[내일배움캠프] 데이터 전처리 & 시각화 기초 (2)

오늘의 학습

[Pandas 활용해 데이터 전처리]

1. Pandas 라이브러리 불러오기
2. 인덱스
3. 컬럼

---

1. Pandas 라이브러리 불러오기

[pandas 라이브러리 불러오기]
✔️ import 명령어 활용

# pandas 라이브러리 불러와서 pd라고 부른다는 의미
import pandas as pd

# 설치해야 하는 경우
!pip install pandas

[오픈소스 데이터 셋 불러오기]
✔️ seaborn 라이브러리 내 내장 데이터 활용
(seaborn: 데이터 시각화하는 라이브러리 중 하나)

import seaborn as sns

# 설치해야 하는 경우
!pop install seaborn 

# 여러 데이터셋 중 tips 데이터셋 불러오기
data = sns.load_dataset('tips')

print(data)

[데이터 불러오기]

📍 엑셀 / csv 데이터 불러오기

# 엑셀 파일
pd.read_excel('./파일명.xlsx') #./는 현재 내가 있는 위치 의미
pd.read_excel("tips_data.xlsx")

# csv 파일
pd.read_csv('./파일명.csv')
pd.read_csv("tips_data.csv")

# 인덱스 같이 불러오지 않을 경우
df = pd.read_csv("tips_data.csv", index_col=0)

[데이터 저장하기]

📍 엑셀 / csv 데이터 저장하기

# 엑셀 파일
pd.to_excel(’파일경로/파일명.확장자’ , index = False) # index=False 저장 시 인덱스 같이 저장 X

# csv 파일
pd.to_csv(’파일경로/파일명.확장자’ , index = False)

---

2. 인덱스

❓ Pandas에서 인덱스(index): 데이터프레임(DateFrame;df), 시리즈(Series)의 각 행/요소에 대한 식별자 (SQL의 PK와 유사)

[기본 인덱스]
➖ 0부터 시작하는 정수(int) 인덱스 제공
➖ 자동 부여 인덱스

# 기본 정수 인덱스를 가진 데이터프레임 생성
df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})

[사용자 지정 인덱스]
➖ 숫자뿐 아니라 문자도 임의로 지정 가능

# 사용자가 직접 인덱스를 설정한 데이터프레임 생성
df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']}, 
        			index=['idx1', 'idx2', 'idx3'])

[인덱스 활용]
➖ 데이터에 접근이나 조작 가능

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']}, 
        			index=['idx1', 'idx2', 'idx3'])
                    
# 특정 인덱스의 행에 접근                    
df.loc['idx2']
➡️ 인덱스 idx2에 해당하는 행의 값만 보여줌

# 인덱스를 기준으로 데이터프레임 정렬
df.sort_index()

➖ set_index() 특정 컬럼에 들어있는 값을 인덱스로 활용

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']}, 
        			index=['idx1', 'idx2', 'idx3'])
                    
# df가 가지고 있는 특정 컬럼명을 기준으로 인덱스 설정
df.set_index('A')
➡️ A 컬럼 기준 인덱스 설정

	B
A   
1   a
2   b
3   c


# 불러올 때 인덱스 지정
pd.read_csv('./data/file.csv' , index_col = '컬럼정보') 
pd.read_csv('./data/file.csv' , index_col = 0) # 0부터 시작

➖ reset_index() 를 활용해서 현재 인덱스를 0부터 시작하는 정수로 변경

# reset_index() 의 기본 값은 drop = False
data.reset_index()

		A	B
0		1	a
1		2	b
2		3	c


# reset_index(drop = True) 명령어를 활용하면,
# 현재 인덱스 값을 컬럼으로 변경하지 않고 인덱스 초기화 가능
data.reset_index(drop=True)

	A	B
0	1	a
1	2	b
2	3	c

[인덱스 확인]
➖ DataFrame.index

df.index

#리스트 형태를 활용해서 인덱스를 새로 입력할 수 있습니다.
df.index = ['1번' , '2번' , '3번']
print(df)
➡️ 인덱스 1번, 2번, 3번으로 설정

	A	B
1번	1	a
2번	2	b
3번	3	c

---

3. 컬럼(Column)

❓ 컬럼: DataFrame의 열

[컬럼 특징]

➖ 고유한 라벨(이름) 보유 ➡️ 해당 컬럼의 데이터 식별하는 데 사용
➖ 다양한 유형의 데이터 형태
➖ 시리즈(Series) 객체로 구성
➖ DataFrame의 일부
➖ 해당 열 조작 & 접근할 수 있는 인터페이스 제공

[컬럼]

# Pandas 불러오기
import pandas as pd

# 데이터프레임 생성
data = {
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35],
    'gender': ['Female', 'Male', 'Male']
}

df = pd.DataFrame(data)

# 각 컬럼 출력
print(df['name']) 
print(df['age'])  
print(df['gender'])   

➡️ 컬럼:name, age, gender

# 데이터프레임 컬럼 확인
df.columns

Index(['name', 'age', 'gender'], dtype='object')

# 특정 컬럼 데이터 확인
df['컬럼명']
df['name']

	name
0	Alice
1	Bob
2	Charlie

dtype: object

[컬럼명 변경]

# rename() 메서드 활용
df = df.rename(columns={'age' : '나이', 'gender' : '남/여'})
print(df)

	name	나이	남/여
0	Alice	25	female
1	Bob	    30	male
2	Charlie	35	male

[컬럼 추가]

df['address'] = 'seoul'
print(df)

	name	나이	 남/여   address
0	Alice	25	female   seoul
1	Bob	    30	male     seoul
2	Charlie	35	male     seoul