오름차순/내림차순

# 오름차순

 

data_asc.sort_values(ascending = True, inplace = True)

 

 

 

# 내림차순

 

data_desc.sort_values(ascending = False, inplace = True)

 

 

 

 

# 인덱스를 다시 만드는 경우

 

reset_index() 함수 사용

 

 - 옵션 : dorp=True는  현재의 인덱스 정보를 남기지 않고 삭제하겠다는 의미

 

- 옵션 : inplace=True는 변수에 변경된 내용을 즉시 적용하겠다는 의미

 

data_asc.reset_index(drop = True, inplace = True)

data_asc

 

0      187
1      188
2      188
3      188
4      188
      ... 
501    711
502    711
503    711
504    711
505    711
Name: TAX, Length: 506, dtype: int64

# 오름차순과 내림차순으로 생성한 두 컬럼을 결합
concat() 함수 사용
- 행이 아닌 컬럼을 결합하기 때문에 axis = 1 이라는 옵션 추가
- 행은 axis=0, 컬럼은 axis=1
data_concat = pd.concat([data_asc, data_desc], axis = 1)

data_concat

	TAX	TAX
0	187	711
1	188	711
2	188	711
3	188	711
4	188	711
...	...	...
501	711	188
502	711	188
503	711	188
504	711	188
505	711	187
506 rows × 2 columns

# 첫번째 컬럼과 두번째 컬럼의 차이를 구할 때는
iloc를 활용하여 값 추출, abs() 함수이용하여 절대값 구하기
data_concat['diff'] = abs(data_concat.iloc[:,0] - data_concat.iloc[:,1])

 

 

 

# 차이값 diff 컬럼으로 분산을 구할 때는 var() 함수 이용

 

 

data_concat['diff'].var()