Pandas
파이썬 라이브러리
구조화된 데이터를 효과적으로 처리하고 저장
Array 계산에 특화된 NumPy를 기반으로 설계
대용량 데이터 계산이 장점.
엑셀과 유사한 Database 를 가지고 있음.
Series 데이터
Numpy의 array가 보강된 형태 ( Data만 있던 Array 에서 Index가 추가 되었다. )
Data와 Index 를 가지고 있음.
Series는 값(values)을 ndarray 형태로 가지고 있음.
dytpe 인자로 데이터 타입을 지정할 수 있음
인덱스를 지정할 수 있고 인덱스로 접근 가능
Dictionary를 활용하여 Series 생성 가능.
import pandas as pd
data = pd.Series([1,2,3,4])
print(data)
# 인덱스 값
# 0 1
# 1 2
# 2 3
# 3 4
# dtype: int64
print(type(data))
# <class 'pandas.core.series.Series'>
print(data.values)
# [1 2 3 4]
print(type(data.values))
# <class 'numpy.ndarray'>
## dytpe 인자로 데이터 타입을 지정할 수 있음
data = pd.Series([1,2,3,4], dtype = 'float')
print(data.dtype)
# float64
## 인덱스를 지정할 수 있고 인덱스로 접근 가능
data = pd.Series([1, 2, 3, 4], index = ['a', 'b', 'c', 'd'])
print(data)
# a 1
# b 2
# c 3
# d 4
# dtype: int64
data['c'] = 5
print(data)
# a 1
# b 2
# c 5
# d 4
# dtype: int64
## Dictionary를 활용하여 Series 생성 가능.
population_dict = {
'china' : 141500,
'japan' : 12718,
'korea' : 5180,
'usa' : 32676
}
population = pd.Series(population_dict)
print(population)
# china 141500
# japan 12718
# korea 5180
# usa 32676
# dtype: int64데이터 프레임
여러 개의 Series가 모여서 행과 열을 이룬 데이터
생성방법 1. Series를 모아서 생성.
gdp_dict = {
'china' : 1409250000,
'japan' : 516700000,
'korea' : 169320000,
'usa' : 2041280000,
}
gdp = pd.Series(gdp_dict)
country = pd.DataFrame({
'gdp' : gdp,
'population' : population
})
print(country)
# gdp population
# china 1409250000 141500
# japan 516700000 12718
# korea 169320000 5180
# usa 2041280000 32676생성방법 2. Dictionary를 활용하여 DataFrame 생성.
data = {
'country' : ['china', 'japan', 'korea', 'usa'],
'gdp' : [1409250000, 516700000, 169320000, 2041280000],
'population' : [141500, 12718, 5180, 32676]
}
country = pd.DataFrame(data)
print(country)
# country gdp population
# 0 china 1409250000 141500
# 1 japan 516700000 12718
# 2 korea 169320000 5180
# 3 usa 2041280000 32676
country = country.set_index('country')
print(country)
# gdp population
# country
# china 1409250000 141500
# japan 516700000 12718
# korea 169320000 5180
# usa 2041280000 32676DataFrame 속성 확인
print(country.shape)
# (4, 2)
print(country.size)
# 8
print(country.ndim)
# 2
print(country.values)
# [[1409250000 141500]
# [ 516700000 12718]
# [ 169320000 5180]
# [2041280000 32676]]DataFrame의 index와 column에 이름 지정
country.index.name = "Country" # 인덱스에 이름지정
country.columns.name = "Info" # 컬럼에 이름 지정
print(country.index)
# Index(['china', 'japan', 'korea', 'usa'], dtype='object', name='Country')
print(country.columns)
# Index(['gdp', 'population'], dtype='object', name='Info')DataFrame 저장 및 불러오기 기능.
country.to_csv("./country.csv")
country.to_excel("country.xlsx")
country = pd.read_csv("./country.csv")
country = pd.read_excel("country.xlsx")DataFrame 데이터 선택 - Indexing/Slicing
.loc : 명시적인 인덱스를 참조하는 인덱싱/슬라이싱
.iloc : 암묵적인 인덱스를 참족하는 인덱싱/슬라이싱.
