DataFrame 다루기, Index 객체

DataFrame과 리스트, 딕셔너리, 넘파이 ndarray 상호 변환

DataFrame은 파이선의 list, dictionary, NumPy ndarray 등과 상호 변환될 수 있다.

특히 ScikitLearn의 많은 API는 DataFrame을 인자로 입력 받을 수 있지만, 기본적으로 넘파이 ndarray를 입력 인자로 사용하는 경우가 대부분이다.

 

넘파이 ndarray, 리스트, 딕셔너리를 DataFrame으로 변환하기

DataFrame은 리스트, ndarray와 다르게 칼럼명을 가지고 있다. 이 칼럼명으로인해 상대적으로 편하게 데이터 핸들링이 가능하다.

DataFrame으로 변환시에 이 칼럼명을 지정해준다. 지정하지 않을 시 자동으로 칼럼명을 할당한다.

 

이때 생성인자 data는 리스트나 딕셔너리, ndarray를 입력받고, 생성인자 columns는 칼럼명 리스트를 입력받아서 생성할 수 있다.

 

DataFrame은 기본적으로 행과 열을 가지는 2차원 데이터이므로, 2차원 이하의 데이터들만 DataFrame으로 변환될 수 있다.

1차원 형태의 리스트와 ndarray를 DataFrame으로 변환해보자, 1차원 데이터이므로 칼럼은 1개만 필요하며, 'col1'으로 칼럼명을 지정한다.

 

import numpy as np
import pandas as pd

col_name1=['col1']
list1 = [1, 2, 3]
array1 = np.array(list1)
print('array1 shape:', array1.shape )

df_list1 = pd.DataFrame(list1, columns=col_name1)
print('1차원 리스트로 만든 DataFrame:\n', df_list1)

df_array1 = pd.DataFrame(array1, columns=col_name1)
print('1차원 ndarray로 만든 DataFrame:\n', df_array1)

array1 shape: (3,)
1차원 리스트로 만든 DataFrame:
    col1
0     1
1     2
2     3
1차원 ndarray로 만든 DataFrame:
    col1
0     1
1     2
2     3

 

 

2행 3열 형태의 2차원 데이터를 DataFrame 으로 변환해보자. 3열이므로 칼럼명은 3개가 필요하다.

# 3개의 컬럼명이 필요함. 
col_name2=['col1', 'col2', 'col3']

# 2행x3열 형태의 리스트와 ndarray 생성 한 뒤 이를 DataFrame으로 변환. 
list2 = [[1, 2, 3],
         [11, 12, 13]]
array2 = np.array(list2)
print('array2 shape:', array2.shape )
df_list2 = pd.DataFrame(list2, columns=col_name2)
print('2차원 리스트로 만든 DataFrame:\n', df_list2)
df_array1 = pd.DataFrame(array2, columns=col_name2)
print('2차원 ndarray로 만든 DataFrame:\n', df_array1)

array2 shape: (2, 3)
2차원 리스트로 만든 DataFrame:
    col1  col2  col3
0     1     2     3
1    11    12    13
2차원 ndarray로 만든 DataFrame:
    col1  col2  col3
0     1     2     3
1    11    12    13

 

 

딕셔너리를 DataFrame으로 변환해보자. 딕셔너리의 Key를 칼럼명으로, Value를 칼럼 데이터로 변환하는 게 일반적이다.

이때 Key는 문자열, Value는 리스트(또는 ndarray) 형태로 딕셔너리를 구성한다.

# Key는 컬럼명으로 매핑, Value는 리스트 형(또는 ndarray)
dict = {'col1':[1, 11], 'col2':[2, 22], 'col3':[3, 33]}
df_dict = pd.DataFrame(dict)
print('딕셔너리로 만든 DataFrame:\n', df_dict)

딕셔너리로 만든 DataFrame:
    col1  col2  col3
0     1     2     3
1    11    22    33

 

 

DataFrame을 넘파이 ndarray, 리스트, 딕셔너리로 변환하기

DataFrame 객체의 values 를 이용하면 쉽게 ndarray로 변환이 가능하다.

# DataFrame을 ndarray로 변환
array3 = df_dict.values
print('df_dict.values 타입:', type(array3), 'df_dict.values shape:', array3.shape)
print(array3)

df_dict.values 타입: <class 'numpy.ndarray'> df_dict.values shape: (2, 3)
[[ 1  2  3]
 [11 22 33]]

 

 

DataFrame을 리스트와 딕셔너리로 변환해보자.

