[Pandas] DataFrame ④ 인덱스 변경

📌 DataFrame 인덱스 변경

---

📌 행 인덱스 변경

• 기본인덱스 : 행인덱스를 명시적으로 지정하지 않는 경우 0부터 1씩 증가하는 정수 인덱스로 설정
• set_index(keys, drop=True, append=False, inplace=False, ...,)
  • 기존의 행인덱스를 제거하고 지정한 열로 인덱스 변경
• reset_index(level=None, drop=False, inplace=False, ...)
  • 기존의 행인덱스를 제거하고 기본인덱스로 변경

---

예시 데이터

# 행인덱스를 명시적으로 지정하지 않은 데이터프레임 생성
df = pd.DataFrame({'a': [1, 3, 2, 4, 5],
                   'b': [20, 30, 40, 20, 10],
                   'c': [1, 5, 7, 3, 2]})
df

- 출력

---

1️⃣ set_index

• df.set_index(열이름) : 지정한 열을 인덱스로 설정한다.

# 'a' 열을 인덱스로 설정
df2 = df.set_index('a')
df2

- 출력

---

• 이때, 원본은 변경되지 않으며 원본을 변경하려면 inplace=True 옵션을 지정하면 된다.

# 'a' 열을 인덱스로 설정하며 원본에 적용
df.set_index('a', inplace=True)
df

- 출력

---

2️⃣ reset_index

• df.reset_index() : 기본 인덱스로 초기화한다. (정수 인덱스)
• 이때, 원본은 변경되지 않으며 원본을 변경하려면 inplace=True 옵션을 지정하면 된다.

df.reset_index()

- 출력

---

• drop=True 옵션을 사용하면 기존에 사용하던 index 열은 삭제된다.

df3 = df.reset_index(drop=True)
df3

df(원본데이터)	df3(drop=True)

---

📌 새 인덱스 지정 (reindex)

• 새로운 색인(index)에 적합하도록 객체를 새로 생성
• 시계열 같은 순차적인 데이터를 재색인할 경우

Series.reindex(index=None, *, axis=None, method=None, copy=None,
               level=None, fill_value=None, limit=None, tolerance=None)
               
DataFrame.reindex(labels=None, *, index=None, columns=None, axis=None,
                  method=None, copy=None, level=None,
                  fill_value=nan, limit=None, tolerance=None)

• labels : 색인으로 사용할 새로운 순서. Index 인스턴스나 다른 순차적인 파이썬 자료구조 사용 가능하며 index 는 복사가 이루어지지 않고 그대로 사용
• index : array-like, 전달된 시퀀스를 새로운 행(index) 레이블로 지정
• columns : 전달된 시퀀스를 새로운 열 레이블로 지정
• axis : int or str, 색인으로 사용할 축(행 또는 열)을 지정. 기본값은 행(index). reindex(index=new_labels) 또는 reindex(columns=new_labels) 와 같이 사용
• method : 채움 메서드. {None, ‘backfill’/’bfill’, ‘pad’/’ffill’, ‘nearest’}
• fill_value : scalar, default np.nan. 재색인 과정 중에 새롭게 나타나는 비어 있는 데이터를 채우기 위한 값. 빈 곳의 결과에 null 을 채워 넣으려면 fiil_value='missing' 을 이용
• limit : 전/후 보간(backward fill 또는 forward fill)을 위한 최대 갭 크기(채워 넣을 원소의 수)
• tolerance : 전/후 보간 시에 사용할 최대 갭 크기(값의 차이)
• level : Multiindex의 단계(level)에 단순 색인을 맞춘다. 그렇지 않으면 Mulitindex의 하위집합에 맞춘다.
• copy : True 인 경우 새로운 색인이 이전 색인과 동일하더라도 기본 데이터를 복사하고, False 인 경우 새로운 색인이 이전 색인과 동일하면 복사하지 않는다.

