Pandas 기본
# pandas 라이브러리를 pd라는 이름으로 불러오기
import pandas as pd
# pandas 버전 확인
print(pd.__version__)출력 예시:
2.2.31. Series 만들기
pd.Series()는 1차원 데이터를 만드는 함수이다. 값과 인덱스를 함께 저장할 수 있다.
기본 형식:
pd.Series(data, index=None)매개변수:
data: Series에 들어갈 실제 데이터index: 각 데이터에 붙일 이름표
import pandas as pd
# 인덱스로 사용할 이름 목록
idx = ['김사과', '반하나', '오렌지', '이메론', '배애리']
# 실제 점수 데이터
data = [67, 75, 90, 62, 98]
# 값과 인덱스를 사용해 Series 생성
ser1 = pd.Series(data, index=idx)
print(ser1)
print(ser1.index)
print(ser1.values)
print(type(ser1.values))출력 예시:
김사과 67
반하나 75
오렌지 90
이메론 62
배애리 98
dtype: int64
Index(['김사과', '반하나', '오렌지', '이메론', '배애리'], dtype='object')
[67 75 90 62 98]
<class 'numpy.ndarray'>Series는 1차원 데이터이다.- 값과 인덱스가 함께 있다.
values는 NumPy 배열 형태로 나온다.
2. DataFrame 만들기
pd.DataFrame()은 행과 열이 있는 2차원 표 데이터를 만드는 함수이다.
기본 형식:
pd.DataFrame(data=None, index=None, columns=None)매개변수:
data: 표에 들어갈 실제 데이터index: 행 이름columns: 열 이름
import pandas as pd
# 2차원 점수 데이터
data = [
[67, 93, 91],
[75, 68, 96],
[87, 81, 82],
[62, 70, 75],
[98, 56, 87]
]
# 행 이름
idx = ['김사과', '반하나', '오렌지', '이메론', '배애리']
# 열 이름
col = ['국어', '영어', '수학']
# DataFrame 생성
df = pd.DataFrame(data=data, index=idx, columns=col)
print(df)
print(df.index)
print(df.columns)
print(df.values)출력 예시:
국어 영어 수학
김사과 67 93 91
반하나 75 68 96
오렌지 87 81 82
이메론 62 70 75
배애리 98 56 87
Index(['김사과', '반하나', '오렌지', '이메론', '배애리'], dtype='object')
Index(['국어', '영어', '수학'], dtype='object')
[[67 93 91]
[75 68 96]
[87 81 82]
[62 70 75]
[98 56 87]]3. 딕셔너리로 DataFrame 만들기
딕셔너리를 pd.DataFrame()에 넣으면 딕셔너리의 key가 컬럼명이 되고, value가 컬럼 데이터가 된다.
기본 형식:
pd.DataFrame(data=딕셔너리, index=행이름)매개변수:
data: 컬럼명과 데이터를 가진 딕셔너리index: 행 이름
import pandas as pd
idx = ['김사과', '반하나', '오렌지', '이메론', '배애리']
# 딕셔너리의 key가 컬럼명이 된다.
dic = {
'국어': [67, 75, 76, 62, 98],
'영어': [93, 68, 81, 70, 56],
'수학': [91, 96, 82, 75, 87]
}
df = pd.DataFrame(data=dic, index=idx)
print(df)출력 예시:
국어 영어 수학
김사과 67 93 91
반하나 75 68 96
오렌지 76 81 82
이메론 62 70 75
배애리 98 56 874. CSV 파일 읽기
pd.read_csv()는 CSV 파일을 읽어서 DataFrame으로 만드는 함수이다.
기본 형식:
pd.read_csv(filepath_or_buffer, encoding=None)매개변수:
filepath_or_buffer: 읽어올 CSV 파일 경로encoding: 파일 문자 인코딩 방식
import pandas as pd
# CSV 파일을 읽어서 DataFrame으로 만들기
df = pd.read_csv('./광고모델_브랜드평판.csv')
# 데이터 타입 확인
print(type(df))
# 데이터 기본 정보 확인
df.info()
# 컬럼명 확인
print(df.columns)출력 예시:
<class 'pandas.core.frame.DataFrame'>
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 20 entries, 0 to 19
Data columns (total 7 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 이름 20 non-null object
1 소속사 20 non-null object
2 성별 20 non-null object
...
