import pandas as pd

# Series (1차원)
s = pd.Series([1, 2, 3, 4])

# DataFrame (2차원)
df = pd.DataFrame({
    '이름': ['홍창기', '황성빈', '김도영'],
    '지역': ['서울', '부산', '광주'],
    '방문일': ['2024-06-01', '2024-06-02', '2024-06-03'],
    '예약코드': ['A123', 'B456', 'C789']
})

# 크기 확인 (행, 열)
print(df.shape)  # (3, 4)

# 컬럼 이름 확인
print(df.columns)  # Index(['이름', '지역', '방문일', '예약코드'], dtype='object')

# 데이터 구조 요약
df.info()

# 기본 통계 분석
df.describe()

# CSV 파일 로드
df = pd.read_csv('data.csv')

# JSON 파일 로드
df = pd.read_json('data.json')

# Excel 파일 로드
df = pd.read_excel('data.xlsx')

# CSV로 저장
df.to_csv('output.csv', index=False)

# JSON으로 저장
df.to_json('output.json', orient='records')

# 처음 5개 행
df.head()

# 마지막 5개 행
df.tail()

# 처음 10개 행
df.head(10)

# 단일 조건
df[df['age'] >= 20]

# 복합 조건 (AND)
df[(df['age'] >= 20) & (df['gender'] == 'male')]

# 복합 조건 (OR)
df[(df['age'] >= 20) | (df['gender'] == 'male')]

# lambda 함수로 파생 변수 생성
df['level'] = df['age'].apply(lambda x: '성인' if x >= 20 else '미성년')

# 문자열 포함 여부 확인
df['has_python'] = df['skills'].str.contains("Python")

# 수치 계산
df['total'] = df['price'] * df['quantity']

# 사용자 정의 함수 적용
def categorize_age(age):
    if age < 20:
        return '미성년'
    elif age < 60:
        return '성인'
    else:
        return '시니어'

df['age_group'] = df['age'].apply(categorize_age)

# 부서별 평균 급여
df.groupby('department')['salary'].mean()

# 여러 컬럼으로 그룹화
df.groupby(['department', 'gender'])['salary'].mean()

# 여러 통계를 한 번에 계산
df.groupby('department')['salary'].agg(['mean', 'sum', 'count'])

# 텍스트 길이
df['text_len'] = df['text'].str.len()

# 단어 수
df['word_count'] = df['text'].str.split().str.len()

# 문자열을 날짜로 변환
df['date'] = pd.to_datetime(df['date_str'])

# 날짜 속성 추출
df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month
df['hour'] = df['date'].dt.hour

# 기본 병합 (inner join)
merged = df1.merge(df2, on='user')

# left join
merged = df1.merge(df2, on='user', how='left')

# 다른 컬럼명으로 병합
merged = df1.merge(df2, left_on='user_id', right_on='id')

# 부서별 평균 나이
pivot = df.pivot_table(
    values='age',
    index='department',
    aggfunc='mean'
)

# 부서별, 성별 평균 급여
pivot = df.pivot_table(
    values='salary',
    index='department',
    columns='gender',
    aggfunc='mean'
)

import pandas as pd

# 데이터 생성
df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'department': ['Sales', 'IT', 'Sales', 'IT'],
    'age': [25, 30, 35, 28],
    'salary': [50000, 60000, 55000, 65000]
})

# 1. 기본 정보 확인
print(f"데이터 크기: {df.shape}")
print(df.info())

# 2. 조건 필터링 (30세 이상)
filtered = df[df['age'] >= 30]
print(f"\n30세 이상:\n{filtered}")

# 3. 그룹별 통계
dept_stats = df.groupby('department').agg({
    'salary': ['mean', 'sum'],
    'age': 'mean'
})
print(f"\n부서별 통계:\n{dept_stats}")

# 4. 파생 변수 생성
df['age_group'] = df['age'].apply(
    lambda x: '청년' if x < 30 else '중년'
)
print(f"\n파생 변수 추가:\n{df}")