데이터 확장 및 조작
금융을 위한 중급 Python
Kennedy Behrman
Data Engineer, Author, Founder
PCE
개인소비지출(PCE)
PCE =
PCE
개인소비지출(PCE)
PCE = PCDG
내구재
1 By cactus cowboy 2 Open Clipart, CC0, https://commons.wikimedia.org/w/index.php?curid=64953673
PCE
개인소비지출(PCE)
PCE = PCDG + PCNDG
비내구재
1 By Smart Servier 2 https://smart.servier.com/, CC BY 3.0, https://commons.wikimedia.org/w/index.php?curid=74765623
PCE
개인소비지출(PCE)
PCE = PCDG + PCNDG + PCESV
서비스
1 By Clip Art by Vector Toons 2 Own work, CC BY-SA 4.0, https://commons.wikimedia.org/w/index.php?curid=65937611
PCE - 열 추가 및 제거
| DATE | PCDGA |
|---|---|
| 1929-01-01 | 9.829 |
| 1930-01-01 | 7.661 |
| 1931-01-01 | 5.911 |
| 1932-01-01 | 3.959 |
PCE - 열 추가 및 제거
pce['PCND'] = [[33.941,
30.503,
25.798000000000002,
20.169]
PCE - 열 추가 및 제거
pce
| DATE | PCDG | PCND |
|---|---|---|
| 1929-01-01 | 9.829 | 33.941 |
| 1930-01-01 | 7.661 | 30.503 |
| 1931-01-01 | 5.911 | 25.798 |
| 1932-01-01 | 3.959 | 20.169 |
PCE - 열 추가 및 제거
pce
| DATE | PCDG | PCND |
|---|---|---|
| 1929-01-01 | 9.829 | 33.941 |
| 1930-01-01 | 7.661 | 30.503 |
| 1931-01-01 | 5.911 | 25.798 |
| 1932-01-01 | 3.959 | 20.169 |
pcesv
| PCESV | |
|---|---|
| 0 | 33.613 |
| 1 | 31.972 |
| 2 | 28.963 |
| 3 | 24.587 |
PCE - 열 추가 및 제거
pce['PCESV'] = pcesv
pce
PCE - 열 추가 및 제거
pce['PCESV'] = pcesv
pce
| DATE | PCDG | PCND | PCESV |
|---|---|---|---|
| 1929-01-01 | 9.829 | 33.941 | 33.613 |
| 1930-01-01 | 7.661 | 30.503 | 31.972 |
| 1931-01-01 | 5.911 | 25.798 | 28.963 |
| 1932-01-01 | 3.959 | 20.169 | 24.587 |
PCE - 열 추가 및 제거
pce['PCE'] = pce['PCDG'] + pce['PCND'] + pce['PCESV']
PCE - 열 추가 및 제거
pce['PCE'] = pce['PCDG'] + pce['PCND'] + pce['PCESV']
| DATE | PCDG | PCND | PCESV | PCE |
|---|---|---|---|---|
| 1929-01-01 | 9.829 | 33.941 | 33.613 | 77.383 |
| 1930-01-01 | 7.661 | 30.503 | 31.972 | 70.136 |
| 1931-01-01 | 5.911 | 25.798 | 28.963 | 60.672 |
| 1932-01-01 | 3.959 | 20.169 | 24.587 | 48.715 |
PCE - 열 추가 및 제거
pce.drop(columns=['PCDG', 'PCND', 'PCESV'],
axis=1,
inplace=True)
PCE - 열 추가 및 제거
pce.drop(columns=['PCDG', 'PCND', 'PCESV'],
axis=1,
inplace=True)
| DATE | PCE |
|---|---|
| 1929-01-01 | 77.383 |
| 1930-01-01 | 70.136 |
| 1931-01-01 | 60.672 |
| 1932-01-01 | 48.715 |
PCE - 행 추가 및 제거
new_row
PCE - 행 추가 및 제거
new_row
| DATE | PCE |
|---|---|
| 1933-01-01 | 45.945 |
pce.append(new_row)
PCE - 행 추가 및 제거
new_row
| DATE | PCE |
|---|---|
| 1933-01-01 | 45.945 |
pce.append(new_row)
| DATE | PCE |
|---|---|
| 1929-01-01 | 77.383 |
| 1930-01-01 | 70.136 |
| 1931-01-01 | 60.672 |
