillna(0)
df.fillna({'col1': 0, 'col2': 'Unknown'})
df.fillna(method='ffill')

새 컬럼 생성​

간단한 할당​

# Pandas and DataStore - identical
df['total'] = df['price'] * df['quantity']
df['age_group'] = df['age'] // 10 * 10

assign() 함수 사용하기​

# Pandas and DataStore - identical
df = df.assign(
    total=df['price'] * df['quantity'],
    is_adult=df['age'] >= 18
)

조건부 처리 (where/mask)​

# Pandas and DataStore - identical
df['status'] = df['age'].where(df['age'] >= 18, 'minor')

apply()를 활용한 사용자 정의 로직​

# Works, but triggers pandas execution
df['category'] = df['amount'].apply(lambda x: 'high' if x > 1000 else 'low')

# DataStore alternative (stays lazy)
df['category'] = (
    df.when(df['amount'] > 1000, 'high')
      .otherwise('low')
)

재구조화​

피벗 테이블​

# Pandas and DataStore - identical
df.pivot_table(
    values='amount',
    index='region',
    columns='product',
    aggfunc='sum'
)

Melt (언피벗)​

# Pandas and DataStore - identical
df.melt(
    id_vars=['name'],
    value_vars=['score1', 'score2', 'score3'],
    var_name='test',
    value_name='score'
)

explode 함수​

# Pandas and DataStore - identical
df.explode('tags')  # Expand array column

윈도우 함수​

롤링 윈도우​

# Pandas and DataStore - identical
df['rolling_avg'] = df['price'].rolling(window=7).mean()
df['rolling_sum'] = df['amount'].rolling(window=30).sum()

Expanding 윈도우​

# Pandas and DataStore - identical
df['cumsum'] = df['amount'].expanding().sum()
df['cummax'] = df['amount'].expanding().max()

Shift​

# Pandas and DataStore - identical
df['prev_value'] = df['value'].shift(1)   # Lag
df['next_value'] = df['value'].shift(-1)  # Lead

Diff(차이)​

# Pandas and DataStore - identical
df['change'] = df['value'].diff()
df['pct_change'] = df['value'].pct_change()

출력​

CSV로 내보내기​

# Pandas and DataStore - identical
df.to_csv("output.csv", index=False)

Parquet으로 출력​

# Pandas and DataStore - identical
df.to_parquet("output.parquet")

pandas DataFrame으로 변환​

# DataStore specific
pandas_df = ds.to_df()
pandas_df = ds.to_pandas()

DataStore 추가 기능​

VIEW SQL​

# DataStore only
print(ds.to_sql())

실행 계획​

# DataStore only
ds.explain()

ClickHouse 함수​

# DataStore only - extra accessors
df['domain'] = df['url'].url.domain()
df['json_value'] = df['data'].json.get_string('key')
df['ip_valid'] = df['ip'].ip.is_ipv4_string()

유니버설 URI​

# DataStore only - read from anywhere
ds = DataStore.uri("s3://bucket/data.parquet")
ds = DataStore.uri("mysql://user:pass@host/db/table")