import pandas as pd

# 튜플 타입을 변환
h = ('AA', '2012-02-01', 100, 10.2)
s = pd.Series(h)

type(s)
print(s)

# dictionary 타입을 변환
d = {'name' : 'IBM',
     'date' : '2010-09-08', 
     'shares' : 100, 
     'price' : 10.2
    }
ds = pd.Series(d)

type(ds)
print(ds)

# list 타입을 변환
f = ['FB', '2001-08-02', 90 ,3.2]
f = pd.Series(f, index = ['name', 'date', 'shares', 'price'])

print(f)

f['shares']

f[0]

f[['shares', 'price']]

data = {
    'name' : ['AA', 'IBM', 'GOOG'],
    'date' : ['2001-12-01', '2012-02-10', '2010-04-09'],
    'shares' : [100, 30, 90],
    'price' : [12.3, 10.3, 32.2]
}
df = pd.DataFrame(data)
type(df)

df

df['owner'] = 'Unknown'
df

df.index = ['one', 'two', 'three']
df

df = df.set_index(['name'])
df

df['shares']

df.loc['AA']

df.loc['AA', 'price']

# 행과 열의 위치로 접근
df.iloc[1]

df.iloc[1, 2]

del df['owner']
df

df.drop('shares', axis = 1)
df

casts = pd.read_csv('./pythondsp-pandasguide-b936c3b43406/data/cast.csv',
                    index_col=None, encoding='utf-8')
casts.head()

casts

titles = pd.read_csv('./pythondsp-pandasguide-b936c3b43406/data/cast.csv',
                    index_col=None, encoding='utf-8')

# 파일을 요약하여 표시
pd.set_option('max_rows', 10, 'max_columns', 10)
titles

pd.options.display.max_rows=20
pd.options.display.min_rows=20     # 전체는 None 
titles

t = titles['title']
type(t)

t.head()

titles.iloc[0]

after85 = titles[titles['year']>1985]
after85.head()

t = titles
movies90 = t[(t['year']>=1990) & (t['year']<2000)]
movies90.head()

macbeth = t[t['title'] == 'Macbeth']
macbeth.head()

macbeth = t[t['title'] == 'Macbeth'].sort_index()
macbeth.head()

macbeth = t[t['title'] == 'Macbeth'].sort_values('year')
macbeth.head()

casts.loc[3:4]

c = casts
c['n'].isnull().head()

c['n'].notnull().head()

c[c['n'].isnull()].head(3)

c_fill = c[c['n'].isnull()].fillna('NA')
c_fill.head(2)

import numpy as np

df = pd.DataFrame(dict(age = [np.NaN, np.NaN, 6],
                      born = [pd.NaT, pd.Timestamp('1939-05-27'), pd.Timestamp('1940-04-25')],
                      name = [np.NaN, 'Batman', ''],
                      toy = [None, 'Batmobile', 'Joker']))
df

df.info(null_counts=True)

df[df.age.isna()]

df[df.age.notna()]

df.dropna()

df.dropna(subset=['age'])

df.dropna(axis=1)

df.dropna(inplace=True)

df[df.age.notna()].reset_index()

df[df.age.notna()].reset_index(drop=True)

df.age = df.age.fillna(0)
df

df.fillna(method='bfill')

t = titles
t[t['title'] == 'Macbeth']

t[t['title'].str.startswith("Maa")].head(3)

t['year'].value_counts().head()

import matplotlib.pyplot as plt
t = titles
p = t['year'].value_counts()
p.plot()
plt.show()

