pandas는 셀프 조인을 어떻게 처리할까요?

이 챕터에서는 세미 조인과 안티 조인을 포함한 강력한 필터링 기법을 활용합니다. DataFrame을 세로로 연결하고 pandas.concat 함수를 사용해 새로운 데이터세트를 만드는 방법도 배웁니다. 또한 실제 데이터는 깔끔하지 않은 경우가 많으므로, 새로 결합한 데이터 구조의 유효성을 검증하는 방법도 익힙니다.

Exercise 1: 필터링 조인 Exercise 2: 세미 조인의 단계 Exercise 3: 안티 조인 수행하기 Exercise 4: 세미 조인 수행하기 Exercise 5: DataFrame 수직 결합 Exercise 6: 결합의 기본 Exercise 7: 키를 활용한 결합 Exercise 8: 무결성 검증 Exercise 9: 병합 유효성 검증 Exercise 10: 결합과 병합으로 공통 곡 찾기

마지막 챕터에서는 한 단계 더 나아가, 시카고시의 실제 금융 및 경제 데이터를 활용해 시계열 데이터와 정렬된 데이터를 병합하는 pandas 전용 메소드를 배웁니다. SQL 스타일 형식으로 결과 테이블을 조회하는 방법과 melt 메소드를 사용해 데이터를 언피벗하는 방법도 함께 익힙니다.

Exercise 1: merge_ordered() 사용하기 Exercise 2: GDP와 S&P500의 상관관계 Exercise 3: merge_ordered()를 활용한 필립스 곡선 Exercise 4: merge_ordered() 주의사항, 다중 열 Exercise 5: merge_asof() 사용하기 Exercise 6: merge_asof()로 주가 분석하기 Exercise 7: merge_asof()를 사용해 데이터세트 생성하기 Exercise 8: merge_asof()와 merge_ordered()의 차이점 Exercise 9: .query()로 데이터 선택하기 Exercise 10: .query()로 재무 데이터 탐색하기 Exercise 11: .query()로 행을 서브셋하기 Exercise 12: .melt()로 데이터 재구조화하기 Exercise 13: 올바른 .melt() 인수 선택하기 Exercise 14: .melt()로 정부 데이터 재구조화하기 Exercise 15: 주식과 채권 수익률 비교를 위한 .melt() 활용 Exercise 16: 강의 마무리