Index(['이름', '소속사', '성별', '생년월일', '키', '혈액형', '브랜드평판지수'], dtype='object')- 실제 출력은 CSV 파일의 컬럼명과 데이터 개수에 따라 달라진다.
5. 컬럼명 변경
# 새 컬럼명 목록
new_columns = ['name', 'company', 'gender', 'birthday', 'height', 'blood', 'brand']
# 기존 컬럼명을 새 컬럼명으로 변경
df.columns = new_columns
print(df.head())출력 예시:
name company gender birthday height blood brand
0 김사과 애플 여자 2000-01-01 160cm A 1,234,567
1 반하나 바나나 여자 1999-03-12 165cm B 2,345,678
...- 기존 컬럼 개수와 새 컬럼명 개수가 반드시 같아야 한다.
6. head(), tail()
head()는 위쪽 데이터를 확인하고, tail()은 아래쪽 데이터를 확인하는 메서드이다.
기본 형식:
df.head(n=5)
df.tail(n=5)매개변수:
n: 출력할 행 개수
# 위에서 5개 행 출력
print(df.head())
# 위에서 3개 행 출력
print(df.head(3))
# 아래에서 5개 행 출력
print(df.tail())
# 아래에서 2개 행 출력
print(df.tail(2))출력 예시:
head(3)
name company gender birthday height blood brand
0 김사과 애플 여자 2000-01-01 160cm A 1,234,567
1 반하나 바나나 여자 1999-03-12 165cm B 2,345,678
2 오렌지 오렌지 남자 1998-07-20 180cm O 3,456,7897. describe()
describe()는 데이터의 통계 요약 정보를 확인하는 메서드이다.
기본 형식:
df.describe(include=None)매개변수:
include: 요약할 데이터 타입 지정
# 숫자형 컬럼의 통계 정보 확인
print(df.describe())
# 문자열 컬럼의 통계 정보 확인
print(df.describe(include=str))출력 예시:
height brand
count 20.000000 2.000000e+01
mean 174.250000 3.512300e+06
std 8.100000 1.250000e+06
min 160.000000 1.234567e+06
...height,brand가 문자열이면 숫자 통계가 제대로 나오지 않는다.
8. 문자열 숫자 변환
# height 컬럼에서 cm 제거 후 float으로 변환
df['height'] = df['height'].str.replace('cm', '').astype(float)
# brand 컬럼에서 쉼표 제거 후 int로 변환
df['brand'] = df['brand'].str.replace(',', '').astype(int)
df.info()
print(df.head())출력 예시:
# Column Dtype
--- ------ -----
0 name object
1 company object
2 gender object
3 birthday object
4 height float64
5 blood object
6 brand int64 - 숫자처럼 보여도 문자열이면 계산과 정렬이 이상해질 수 있다.
astype()으로 실제 숫자 타입으로 바꿔야 한다.
9. 정렬하기
sort_index()는 인덱스를 기준으로 정렬하고, sort_values()는 특정 컬럼 값을 기준으로 정렬하는 메서드이다.
기본 형식:
df.sort_index(ascending=True)
df.sort_values(by, ascending=True)매개변수:
by: 정렬 기준 컬럼명ascending: 오름차순 여부
# 인덱스 기준 오름차순 정렬
print(df.sort_index())
# 인덱스 기준 내림차순 정렬
print(df.sort_index(ascending=False))
# 키 기준 오름차순 정렬
print(df.sort_values(by='height').head())
# 키 기준 내림차순 정렬
print(df.sort_values(by='height', ascending=False).head())출력 예시:
height 오름차순
name height
0 김사과 160.0
5 이메론 162.0
1 반하나 165.0
...
height 내림차순
name height
10 배애리 185.0
2 오렌지 180.0
...10. 여러 기준 정렬
sort_values()는 여러 컬럼을 기준으로 정렬할 수도 있다.
기본 형식:
df.sort_values(by=[컬럼1, 컬럼2], ascending=[True, False], na_position='last')매개변수:
by: 정렬 기준 컬럼 목록ascending: 각 컬럼의 오름차순 여부na_position: 결측값을 앞에 둘지 뒤에 둘지 지정
# 1차 기준: height 내림차순
# 2차 기준: brand 내림차순
result = df.sort_values(
by=['height', 'brand'],
ascending=[False, False],
na_position='first'
)
print(result.head())출력 예시:
name height brand
10 배애리 185.0 8000000
2 오렌지 180.0 5000000
7 이메론 180.0 3000000
...11. 컬럼 선택
# blood 컬럼 선택
print(df['blood'])
# 컬럼명이 간단한 영문이면 점 표기법도 가능
print(df.blood)출력 예시:
0 A
1 B
2 O
3 AB
Name: blood, dtype: objectdf.blood보다df['blood']가 더 안전하다.- 컬럼명에 공백, 한글, 특수문자가 있으면 점 표기법이 안 된다.
