DataFrame을 list로 전환:rand(), list comprehension

예측에서 신뢰구간을 0.99로 하면 그 구간은 매우 넓어진다. 
그러면 그 예측구간을 기준으로 하여 오늘의 관측치는 어느 수준에 포함되는지가 의문이 되는 경우가 있다. 
이에 대한 함수를 작성하는 기본 생각은 다음과 같다. 
1. 예측치를 몇개의 구간으로 분리한다. 
2. 관측치가 1에서 구분한 어느구간에 포함되는지를 결정한다. 
3. 예측치의 각 구간의 수치와 관측치가 어느구간에 속하는 가를 테이블로 나타낸다. 

이 함수를 작성하기 위해 
import numpy as np
import pandas as pd

def mkRefdS(pre, roundN):
    re=[pre.loc[i, j] for i in pre.index for j in pre.columns]
    return(np.round(re, roundN))

위의 함수에 의한 결과는 pre를 pandas DataFrame구조의 모든 원소를 리스트 형태로 변환한다. 
그 리스트에서 최대값과 최소값은 max(), min()를 사용하여 계산한다. 

다음은 위 함수를 적용하기 위한 데이터를 생성해보자. 
In [1]: x=np.round(np.random.rand(3, 4)*10, 1)
In [2]: x
Out[2]:

array([[ 3.5, 1. , 3.6, 0.3], [ 5.4, 2.5, 5.9, 5.7], [ 6.9, 9.6, 8.3, 3.3]])

코드 1에서의 np.round()는 소수점 이하 자릿수를 정하여 반올림 시키는 함수이다. 
또한 np.random.rand()는 0과 1 사이의 랜덤값을 하나 생성하는 함수로 괄호내의 3, 4는 3행과 4열의 구조에 적합하도록 랜덤수를 배치하기 위한 인자들이다. 다음을 보자. 
>>> x1=np.random.rand()
>>> np.round(x1, 2)

0.96
>>> np.random.rand(2, 3)
array([[ 0.91412476, 0.71698386, 0.3345806 ],
[ 0.2857755 , 0.56807731, 0.87023978]])

위 객체 x를 pandas DataFrame 구조로 변환하여 보자.

In [3]: xdf=pd.DataFrame(x)

In [4]: xdf
Out[4]:

	0	1	2	3
0	3.5	1.0	3.6	0.3
1	5.4	2.5	5.9	5.7
2	6.9	9.6	8.3	3.3

In [5]: xdf.index
Out[5]:RangeIndex(start=0, stop=3, step=1)

In [6]: xdf.columnsOut[6]:RangeIndex(start=0, stop=4, step=1)



위의 xdf의 객체를 리스트 형태로 만들기 위해서는 각 행,열에 해당하는 값들을 하나씩 추출하여 리스트에 추가한다. 이 과정을 위해 list comprehension을 사용한다. 즉,
 [pre.loc[i, j] for i in pre.index for j in pre.columns]
위의 코드에서 pre.loc[i, j]은 pre객체 중에서 i행과 j열의 값을 반환하기 위한 pandas DataFrame 객체의 인덱스 표시방법이다.
그러면 i와 j는 각각 행과 열을 나타내는데 i는 행이름, j는 열이름을 전달 받는 인식자이고 일정한 i에 j가 반복되는 것이 1사이클이 되므로 이 반복이 모두 완료되면 모든 원소값이 추출된다. 이렇게 추출된 값들은 리스트 구조로 최종 반환된다.

그러므로 위의 mkRefdS() 함수에 xdf를 적용하면 다음과 같은 결과가 반환된다. 그리고 이함수의 인수중 pre는 처리할 대상이 되는 dataframe형태의 데이터이고 roundN은 반올림할 소수점이하 자리수를 의미한다.

In [7]: refd=mkRefdS(xdf, 2)
In [8]: print(refd)
[ 3.5 1. 3.6 0.3 5.4 2.5 5.9 5.7 6.9 9.6 8.3 3.3]