데이터뷰 object 리터럴데이터뷰는 general 리터럴이나 프론트매터에 있는 정보를 object로 받아들입니다. object 리터럴은 general 리터럴과 다르게 object에 있는 정보를 기반으로 함수처럼 어떤 값을 출력해주거나 나열해주는 역할을 해줍니다. sort,filter 같은 것도 object에 쓴다면 object 리터럴이라고 할 수 있습니다. 이번 포스팅에서는 파일을 대상으로 자주 쓰는 object 리터럴을 소개할까 합니다. 사실 프론트매터로 검색하는 것에 필요성을 못 느껴 아직 써보진 않았습니다. contains()contains은 해당 단어가 있으면 True로 나타냅니다. 단, 대소문자 구분을 합니다. 예를 들어, 아래와 같은 hello 문자가 있으면 다음과 같이 결과가 나타납니다. ..
값 뽑아내기 자신이 원하는 값을 범위에서 추출하는 방법입니다. 예를 들어, 주소록에서 20세 이상 여자 또는 남자인 경우의 데이터를 가져오거나 키가 170이상인 경우의 데이터를 가져올 수 있습니다. 어쨋든 조건을 달면 거기에 맞는 데이터만 출력해줍니다. 잘 이용하면 자동화도 가능합니다. FILTER 사용하기 FILTER는 다음과 같이 씁니다. =FILTER(범위, 조건1, 조건2, ...) 범위를 정하고 조건을 정하면 그만입니다. 간단한 예제(조건에 맞는 데이터가져오기) 간단한 예제를 만들었습니다. 조건에 맞는 경우 가져오게 합니다. 위에서 언급했던 것과 비슷하게 30세이상 이면서 여자인 경우인 데이터만 가져오겠습니다. =FILTER(A1:D21,B1:B21>=30,C1:C21="여") 함수를 조건으로 ..
데이터프레임에서 특정조건의 데이터를 필터링하는 2가지 방법을 소개하겠습니다. isin()을 이용하는 방법 비교 조건문을 이용하는 방법 다음과 같이 소문자, 대문자로 이루어진 데이터프레임을 만들었습니다. df = pd.DataFrame({'alpha' : ['a','b','c','d','e'],'beta':['A','B','C','D','E']}) df isin()을 이용하는 방법 isin()을 하면 해당 원소가 있는지를 판단해줍니다. 즉, 해당 값이 있으면 True, 없으면 False를 반환합니다. df['alpha'].isin(['a','b']) 이것을 이용하면 필터링이 가능합니다. df[df['alpha'].isin(['a','b'])] and(&),or(|) 도 가능합니다. df[df['alpha'..