12. loc 인덱싱
loc[]는 행 이름과 컬럼명을 기준으로 데이터를 선택하는 인덱서이다.
기본 형식:
df.loc[행조건, 열조건]매개변수처럼 들어가는 값:
행조건: 선택할 행 이름, 범위, 조건열조건: 선택할 컬럼명
# 모든 행의 name 컬럼 선택
print(df.loc[:, 'name'])
# 2번부터 5번 인덱스까지 name 컬럼 선택
print(df.loc[2:5, 'name'])
# 2번부터 5번까지 name, gender, height 컬럼 선택
print(df.loc[2:5, ['name', 'gender', 'height']])
# 2번과 5번 행만 선택
print(df.loc[[2, 5], ['name', 'gender', 'height']])출력 예시:
name gender height
2 오렌지 남자 180.0
3 이메론 남자 172.0
4 배애리 여자 168.0
5 김사과 여자 160.0loc는 이름, 라벨 기준이다.loc[2:5]는 5를 포함한다.
13. iloc 인덱싱
iloc[]는 숫자 위치를 기준으로 데이터를 선택하는 인덱서이다.
기본 형식:
df.iloc[행위치, 열위치]매개변수처럼 들어가는 값:
행위치: 선택할 행의 숫자 위치열위치: 선택할 열의 숫자 위치
# 모든 행의 0번째 컬럼 선택
print(df.iloc[:, 0])
# 모든 행의 0, 1, 2번째 컬럼 선택
print(df.iloc[:, 0:3])
# 모든 행의 0번째, 3번째 컬럼 선택
print(df.iloc[:, [0, 3]])
# 1~4번째 행, 0~1번째 컬럼 선택
print(df.iloc[1:5, 0:2])출력 예시:
name company
1 반하나 바나나
2 오렌지 오렌지
3 이메론 멜론
4 배애리 배iloc는 숫자 위치 기준이다.iloc[1:5]는 5를 포함하지 않는다.
14. 조건 필터링
# height가 180 이상인지 True/False로 확인
print(df['height'] >= 180)
# height가 180 이상인 행만 선택
print(df[df['height'] >= 180])
# height가 180 이상인 사람의 name만 선택
print(df[df['height'] >= 180]['name'])
# 조건에 맞는 행에서 원하는 컬럼만 선택
print(df.loc[df['height'] >= 180, ['name', 'gender', 'height']])출력 예시:
name gender height
2 오렌지 남자 180.0
10 배애리 여자 185.015. isin()
isin()은 컬럼 값이 특정 목록 안에 포함되어 있는지 검사하는 메서드이다.
기본 형식:
df['컬럼명'].isin(values)매개변수:
values: 비교할 값 목록
# 찾고 싶은 혈액형 목록
blood = ['A', 'B']
# blood 컬럼 값이 A 또는 B인지 확인
print(df['blood'].isin(blood))
# 혈액형이 A 또는 B인 행만 선택
print(df[df['blood'].isin(blood)])출력 예시:
name blood
0 김사과 A
1 반하나 B
5 이메론 A
...16. 결측값 확인
# 결측값이면 True
print(df.isna())
# 결측값이면 True
print(df.isnull())
# 결측값이 아니면 True
print(df.notna())
# height 컬럼의 결측값 확인
print(df['height'].isna())출력 예시:
0 False
1 False
2 False
8 True
19 True
Name: height, dtype: bool17. 결측값 넣기
import numpy as np
# 8번, 19번 행의 height 값을 NaN으로 변경
df.loc[[8, 19], 'height'] = np.nan
# height가 결측값인 행만 출력
print(df[df['height'].isna()])출력 예시:
name company gender birthday height blood brand
8 홍길동 ... 남자 1997-01-01 NaN A 1234567
19 김철수 ... 남자 1995-05-05 NaN O 234567818. 결측값이 아닌 데이터 선택
# height가 비어 있지 않은 행만 선택
print(df[df['height'].notnull()])
# 위 코드와 같은 의미
print(df[~df['height'].isnull()])
# height가 있는 사람의 일부 컬럼만 선택
print(df.loc[df['height'].notnull(), ['name', 'company', 'gender']])출력 예시:
name company gender
0 김사과 애플 여자
1 반하나 바나나 여자
...19. fillna()
fillna()는 결측값을 특정 값으로 채우는 메서드이다.
