20221013 = random, triu

# np.random.choice = 데이터샘플링이 가능

# random값 생성할 때는 random.default_rng(42)를 사용하여 랜덤값고정해보기!!

# {int(n.split(" ")[0]) : n.split(" ")[1] for n in age_list} 딕셔너리를 생성할 때
int(숫자)로 변경하여 split(" ") 띄워쓰기를 기준으로 [0] 앞쪽 [1] 뒤쪽으로 구분하여 for문으로 반복한다!!

# map 매서드 복습하기!!

# str을 사용한 slicing 

# gender_dict = {1 : "남자", 2 : "여자"}
df["gender"] = df["성별코드"].map(lambda x : gender_dict[x])
lambda x 를 사용하여 gender_dict를 "성별코드"에 넣어주기!

# ro = {"A":"내복제","B":"주사제","C":"외용제","D":"기타"}
df['투여경로'] = df["약품일반성분명코드"].str[6].map(ro)
map을 사용하여 딕셔너리 값 넣어주기!!

# corr() = 상관관계 구하기

# sns.heatmap() = NA/null 값을 제외한 열의 상관관계에 대해 heatmap을 그림

# np.ones(corr.shape) = corr 갯수만큼 행렬을 생성해줌

# np.triu = mask값으로 만들어 heatmap에서 위나 아래의 데이터를 날려서 보기 편하게 해줌