---

1️⃣ Series Reindex

예시 시리즈

s = pd.Series([4.5, 7.2, -5.3, 3.6], index=list('dabc'))
s

- 출력

d    4.5
a    7.2
b   -5.3
c    3.6
dtype: float64

---

• 새로 지정한 인덱스에 해당하는 데이터가 없는 경우 NaN 출력한다.

s.reindex('a b c d e'.split())

- 출력

a    7.2
b   -5.3
c    3.6
d    4.5
e    NaN
dtype: float64

---

순차적인 데이터 재색인할 때 값을 보완하거나 채워야하는 경우

• method='ffill' | 'bfill' | 'nearest'

예시 시리즈

s2 = pd.Series(['blue', 'purple', 'yellow'], index=[0, 2, 4])
s2

- 출력

0      blue
2    purple
4    yellow
dtype: str

---

• s2 인덱스 설정

s2.reindex(np.arange(6))

- 출력

0      blue
1       NaN
2    purple
3       NaN
4    yellow
5       NaN
dtype: str

• s2 결측치 대체

s2.reindex(np.arange(6), method='ffill')

- 출력

0      blue
1      blue
2    purple
3    purple
4    yellow
5    yellow
dtype: str

---

2️⃣ DataFrame Reindex

예시 데이터프레임

df = pd.DataFrame(np.arange(9).reshape(3, 3),
                  index='a c d'.split(),
                  columns='A B C'.split())
df

- 출력

---

행 인덱스 재색인

• 새로 지정한 인덱스에 해당하는 데이터가 없는 경우 NaN 출력한다.

# 1번째 방법
df.reindex(index='a b c d'.split())
# 2번째 방법
df.reindex(['a', 'b', 'c', 'd'], axis='index')

- 출력

---

열 인덱스 재색인

• 새로 지정한 인덱스에 해당하는 데이터가 없는 경우 NaN 출력하고, 원본 데이터의 인덱스를 새로 지정한 인덱스에 포함시키지 않으면 해당 인덱스는 삭제된다.

# 1번째 방법
df.reindex(columns=['B', 'D', 'C'])
# 2번째 방법
df.reindex(['B', 'D', 'C'], axis='columns')

- 출력

---

날짜 인덱스 재색인

예시 데이터

date_index = pd.date_range('1/1/2010', periods=6, freq='D')
df2 = pd.DataFrame({"prices": [100, 101, np.nan, 100, 89, 88]},
                   index=date_index)
df2

- 출력

새 날짜 인덱스 지정

date_index2 = pd.date_range('12/29/2009', periods=10, freq='D')
df2.reindex(date_index2)

- 출력

---

📌 인덱스 이름 변경

• 행인덱스(index) 또는 열인덱스(columns)의 값 변경
• rename(index= { }, columns={ }, ..., inplace=False,...) 함수
  • 딕셔너리 형식으로 지정
  • 행인덱스(index) 이름 변경 : rename(index={행이름1:변경값1, 행이름1:변경값1, ...})
  • 열인덱스(columns) 이름 변경 : rename(columns={열이름1:변경값1 , 열이름2:변경값2 , ... })

---

1️⃣ 열 인덱스 이름 변경

예시 데이터

index = ['Firefox', 'Chrome', 'Safari', 'IE10', 'Konqueror']
df = pd.DataFrame({'http_status': [200, 200, 404, 404, 301],
                  'response_time': [0.04, 0.02, 0.07, 0.08, 1.0]},
                  index=index)
df.reset_index(inplace=True)                  
df

- 출력

• index 컬럼에 해당하는 이름을 browser 로 변경한다.

df.rename(columns={'index': 'browser'}, inplace=True)
df

- 출력

---

2️⃣ 행 인덱스 이름 변경

• 행 인덱스 또한 열 인덱스처럼 딕셔너리 형태로 입력하되 파라미터만 index= 을 사용하면 된다.

df.rename(index={0: 'I', 1: 'J', 2: 'K', 3: 'L', 4: 'M'}, inplace=True)
df

- 출력

---

3️⃣ 인덱스 이름 데이터 형태 변경

행 인덱스 이름 변경 전으로 복구

df.index = range(5)
df

- 출력

• 다음과 같이 데이터 타입을 주면 index 의 dtype 이 변경된다.

df.rename(index=str).index

- 출력

Index(['0', '1', '2', '3', '4'], dtype='str')