pandas

NumPy 기반 설계

시리즈 데이터와 데이터 프레임

NumPy의 array가 보강된 형태

Data와 Index를 가지고 있음

• Series
  : values 를 ndarray 형태로 가지고 있음

import pandas as pd
data = pd.Series([1, 2, 3, 4])
print(data)
# 0	1
# 1	2
# 2	3
# 3	4
# dtype : int64

pirnt(type(data))
#<class 'pandas.core.series.Series'>
print(data.values)
# [1 2 3 4]
print(type(data.values))
#<class 'numpy.ndarray'>

• dtype인로 데이터 타입을 지정 가능!
  int.정수 -> float.실수

  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'])
data['c'] = 5	#인덱스로 접근하여 요소 변경 가능

• Dictionary를 활용하여 Series 생성 가능

  population_dict = {
  	'china' : 141500,
      	'japan' : 12718,
          'korea' : 5180
          'usa' : 32676
  }
  population = pd.Series(population_dict)

dataFrame

• 여러 개의 Seires가 모여서 행과 열을 이룬 데이터

  country = pd.DataFrame({
  	'gdp' : gdp,
      	'population' : population
  })

• Dictionary를 활용하여 DataFrame 생성가능

  data = {
  	'country' : ['china', 'japan', 'korea', 'usa'],
      	'gdp' : [140, 51, 16, 204],
          'population' : [141, 12, 5, 32]
  }
  country = pd.DataFrame(data)
  country = country.set_index('country')

1) dictionary : data = {key:value}
2) Series : series([1, 2, 3, 4])
3) DataFrame : 인덱스 - 시리즈 데이터
4) 딕셔너리에서 시리즈를 거치지 않고서도 바로 데이터 프레임을 만들 수 있다.

• DataFrame 속성을 확인하는 방법 (6세대 포캣몬, 프레임은 뚜껑 같은 존재)

  print(country.shape)	# (4, 2)
  print(country.size)	# 8 갯수
  print(country.ndim)	# 2 몇 차원인가
  print(country.values)	#[[ 

• DataFrame의 index와 column에 이름 지정 가능

  country.index.name = "Country"	# 인덱스에 이름 지정
  country.columns.name - "Info"	# 칼럼 이름 지정

• 데이터프레임 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")

데이터 선택

indexing/Slicing

• loc : 명시적인 인덱스를 참조하는 인덱싱/슬라이싱

country.loc['china']	# 인덱싱

country.loc['japan' : 'korea', :'population']	# 슬라이싱

• iloc : 파이썬 스타일의 정수 인덱스 인덱싱/슬라이싱 (암묵적인 순서가 있고, 그것에 따라서 값을 추출하는 것)
  e) 최진사 댁 딸 7명. 그 둘째 딸 시집 갔나? 이런식으로 값을 추출하는 것

country/iloc[0]	# 인덱싱

country.iloc[1:3, :2]	# 슬라이싱

• 컬럼명 활용하여 DataFrame에서 데이터 선택 가능

  country['gdp'] : 컬럼
  country[['gdp']] : 데이터 프레임 그 자체

[]는 컬럼, 즉 gdp에 해당하는 값만
[[]]는 데이터 프레임 자체, gdp라는 뚜껑까지 함께

데이터선택 - 조건활용

masking 연산이나 query함수를 활용하여 조건에 맞는 dataframe 행 추출 가능

country[country['population'] < 10000]	# masking 연산 활용
country.query("population>100000")	# query 함수 활용

• masking은 [country '조건 ' ] 을 넣어줌
• query함수는 쿼리 안에 "조건"을 활용

series도 연산자 활용 가능

gdp_per_capita = country['gdp'] / country['population']
country['gdp per capita'] = gdp_per_capita

데이터 변경 - 데이터 추가/수정

리스트로 추가 or 딕셔너리로 추가

df = pd.DataFrame(columns = ['이름, '나이', '주소'])	#데이터프레임 생성
df.loc[0] = ['길동', '26', '서울']	#리스트로 데이터 추가
df.loc[1] = {'이름':'철수', '나이':''25', '주소':'인천'}	#딕셔너리로 데이터 추가
df.loc[1, '이름'] = '영희'	#명시적 인덱스 활용하여 데이터 수정

데이터 변경 - NaN 컬럼 추가

NaN값으로 초기화 한 새로운 컬럼 추가
@ nan = not a number

df['전화번호'] = np.nan	#새로운 컬럼 추가 후 초기화
df.loc[0, '전화번호'] = '01012341234'	#명시적 인덱스 활용하여 데이터 수정

컬럼삭제

DataFrame 에서 컬럼 삭제 후 원본 변경

df.drop('전화번호', axis = 1, inplace = True)	#컬럼 삭제
#axis = 1 : 열 방향 / axis = 0 : 행 방향
#inplace = True : 원본 변경 / inplace = False : 원본 변경 x