# 데이터프레임 함수

# 인덱스를 설정 df.index = []

# 컬럼명을 설정 df.columns = []

# 인덱스의이름을 변경 df.rename ({기존인덱스:새로운 인덱스, ...},inplace=)

# 컬럼명을 변경 df.rename([기존컬럼:새로운컬럼],inplace=)

# 인덱스를 삭제 df.drop([인덱스명], axis=0)

# 컬럼 삭제 df.drop([컬럼명],axis=1)

# 인덱스 설정 df.set_index(['수학','영어'], inplace=True  

# 데이터프레임의 행과 열을 바꿈 : 전치행렬 df = df.T #df.transpose

# 새로운 인덱스 이름 부여 :ndf = df.reindex(new_index,[fill_value=  또는  method=])

# 인덱스 제거 df.reset_index([drop=True])   인덱스를 컬럼으로 변환하지 않음

# 인덱스 기준으로 정렬 df.sort_index([ascending=])

# 컬럼 기준으로 정렬 df.sort_values(by=[컬럼명])

# file_io:  읽기 : read_  , 쓰기 : to_

# csv, excel, json,html, sql, sas,spas, latex, xml,hdf,Feather Format, Orc

# df.head(n)  #자료의 처음에서 n(default:5)개의 행을 가져옴

# df.tail(n)  # 자료의 끝에서 n(default:5)개의 행을 가져옴

# df.info() # 인덱스(자료)이 갯수, 컬럼의 정보를 보여 줌

# df.describe() #기술 통계 정보 요약

# df.count()  #각 열의 데이터 갯수 : count() , 실제 값이 존재하는 자료만 count  (Nan 값은 세지않는다)

# df[열이름].value_counts() #각 열의 고유 값의 갯수

# df[열이름].mean() #열의 평균값 :

# df.median() #열의 중간값 : df[['mpg','weight']].median() ,df.median(numeric_only=True)

# max() # 열의 최대 값 

# min() #최소:

# std() # 표준편차:  df.std(numeric_only=True)

# var() #분산: df.var(numeric_only=True)

# corr() : 상관계수

# plot()  #index - > x축, 년도를 기준으로

# df.plot(kind='bar')

# df.plot(kind='hist')

# df.plot(x='weight',y='mpg', kind='scatter')

# kind

# ‘line’ : line plot (default)

# ‘bar’ : vertical bar plot

# ‘barh’ : horizontal bar plot

# ‘hist’ : histogram

# ‘box’ : boxplot

# ‘kde’ : Kernel Density Estimation plot

# ‘density’ : same as ‘kde’

# ‘area’ : area plot

# ‘pie’ : pie plot

# ‘scatter’ : scatter plot (DataFrame only)

# ‘hexbin’ : hexbin plot (DataFrame only)