| 1932-01-01 | 48.715 |
| 1933-01-01 | 45.945 |
PCE - 행 추가 및 제거
여러 행 추가
new_rows = [ row1, row2, row3
]
for row in new_rows:
pce = pce.append(row)
PCE - 행 추가 및 제거
여러 행 추가
for row in new_rows:
pce = pce.append(row)
| DATE | PCE |
|---|---|
| 1929-01-01 | 77.383 |
| 1930-01-01 | 70.136 |
| 1931-01-01 | 60.672 |
| 1932-01-01 | 48.715 |
| 1933-01-01 | 45.945 |
| 1934-01-01 | 51.461 |
| 1935-01-01 | 55.933 |
PCE - 행 추가 및 제거
pce.drop(['1934-01-01',
'1935-01-01',
'1936-01-01',
'1937-01-01',
'1938-01-01',
'1939-01-01'],
inplace=True)
PCE - 행 추가 및 제거
pce.drop(['1934-01-01',
'1935-01-01',
'1936-01-01',
'1937-01-01',
'1938-01-01',
'1939-01-01'],
inplace=True)
| DATE | PCE |
|---|---|
| 1929-01-01 | 77.383 |
| 1930-01-01 | 70.136 |
| 1931-01-01 | 60.672 |
| 1932-01-01 | 48.715 |
| 1933-01-01 | 45.945 |
PCE - 행 추가 및 제거
all_rows = [row1, row2, row3, pce]
pd.concat(all_rows)
PCE - 행 추가 및 제거
all_rows = [row1, row2, row3, pce]
pd.concat(all_rows)
| DATE | PCE |
|---|---|
| 1929-01-01 | 77.383 |
| 1930-01-01 | 70.136 |
| 1931-01-01 | 60.672 |
| 1932-01-01 | 48.715 |
| 1933-01-01 | 45.945 |
| 1934-01-01 | 51.461 |
| 1935-01-01 | 55.933 |
PCE - DataFrame 연산
ec = 0.88
pce * ec
PCE - DataFrame 연산
ec = 0.88
pce * ec
| DATE | PCE |
|---|---|
| 1934-01-01 | 45.28568 |
| 1935-01-01 | 49.22104 |
| 1936-01-01 | 54.72544 |
| 1937-01-01 | 58.81832 |
PCE - map
def convert_to_euro(x):
return x * 0.88
pce['EURO'] = pce['PCE'].map(convert_to_euro)
PCE - map
def convert_to_euro(x):
return x * 0.88
pce['EURO'] = pce['PCE'].map(convert_to_euro)
| DATE | PCE | EURO |
|---|---|---|
| 1934-01-01 | 51.461 | 45.28568 |
| 1935-01-01 | 55.933 | 49.22104 |
| 1936-01-01 | 62.188 | 54.72544 |
국내총생산(GDP)
GDP = PCE + GE + GPDI + NE
PCE: 개인소비지출
GE: 정부지출
GPDI: 민간총고정자본형성
NE: 순수출
GDP - apply
map - 열(Series)의 원소에 적용
apply - 행/열 단위로 적용
GDP - apply
| GCE | GPDI | NE | PCE | |
|---|---|---|---|---|
| DATE | ||||
| 1929-01-01 | 9.622 | 17.170 | 0.383 | 77.383 |
| 1930-01-01 | 10.273 | 11.428 | 0.323 | 70.136 |
| 1931-01-01 | 10.169 | 6.549 | 0.001 | 60.672 |
| 1932-01-01 | 8.946 | 1.819 | 0.043 | 48.715 |
GDP - apply
gdp.apply(np.sum, axis=1)
GDP - apply
gdp['GDP'] = gdp.apply(np.sum, axis=1)
| GCE | GPDI | NE | PCE | GDP | |
|---|---|---|---|---|---|
| DATE | |||||
| 1929-01-01 | 9.622 | 17.170 | 0.383 | 77.383 | 104.558 |
| 1930-01-01 | 10.273 | 11.428 | 0.323 | 70.136 | 92.160 |
| 1931-01-01 | 10.169 | 6.549 | 0.001 | 60.672 | 77.391 |
| 1932-01-01 | 8.946 | 1.819 | 0.043 | 48.715 | 59.523 |
Vamos praticar!
금융을 위한 중급 Python