리스트로 변환할때는 values 로 얻은 ndarray에 tolist() 를 호출하면 된다.

딕셔너리로 변환할때는 DataFrame 객체의 to_dict() 메서드를 호출하는데, 이때 인자로 'list'를 입력하면 딕셔너리의 값이 리스트형으로 반환된다.

# DataFrame을 리스트로 변환
list3 = df_dict.values.tolist()
print('df_dict.values.tolist() 타입:', type(list3))
print(list3)

# DataFrame을 딕셔너리로 변환
dict3 = df_dict.to_dict('list')
print('\n df_dict.to_dict() 타입:', type(dict3))
print(dict3)

df_dict.values.tolist() 타입: <class 'list'>
[[1, 2, 3], [11, 22, 33]]

 df_dict.to_dict() 타입: <class 'dict'>
{'col1': [1, 11], 'col2': [2, 22], 'col3': [3, 33]}

 

 

 

DataFrame의 칼럼 데이터 세트 생성과 수정

DataFrame [ ] 내에 새로운 칼럼명을 입력하고 값을 할당해주면 된다.

titanic_df를 다시 생성하고, 새로운 칼럼 Age_0을 추가하고 일괄적으로 0 값을 할당해보자.

titanic_df = pd.read_csv('titanic_train.csv')
titanic_df.head(3)

titanic_df['Age_0']=0
titanic_df.head(3)

 

 

이처럼 칼럼 series에 값을 할당하고 DataFrame에 추가하는 것은 판다스에서 매우 간단하다.

이번엔 기존 칼럼 Series의 데이터를 이용해 새로운 칼럼 Series를 만들어보자.

titanic_df['Age_by_10'] = titanic_df['Age']*10
titanic_df['Family_No'] = titanic_df['SibSp'] + titanic_df['Parch']+1
titanic_df.head(3)

DataFrame 의 기존 칼럼 값도 쉽게 업데이트할 수 있다

titanic_df['Age_by_10'] = titanic_df['Age_by_10'] + 100
titanic_df.head(3)

 

 

DataFrame 데이터 삭제

DataFrame 에서 데이터의 삭제는 drop() 메서드를 이용한다. drop() 메서드의 원형은 아래와 같다.

DaraFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

이중 가장 중요한 파라미터는 labels, axis, inplace 이다.

axis 파라미터는 ndarray 에서 그랬던 것처럼 로우 방향 축, 칼럼 방향 축을 결정해준다.

일반적으로 기존 칼럼 값을 가공해 새로운 칼럼을 만들고 삭제하는 경우가 많아 axis = 1 으로 많이 사용하고, 이상치 데이터를 삭제하는 경우에 axis = 0 을 쓰기도 한다.

titanic_drop_df = titanic_df.drop('Age_0', axis=1 )
titanic_drop_df.head(3)

titanic_df.head(3)

원본에서는 Age_0 칼럼이 삭제되지 않은 것을 볼 수 있다. inplace = True로 설정하면 원본 DataFrame의 데이터가 삭제된다.

여러 개의 칼럼을 삭제하고 싶으면 list 형태로 삭제하고자 하는 칼럼을 입력하면 된다 (labels 파라미터로 입력된다).

drop_result = titanic_df.drop(['Age_0', 'Age_by_10', 'Family_No'], axis=1, inplace=True)
print(' inplace=True 로 drop 후 반환된 값:',drop_result)
titanic_df.head(3)

 inplace=True 로 drop 후 반환된 값: None

결과를 보면 알 수 있듯이, inplace=True로 설정하면 반환 값이 None 이 되므로 주의해야 한다.

예컨대, titanic_df=titanic_df.drop(['Age_0', 'Age_by_10', 'Family_No'], axis=1, inplace=True) 와 같은 식으로 코드를 작성하면, 원본 자체가 None이 되어버린다.

 

이에 정리하자면, drop() 메서드를 사용하는 방법은 아래와 같다

• axis : DataFrame의 row를 삭제할 때는 axis = 0, column을 삭제할 때는 axis = 1
• 원본 DataFrame을 유지하고 드롭된 DataFrame을 반환 받으려면 inplace=False로 설정 (디폴트)
• 원본 DataFrame을 드롭된 DataFrame으로 바꾸려면 inplace=True로 설정하거나, False로 반환된 값을 원본에 대입하면 된다.