기본 형식:
df['컬럼명'].fillna(value)매개변수:
value: 결측값 대신 넣을 값
# 원본 보호를 위해 복사본 생성
df_copy = df.copy()
# height 결측값을 0으로 채운 결과
print(df_copy['height'].fillna(0))
# 실제 컬럼에 반영하려면 다시 저장해야 함
df_copy['height'] = df_copy['height'].fillna(0)
print(df_copy['height'])출력 예시:
0 160.0
1 165.0
8 0.0
19 0.0
Name: height, dtype: float6420. 평균과 중앙값으로 결측값 채우기
df_copy = df.copy()
# height 평균 계산
height_mean = df_copy['height'].mean()
# 결측값을 평균으로 채우기
df_copy['height'] = df_copy['height'].fillna(height_mean)
print(height_mean)
print(df_copy['height'])출력 예시:
174.25
0 160.00
1 165.00
8 174.25
19 174.25
Name: height, dtype: float64
df_copy = df.copy()
# height 중앙값 계산
height_median = df_copy['height'].median()
# 결측값을 중앙값으로 채우기
df_copy['height'] = df_copy['height'].fillna(height_median)
print(height_median)출력 예시:
173.521. dropna()
dropna()는 결측값이 있는 행이나 열을 제거하는 메서드이다.
기본 형식:
df.dropna(axis=0)매개변수:
axis=0: 결측값이 있는 행 제거axis=1: 결측값이 있는 열 제거
df_copy = df.copy()
# 결측값이 하나라도 있는 행 제거
print(df_copy.dropna())
# 결측값이 하나라도 있는 열 제거
print(df_copy.dropna(axis=1))출력 예시:
dropna()
결측값이 있는 8번, 19번 행이 제거된 DataFrame
dropna(axis=1)
height 컬럼에 결측값이 있으면 height 열 전체가 제거됨22. 행 추가
df_copy = df.copy()
# 추가할 한 사람의 데이터
dic = {
'name': '김사과',
'company': '애플',
'gender': '여자',
'birthday': '2000-01-01',
'height': 160.0,
'blood': 'A',
'brand': 1234567
}
# 마지막 행 다음 위치에 새 행 추가
df_copy.loc[len(df_copy)] = dic
print(df_copy.tail())출력 예시:
name company gender birthday height blood brand
20 김사과 애플 여자 2000-01-01 160.0 A 123456723. 열 추가와 값 변경
df_copy = df.copy()
# 모든 행에 nation 컬럼 추가
df_copy['nation'] = '대한민국'
# name이 김사과인 행의 nation만 미국으로 변경
df_copy.loc[df_copy['name'] == '김사과', 'nation'] = '미국'
print(df_copy.tail())출력 예시:
name company gender height nation
18 ... ... ... 175.0 대한민국
19 ... ... ... NaN 대한민국
20 김사과 애플 여자 160.0 미국24. 행과 열 삭제
drop()은 특정 행이나 열을 삭제하는 메서드이다.
기본 형식:
df.drop(labels, axis=0)매개변수:
labels: 삭제할 행 인덱스 또는 컬럼명axis=0: 행 삭제axis=1: 열 삭제
# 20번 행 삭제
print(df_copy.drop(20, axis=0))
# 여러 행 삭제
print(df_copy.drop([1, 3, 5, 7, 20], axis=0))
# nation 컬럼 삭제
print(df_copy.drop('nation', axis=1))
# 여러 컬럼 삭제
print(df_copy.drop(['nation', 'company'], axis=1))출력 예시:
drop(20, axis=0)
20번 행이 빠진 DataFrame
drop('nation', axis=1)
nation 컬럼이 빠진 DataFramedrop()은 기본적으로 원본을 바꾸지 않는다.- 결과를 유지하려면 다시 저장해야 한다.
df_copy = df_copy.drop('nation', axis=1)25. 통계 함수
print(df_copy['height'].sum()) # 합계
print(df_copy['height'].count()) # 개수, NaN 제외
print(df_copy['height'].mean()) # 평균
print(df_copy['height'].median()) # 중앙값
print(df_copy['height'].max()) # 최대값
print(df_copy['height'].min()) # 최소값
print(df_copy['height'].var()) # 분산
print(df_copy['height'].std()) # 표준편차출력 예시:
3485.0
20
174.25
173.5
185.0
160.0
65.23
8.0726. groupby()
groupby()는 특정 컬럼 값을 기준으로 데이터를 그룹으로 묶는 메서드이다.
