pandas 출력

import pandas as pd

(import를 통하여 pandas 사용 선언)

Python 모듈에 대한 naming 규칙

• import Module
  (Module을 사용하겠다 선언, Module.function)
• import Module as md
  (Module을 앞으로 md 형식과 같이 호출하겠다)
• form Module import function
  (Module 내에 있는 function 함수만 사용하겠다)

엑셀 및 CSV 파일 읽기

read_csv, read_excel

dftarget = pd.read csv ('../EDA_Level_Test_03 (배포용)/datas/Summer-Olympic-medals-1976-to-2008.csv', encoding = 'utf-8' )

• csv : 파일 형식으로 엑셀은 excel로 변환하여 사용하며 텍스트 파일은 csv로 조회
• '../EDA_Level_Test_03 (배포용)/datas/Summer-Olympic-medals-1976-to-2008.csv'
  : 파일이 저장된 위치로 ' ../ '은 상위 폴더 이름이고 ' / ' 이후 tap버튼으로 저장 위치 조회
• encoding = 'utf-8' : 한글 인코딩 설정
• 인코딩 에러 무시 필요 시 encoding_errors = 'ignore' 설정 필요
• header = 불러오고자하는 행부터 출력, usecols = 필요한 열만 출력
  

pop_seoul = pd.read_excel('../data/01. Seoul_Population.xls', header = 2, usecols='B, D, G, J, N')

sep 확인하기

• xlsx파일은 엑셀 파일이기 때문에 구분 기준을 설정할 필요가 없음
• csv의 경우 기본은 콤마(,)로 값을 구분, 직접 csv파일을 메모장으로 열어보면서 값들이 공백으로 혹은 여타 다른 구분자로 구분되어있거나 한 것을 직접 확인

pandas DataFrame 구조

파일 읽기

앞에서부터 보여주기, df.head()

CCTV_Seoul.head(3)
#.head() : 앞에서부터 보여주기, "()" = 앞에서부터 몇까지 보여줄지 설정

뒤에서부터 보여주기, df.tail()

CCTV_Seoul.tail(3)
#.tail() : 끝부터 보여주기, "()" = 뒤에서부터 몇까지 보여줄지 설정

칼럼 이름 조회, df.columns

(dataframe변수).columns : 모든 칼럼 조회

CCTV_Seoul.columns
#.columns : 컬럼명을 리스트 형식으로 반환
Index(['기관명', '소계', '2013년도 이전', '2014년', '2015년', '2016년'], dtype='object')

(dataframe변수).columns[?] : ? 번째 칼럼 조회

CCTV_Seoul.columns[0]
# .columns[] : []번째 컬럼 반환
'기관명'

인덱스 조회, df.index

데이터 프레임 내 값 조회, df.values

CCTV_Seoul.values
# .values : DataFrame의 value값 확인

array([['강남구', 3238, 1292, 430, 584, 932],
       ['강동구', 1010, 379, 99, 155, 377],
       ['강북구', 831, 369, 120, 138, 204],
       ['강서구', 911, 388, 258, 184, 81],
       ['관악구', 2109, 846, 260, 390, 613],
       ['광진구', 878, 573, 78, 53, 174],
       ['구로구', 1884, 1142, 173, 246, 323],
       ['금천구', 1348, 674, 51, 269, 354],
       ['노원구', 1566, 542, 57, 451, 516],
       ['도봉구', 825, 238, 159, 42, 386],
       ['동대문구', 1870, 1070, 23, 198, 579],
       ['동작구', 1302, 544, 341, 103, 314],
       ['마포구', 980, 314, 118, 169, 379],
       ['서대문구', 1254, 844, 50, 68, 292],
       ['서초구', 2297, 1406, 157, 336, 398],
       ['성동구', 1327, 730, 91, 241, 265],
       ['성북구', 1651, 1009, 78, 360, 204],
       ['송파구', 1081, 529, 21, 68, 463],
       ['양천구', 2482, 1843, 142, 30, 467],
       ['영등포구', 1277, 495, 214, 195, 373],
       ['용산구', 2096, 1368, 218, 112, 398],
       ['은평구', 2108, 1138, 224, 278, 468],
       ['종로구', 1619, 464, 314, 211, 630],
       ['중구', 1023, 413, 190, 72, 348],
       ['중랑구', 916, 509, 121, 177, 109]], dtype=object)

데이터프레임의 기본 정보 확인, df.info()

• DataFrame의 기본 정보를 확인 가능하며 각 컬럼의 크기와 데이터형태 확인

CCTV_Seoul.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 25 entries, 0 to 24
Data columns (total 6 columns):
 #   Column     Non-Null Count  Dtype 
---  ------     --------------  ----- 
 0   기관명        25 non-null     object
 1   소계         25 non-null     int64 
 2   2013년도 이전  25 non-null     int64 
 3   2014년      25 non-null     int64 
 4   2015년      25 non-null     int64 
 5   2016년      25 non-null     int64 
dtypes: int64(5), object(1)
memory usage: 1.3+ KB

데이터 프레임의 통계적 정보 확인, df.describe()

CCTV_Seoul.describe()

컬럼 이름 바꾸기, df.rename()

().rename(columns={데이터프레임네임[칼럼위치]: '바꿀컬럼명칭'})
().rename(columns={'현재컬럼명칭': '바꿀컬럼명칭'})

CCTV_Seoul.rename(columns={CCTV_Seoul.columns[0] : '구별'}).head(3)

일괄적으로 이름 바꾸기

pop_seoul.rename(
    columns={
        pop_seoul.columns[0]:'구별',
        pop_seoul.columns[1]:'인구수',
        pop_seoul.columns[2]:'한국인',
        pop_seoul.columns[3]:'외국인',
        pop_seoul.columns[4]:'고령자'
    }, 
    inplace = True)
pop_seoul.head()

원본 내용 바꾸기, inplace=True