 

 

Index 객체

Index 객체는 RDBMS의 PK와 유사하게 DataFrame, Series를 고유하게 식별하는 객체이다.

Index 객체만 추출하려면 .index 속성을 통해 가능하다.

# 원본 파일 재 로딩 
titanic_df = pd.read_csv('titanic_train.csv')
# Index 객체 추출
indexes = titanic_df.index
print(indexes)
# Index 객체를 실제 값 arrray로 변환 
print('Index 객체 array값:\n',indexes.values)

RangeIndex(start=0, stop=891, step=1)
Index 객체 array값:
 [  0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17
  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35
  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53
  54  55  56  57  58  59  60  61  62  63  64  65  66  67  68  69  70  71
  72  73  74  75  76  77  78  79  80  81  82  83  84  85  86  87  88  89
  90  91  92  93  94  95  96  97  98  99 100 101 102 103 104 105 106 107
 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215
 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233
 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251
 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269
 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287
 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305
 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323
 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341
 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359
 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377
 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395
 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413
 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431
 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449
 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467
 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485
 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503
 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521
 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539
 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557
 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575
 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593
 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611
 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629
 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647
 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665
 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683
 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701
 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719
 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737
 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755
 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773
 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791
 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809
 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827
 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845
 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863
 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881
 882 883 884 885 886 887 888 889 890]

 

 

Index 객체는 데이터를 1차원 array로 가지고 있다. ndarray 처럼 단일 값 반환 및 슬라이싱도 가능하다.

print(type(indexes.values))
print(indexes.values.shape)
print(indexes[:5].values)
print(indexes.values[:5])
print(indexes[6])

<class 'numpy.ndarray'>
(891,)
[0 1 2 3 4]
[0 1 2 3 4]
6

그러나 Index 객체의 값은 변경할 수 없다.

indexes[0] = 5

--------------------------------------------------------------------------

TypeError: Index does not support mutable operations

 

 

 

Series 객체는 Index 객체를 포함하지만, 연산에서 Index 객체는 제외된다. Index는 오직 식별용이다.

series_fair = titanic_df['Fare']
series_fair.head(5)

0     7.2500
1    71.2833
2     7.9250
3    53.1000
4     8.0500
Name: Fare, dtype: float64

 

 

print('Fair Series max 값:', series_fair.max())
print('Fair Series sum 값:', series_fair.sum())
print('sum() Fair Series:', sum(series_fair))
print('Fair Series + 3:\n',(series_fair + 3).head(3) )

Fair Series max 값: 512.3292
Fair Series sum 값: 28693.9493
sum() Fair Series: 28693.949299999967
Fair Series + 3:
 0    10.2500
1    74.2833
2    10.9250
Name: Fare, dtype: float64

 

 

DataFrame 및 Series에 reset_index() 메서드를 수행하면 새롭게 인덱스를 연속 숫자형으로 할당하고 기존 인덱스는 'index'라는 새로운 칼럼명으로 추가한다.

titanic_reset_df = titanic_df.reset_index(inplace=False)
titanic_reset_df.head(3)

 

 

이처럼 연속 숫자형 데이터를 고유 식별자로 사용하고 싶을 때 reset_index() 메서드를 사용하면 좋다.

이때, Series에 reset_index() 를 사용하면 기존 인덱스가 칼럼으로 추가되므로, 칼럼이 2개가 되어 DataFrame이 반환된다.

reset_index() 의 파라미터 중 drop=True 로 설정하면 기존 인덱스는 drop(삭제) 된다. 따라서 이 경우에는 Series로 유지된다.

print('### before reset_index ###')
value_counts = titanic_df['Pclass'].value_counts()
print(value_counts)
print('value_counts 객체 변수 타입:',type(value_counts))

new_value_counts = value_counts.reset_index(inplace=False)
print('### After reset_index ###')
print(new_value_counts)
print('new_value_counts 객체 변수 타입:',type(new_value_counts))

### before reset_index ###
3    491
1    216
2    184
Name: Pclass, dtype: int64
value_counts 객체 변수 타입: <class 'pandas.core.series.Series'>
### After reset_index ###
   index  Pclass
0      3     491
1      1     216
2      2     184
new_value_counts 객체 변수 타입: <class 'pandas.core.frame.DataFrame'>