즉, 인덱스를 정의하더라도 숫자가 암묵적으로 정의 되어있음.
print(country.loc['china']) # 인덱싱
# Info
# gdp 1409250000
# population 141500
# Name: china, dtype: int64
print(country.loc['japan':'korea', :'population']) # 슬라이싱.
# Info gdp population
# Country
# japan 516700000 12718
# korea 169320000 5180
print(country.iloc[0]) # 인덱싱
# Info
# gdp 1409250000
# population 141500
# Name: china, dtype: int64
print(country.iloc[1:3, :2]) # 슬라이싱
# Info gdp population
# Country
# japan 516700000 12718
# korea 169320000 5180DataFrame 데이터 선택 - 컬럼선택
컬럼명 활용하여 DataFrame에서 데이터 선택 가능.
print(country) # 데이터 프레임
# Info gdp population
# Country
# china 1409250000 141500
# japan 516700000 12718
# korea 169320000 5180
# usa 2041280000 32676
print(country['gdp']) # 시리즈 으로 반환
# Country
# china 1409250000
# japan 516700000
# korea 169320000
# usa 2041280000
# Name: gdp, dtype: int64
print(country[['gdp']]) # 데이터프레임 으로 반환
# Info gdp
# Country
# china 1409250000
# japan 516700000
# korea 169320000
# usa 2041280000DataFrame 데이터 선택 - 조건활용
Masking 연산이나 query 함수를 활용하여 조건에 맞는 DAtaFrame 행 추출 가능.
print(country[country['population'] < 10000]) # masking 연산 활용
# Info gdp population
# Country
# korea 169320000 5180
print(country.query("population > 100000")) # query 함수 활용
# Info gdp population
# Country
# china 1409250000 141500DataFrame 데이터 변경 - 컬럼추가
Series도 numpy array처럼 연산자 활용 가능.
gdp_per_capita = country['gdp'] / country['population']
country['gdp per capita'] = gdp_per_capita
# Info gdp population gdp per capita
# Country
# china 1409250000 141500 9959.363958
# japan 516700000 12718 40627.457147
# korea 169320000 5180 32687.258687
# usa 2041280000 32676 62470.314604
DataFrame 데이터 변경 - 데이터 추가/수정
Data는 리스트, 딕셔너리로 추가 가능.
df = pd.DataFrame(columns = ['이름', '나이', '주소']) # 데이터프레임 생성
# Empty DataFrame
# Columns: [이름, 나이, 주소]
# Index: []
df.loc[0] = ['길동', '26', '서울'] # 리스트로 데이터 추가
# 이름 나이 주소
# 0 길동 26 서울
df.loc[1] = {'이름':'철수', '나이':'25', '주소':'인천'} # 딕셔너리로 데이터 추가
# 이름 나이 주소
# 0 길동 26 서울
# 1 철수 25 인천
df.loc[1, '이름'] = '영희' # 명시적 인덱스를 활용하여 데이터 수정
# 이름 나이 주소
# 0 길동 26 서울
# 1 영희 25 인천DataFrame 데이터 변경 - NaN 컬럼 추가
NaN값으로 초기화 한 새로운 컬럼 추가
df['전화번호'] = np.nan # 새로운 컬럼 추가 후 초기화
# 이름 나이 주소 전화번호
# 0 길동 26 서울 NaN
# 1 영희 25 인천 NaN
df.loc[0, '전화번호'] = '01012341234'
# 이름 나이 주소 전화번호
# 0 길동 26 서울 01012341234
# 1 영희 25 인천 NaNDataFrame 데이터 변경 - 컬럼삭제
DataFrame에서 컬럼 삭제 후 원본 변경
df.drop('전화번호', axis =1, inplace = True) # 컬럼삭제
# axis = 1 : 열방향 / axis = 0 : 행방향
# inplace = True : 원본 변경 / inplace = False : 원본 변경 X