Python dfply

#dfply는 밑에 방법으로 설치합니다
!pip install dfply

# 필요한 라이브러리를 로드합니다.
import pandas as pd
from dfply import * #*는 모두를 의미합니다

# pandas를 활용하면 url에서 직접 데이터를 가져올 수 있습니다.
url = "https://raw.githubusercontent.com/allenakinkunle/dplyr-style-data-manipulation-in-python/master/nycflights13.csv"

# df라는 변수에 데이터를 담아줍시다.
df = pd.read_csv(url)

# head를 이용해 데이터를 미리보기 합시다
df.head()

# drop과 select 모두 dfply에 포함되어 있는 기능입니다.
# select 값은 인수로 전달된 열을 반환하고 drop은 반환하지 않습니다.
(df >>
select(X.origin,X.dest,X.hour))

(df >> 
drop(X.year,X.month,X.day))

# select 문에서도 ~를 사용하면 인수로 전달된 값을 반환하지 않습니다.
(df >>
select(~X.hour,~X.minute))

# mask()를 통해 결과를 필터링 할 수 있습니다.
(df >>
mask(X.month == 1, X.day == 1, X.origin == 'JFK', X.hour > 10))

# arrange()를 통해 결과를 정렬 할 수 있습니다.
# 밑의 코드 같은 경우 distance로 먼저 정렬하고 그 다음에 hours로 정렬합니다.
(df >>
arrange(X.distance, X.hour))

# 내림차순으로 보고싶다면 ascending =False를 해주면 됩니다
((df >>
 arrange(X.distance,X.hour, ascending=False)))

# group by를 통해 데이터를 컬럼에 따라 묶을 수 있습니다.
# 밑의 경우는 집약함수를 설정을 안했기 때문에 데이터 그대로 반환됩니다.
(df >> 
group_by(X.origin))

#mean값으로 묶으면 origin이 group화 되서 반환됩니다.
(df >> 
group_by(X.origin) >>
summarize(mean_distance = X.distance.mean()))

# dfply를 사용하면 다음 단계를 위해 변수를 저장할 필요가 없습니다.
(df >>
       mask(X.hour >10) >>
       mutate(speed = X.distance / (X.air_time * 60)) >>
             group_by(X.origin) >>
             summarize(mean_speed = X.speed.mean()) >>
             arrange(X.mean_speed, ascending=False))

# 위의 결과를 재사용을 위해 변수에 담을 수도 있습니다. 
df2 = (df >>
       mask(X.hour >10) >>
       mutate(speed = X.distance / (X.air_time * 60)) >>
             group_by(X.origin) >>
             summarize(mean_speed = X.speed.mean()) >>
             arrange(X.mean_speed, ascending=False))

df2

# dfply를 사용하지 않는 다면 밑의 코드처럼 작성할 수 있습니다.
# 이 경우 새로운 변수를 지정해 줘야 합니다.
df.loc[df['hour'] > 10, 'speed'] = df['distance'] / (df['air_time'] * 60)
result = df.groupby('origin', as_index = False)['speed'].mean()
result.sort_values('speed', ascending = False)