Pandas

• 2차원 데이터를 가장 쉽게 다룰 수 있음
• 데이터 처리를 위한 라이브러리
• 시계열 데이터에 최적화

Pandas 구성요소

DataFrame

• 2차원 데이터 셋
• Column 과 Rows 로 구성

Series

• 1차원 데이터 셋
• 1개의 컬럼(Column)으로만 구성
• 컬럼명이 없음
• 컬럼값으로만 구성

Index

• DataFrame, Serise의 고유한 Key값 객체

DataFrame의 생성

• dict를 변환

dic1 = {'Name': ['Chulmin', 'Eunkyung','Jinwoong','Soobeom'],
        'Year': [2011, 2016, 2015, 2015],
        'Gender': ['Male', 'Female', 'Male', 'Male']
       }
print(type(dic1))

# 딕셔너리를 DataFrame으로 변환
data_df = pd.DataFrame(dic1)
print(data_df)
print(type(data_df))

인덱스와 컬럼명 출력 및 확인

print("columns:",titanic_df.columns)    # 컬럼명 출력

print("index:",titanic_df.index)    # 객체가 반환, RangeIndex(start=0, stop=891, step=1)
print("index value:", titanic_df.index.values)    # 인덱스의 값을 출력

컬럼 추가

# 새로운 컬럼명을 추가
data_df = pd.DataFrame(dic1, columns=["Name", "Year", "Gender", "Age"])
print(data_df)

index값 변경

# 인덱스를 새로운 값으로 할당. 
data_df = pd.DataFrame(dic1, index=['one','two','three','four'])
print(data_df)

Pandas 기본API

read_csv()

• csv 파일을 편리하게 DataFrame으로 로딩
• sep 인자를 콤마(,)가 아닌 다른 분리자로 변경하여 다른 유형의 파일도 로드 가능

import pandas as pd

titanic_df = pd.read_csv('titanic_train.csv')
print('titanic 변수 type:',type(titanic_df))

• tab으로 분리된 파일을 로드할 경우

titanic_df = pd.read_csv('titanic_train.tsv', sep='\t')
print('titanic 변수 type:',type(titanic_df))

head()

• DataFrame의 맨 앞 일부 데이터만 추출
• default로는 앞의 5줄만 출력
• head(10) : 앞의 10줄만 출력

titanic_df.head(3)

• Pandas의 DataFrame은 NumPy의 ndarray로 만들어짐
• 컬럼값, index, value 모두 ndarray로 구성됨

shape()

• DataFrame의 행(Row)와 열(Column) 크기를 가지고 있는 속성
• index는 포함되지 않음

print('DataFrame 크기: ', titanic_df.shape)    # (891, 12)

info()

• DataFrame 내의 컬럼명, 데이터 타입, Null건수, 데이터 건수 정보를 제공

titanic_df.info()

describe()

• 데이터값들의 평균,표준편차,4분위 분포도를 제공
• 숫자형 컬럼들에 대해서만 해당 정보를 제공

titanic_df.describe()

1. count : 개수
2. mean : 평균
3. std : 표준편차
4. min : 최소값
5. 25, 50, 75% :
6. max : 최대값

value_counts()

• 동일한 개별 데이터 값이 몇건이 있는지 정보를 제공
• 개별 데이터값의 분포도를 제공
• 히스토그램에 사용 시 유용
• Series객체에서만 호출
• DataFrame을 단일 컬럼으로 입력하여 Series로 변환한 뒤 호출

value_counts = titanic_df['Pclass'].value_counts()
print(type(value_counts))
print(value_counts)

sort_values()

• by='정렬할 기준의 컬럼명'
• ascending=True(오름차순) 또는 False(내림차순)
• 여러개의 컬럼을 정렬하려면 by에 리스트의 형태로 컬럼을 전달

titanic_df.sort_values(by='Pclass', ascending=True)

titanic_df[['Name','Age']].sort_values(by='Age')
titanic_df[['Name','Age','Pclass']].sort_values(by=['Pclass','Age'])

DataFrame에서 Series추출

# DataFrame객체에서 []연산자내에 한개의 컬럼만 입력하면 Series 객체를 반환  
series = titanic_df['Name']
print(series.head(3))
print("type:", type(series))

DataFrame에서 원하는 컬럼(column)만 추출

# DataFrame객체에서 []연산자내에 여러개의 컬럼을 리스트로 입력하면 
# 그 컬럼들로 구성된 DataFrame 반환  
filtered_df = titanic_df[['Name', 'Age']]
print(filtered_df.head(3))
print("type:", type(filtered_df))

# DataFrame객체에서 []연산자내에 한개의 컬럼을 리스트로 입력하면 
# 한개의 컬럼으로 구성된 DataFrame 반환 
one_col_df = titanic_df[['Name']]
print(one_col_df.head(3))
print("type:", type(one_col_df))