# 자료 정렬
p.sort_index().plot()
plt.show()

cg = c.groupby(['year']).size()
cg.plot()
plt.show()

c = casts
cf = c[c['name'] == 'Aaron Abrams']
cf.groupby(['year']).size().head

cf.groupby(['year', 'title']).size().head()

c.groupby(['year']).n.max().head()

c.groupby(['year']).n.min().head()

c.groupby(['year']).n.mean().head()

decade = c['year']//10*10
c_dec = c.groupby(decade).n.size()
c_dec.head()

df1 = pd.DataFrame({'email':['happy@gmail.com', \
                            '1004@naver.com', \
                            'hello@nate.com']})
df1

df1['email_strip'] = df1['email'].str.strip()  # 앞 뒤 공백 제거
df1['email_lstrip'] = df1['email'].str.lstrip()  # 앞 공백 제거
df1['email_rstrip'] = df1['email'].str.rstrip()  # 뒤 공백 제거

df1

df1['email_pad'] = df1['email'].str.pad(width=20, side='left', fillchar='_')
df1['email_center'] = df1['email'].str.center(width=20, fillchar='_')
df1['email_ljust'] = df1['email'].str.ljust(width=20, fillchar='_')
df1['email_rjust'] = df1['email'].str.rjust(width=20, fillchar='_')
df1['email_zfill'] = df1['email'].str.zfill(width=20)
df1

df1[['email_split_1', 'email_split_2']] = df1['email'].str.split('@', n=1, expand=True)
df1[['email_partition_1', 'email_partition_2', 'email_partition_3']] = df1['email'].str.partition(sep='@')
df1[['email_rpartition_1', 'email_rpartition_2', 'email_rpartition_3']] = df1['email'].str.partition(sep='@')
df1['email_rsplit_1'] = df1['email'].str.rsplit(pat='@')

df1

# 모두 소문자로 변경
df1['email_lower']      = df1['email'].str.lower()      

# 모두 대문자로 변경
df1['email_upper']      = df1['email'].str.upper()      

# 앞문자 대문자로 변경
df1['email_capitalize'] = df1['email'].str.capitalize() 

# 단위별 앞문자 대문자로 변경
df1['email_title']      = df1['email'].str.title()      

# 소문자는 대문자, 대문자는 소문자로 변경 
df1['email_swapcase']   = df1['email'].str.swapcase()   
df1

# 왼쪽부터 sub값 검색후 위치반환
df1['email_find']    = df1['email'].str.find(sub='.')        

# 찾은 모든 값 반환
df1['email_findall'] = df1['email'].str.findall(pat='[a-zA-Z]') 

# 오른쪽부터 sub값 검색후 위치반환
df1['email_rfind']   = df1['email'].str.rfind(sub='.')          

# 왼쪽부터 sub값 검색후 위치반환
df1['email_index']   = df1['email'].str.index(sub='.')          

# 오른쪽부터 sub값 검색후 위치반환
df1['email_rindex']  = df1['email'].str.rindex(sub='.')        
df1

# 지정 위치값 반환
df1['email_get'] = df1['email'].str.get(i=0)    

# 인덱스 사이 값 반환
df1['email_slice'] = df1['email'].str.slice(start=0, stop=5) 

# 인덱스 사이 값을 다른 값으로 바꾼 후 값 반환
df1['email_slice_replace'] = df1['email'].str.slice_replace(start=0, stop=5, repl='?')
df1

# 길이 반환
df1['email_len']   = df1['email'].str.len()              

# 문자열 중 패턴에 일치한 수 반환
df1['email_count'] = df1['email'].str.count(pat='[0-9]')

# 알파벳 또는 숫자로만 구성 여부
df1['email_isalnum']   = df1['email'].str.isalnum()   

# 알파벳으로만 구성 여부
df1['email_isalpha']   = df1['email'].str.isalpha()   

# 숫자문자로만 구성 여부
df1['email_isdecimal'] = df1['email'].str.isdecimal() 

# 숫자문자로만 구성 여부
df1['email_isdigit']   = df1['email'].str.isdigit()   

# 소문자로만 구성 여부
df1['email_islower']   = df1['email'].str.islower()   

# 숫자문자로만 구성 여부
df1['email_isnumeric'] = df1['email'].str.isnumeric() 

# 공백(Whitespace)으로만 구성 여부
df1['email_isspace']   = df1['email'].str.isspace()   

# TitleCase형태로 구성 여부
df1['email_istitle']   = df1['email'].str.istitle()   

# 대문자로만 구성 여부
df1['email_isupper']   = df1['email'].str.isupper()  
df1