python 기초 6

✍🏻 배운점

 

requests 의 get, post 방식의 다름을 이해하고, DataFrame 을 다루는 방법(그룹화, 병합, 복사)에 대해 익힐 수 있었다.

 

 

📁 목차

1. requests GET, requests POST
2. groupby 와 agg
3. DataFrame merge
4. 종가 데이터로 수익률 구하기
5. DataFrame copy

 

 

---

 

 

 

들어가며

 

그 전 포스팅 자료에서 이어, 서로 코드가 관련이 있기에 참고 부탁드립니다!

 

 

 

 

 

requests GET, requests POST

 

 

- GET 방식

 

requests.get(url)

 

get 방식은 서버에서 데이터를 '검색'하는 데 사용한다. 

 

 

 

- POST 방식

 

requests.post(url, data=payload)

 

post 방식은 서버로 데이터를 '보내는데' 사용한다.

 

 

 

 

groupby 와 agg

 

 

groupby() 함수는 DataFrame에서 그룹 객체를 만들어준다.

 

그리고 agg() 함수를 통해 모든 column 에 여러가지 함수를 적용시킬 수 있다.

 

stock = pd.read_sql_query("select * from stock_day", con)

stock.groupby(['symbol'])['close'].agg(['max', 'min', 'mean'])

 

stock 객체에 symbol 기준 그룹화로 close 컬럼 데이터들을 모두 max, min, mean 함수를 적용하여 해당 값을 구할 수 있다.

 

 

 

 

 

DataFrame merge

 

 

merge() 함수는 두 가지 DataFrame 을 병합할 수 있다.

 

right = stock[stock.stock_date == pd.to_datetime('2023-02-09')]
left = stock[stock.stock_date == pd.to_datetime('2023-02-22')]

rt = merge(left[['symbol', 'close']], right[['symbol', 'close']], 
	right_on = 'symbol', left_on = 'symbol', how = 'inner')
    

rt # symbol, close_x, close_y columns data

 

right 는 병합할 오른쪽 df, left 는 병합할 왼쪽 df 를 의미한다.

 

right_on 은 병합할 오른쪽 df 의 column 이름, left_on 은 병합할 왼쪽 df 의 column 이름이다.

how 에는 병합 유형에 대해 적어주는데, inner 는 내부 join 을 의미한다.

 

 

 

 

종가 데이터로 수익률 구하기

 

 

앞에서 진행한 주식 데이터를 이용하여, 수익률에 대한 column 을 추가할 수 있다.

 

 

rt['수익률'] = (rt['close_y'] - rt['close_x']) / rt['close_x'] * 100

rt.sort_values(by=['수익률']) # 수익률 기준으로 df 정렬

# krx df 와 합치기
pd.merge(rt.sort_values(by=['수익율']), krx[['ISU_NM', 'ISU_SRT_CD']],
         left_on = 'symbol', right_on = 'ISU_SRT_CD', how ='left')

 

각 종목에 대해 특정 기간내의 종가와 수익률을 확인할 수 있다.

 

 

 

 

DataFrame copy

 

 

temp = pd.DataFrame([{'a' : 1, 'b' : 2}, {'a' : 3, 'b' : 4}])

# temp 구조
#    a b
# 0  1 2
# 1  3 4

temp2 = temp 

temp2.iloc[1,1] = 99 # temp2 의 1행 1열 값 99 로 바꾸기

temp 

# temp 구조
#    a b
# 0  1 2
# 1  3 99 -> 왜 temp2 가 아니라 temp 가 바뀌었을까?

 

 

임시로 temp 라는 곳에 DataFrame 을 만들고, temp2 에도 temp 와 같게 선언해준다.

 

그러나, temp2 의 데이터 값만 바꿨는데 temp 까지 바뀐 것을 볼 수 있다.

 

바로, 파이썬의 pandas 의 DataFrame 의 특징이다.

 

단순히, 이렇게 temp2 에게 temp 로 선언해주면, 둘 중 어떤 df 가 바뀌더라도 똑같이 같은 df 객체로 보기 때문에 조심해야 한다.

 

 

 

서로 영향을 받지 않고 독립적인 DataFrame 으로 만들고 싶을 때, 사용하는 메서드인 copy() 가 있다.

 

 

temp3 = temp.copy()

temp3.iloc[1,1] = 0

temp

# temp 구조
#    a  b
# 0  1  2
# 1  3  99 -> 이번엔 영향을 받지 않았다.



# [ 특정 column 만 복사한다면? ]

temp4 = temp[['a']]

temp4

# temp4 구조
#    a
# 0  1
# 1  3


temp4.iloc[0,0] = 1000 # warning 발생

temp4 = temp[['a']].copy() # 정상 실행

temp4

# temp4 구조
#    a
# 0  1000
# 1  3

 

 

df 의 데이터만 그대로 복사하여 독립적인 df 객체가 필요할땐, copy() 메서드를 사용하자.

(항상 데이터를 복사하고 가져오고 싶을땐 copy() 메서드를 사용하자. warning 방지!)