기본 형식:
df.groupby(by)매개변수:
by: 그룹으로 묶을 기준 컬럼명
# 혈액형별 데이터 개수
print(df_copy.groupby('blood').count())
# 혈액형별 숫자 컬럼 평균
print(df_copy.groupby('blood').mean(numeric_only=True))
# 혈액형별 숫자 컬럼 합계
print(df_copy.groupby('blood').sum(numeric_only=True))출력 예시:
height brand
blood
A 170.2 3000000.0
B 175.5 4200000.0
O 178.0 3900000.0
AB 169.0 2500000.027. 여러 기준 groupby()
# 혈액형과 성별별 평균
print(df_copy.groupby(['blood', 'gender']).mean(numeric_only=True))
# 혈액형과 성별별 height 평균만 출력
print(df_copy.groupby(['blood', 'gender'])['height'].mean())출력 예시:
blood gender
A 남자 178.0
여자 165.5
B 남자 180.0
여자 168.0
Name: height, dtype: float6428. drop_duplicates(), value_counts()
drop_duplicates()는 중복 값을 제거하고, value_counts()는 값별 개수를 세는 메서드이다.
기본 형식:
df['컬럼명'].drop_duplicates()
df['컬럼명'].value_counts(dropna=True)매개변수:
dropna: 결측값을 개수에 포함할지 여부
# blood 컬럼의 중복 제거
print(df_copy['blood'].drop_duplicates())
# blood 값별 개수
print(df_copy['blood'].value_counts())출력 예시:
A 6
B 5
O 5
AB 4
Name: blood, dtype: int6429. concat()
pd.concat()은 여러 DataFrame을 위아래 또는 좌우로 이어 붙이는 함수이다.
기본 형식:
pd.concat(objs, axis=0)매개변수:
objs: 이어 붙일 DataFrame 목록axis=0: 아래 방향으로 붙이기axis=1: 오른쪽 방향으로 붙이기
# df1과 df1_copy를 아래로 이어 붙이기
df1_concat = pd.concat([df1, df1_copy])
# 인덱스를 0부터 다시 설정
df1_concat = df1_concat.reset_index(drop=True)
print(df1_concat.head())
print(df1_concat.tail())출력 예시:
원래 20행짜리 df 두 개를 붙이면 40행이 됨
인덱스는 0부터 39까지 다시 설정됨
# df1_copy와 df2_copy를 옆으로 붙이기
print(pd.concat([df1_copy, df2_copy], axis=1))출력 예시:
df1_copy의 컬럼들 + df2_copy의 컬럼들이 옆으로 붙음
인덱스가 맞지 않는 행은 NaN 발생 가능30. merge()
pd.merge()는 공통 컬럼을 기준으로 DataFrame을 병합하는 함수이다.
기본 형식:
pd.merge(left, right, on=None, how='inner')매개변수:
left: 왼쪽 DataFrameright: 오른쪽 DataFrameon: 병합 기준 컬럼명how: 병합 방식
# 이름 컬럼을 기준으로 왼쪽 DataFrame 기준 병합
print(pd.merge(df1_copy, df2_copy, on='이름', how='left'))
# 이름 컬럼을 기준으로 오른쪽 DataFrame 기준 병합
print(pd.merge(df1_copy, df2_copy, on='이름', how='right'))
# 양쪽에 공통으로 있는 이름만 병합
print(pd.merge(df1_copy, df2_copy, on='이름', how='inner'))출력 예시:
left : df1_copy의 이름은 모두 유지, df2_copy에 없으면 NaN
right : df2_copy의 이름은 모두 유지, df1_copy에 없으면 NaN
inner : 양쪽에 모두 있는 이름만 남음컬럼명이 다를 때:
# 왼쪽은 이름, 오른쪽은 성함 컬럼을 기준으로 병합
print(pd.merge(df1_copy, df2_copy, left_on='이름', right_on='성함', how='inner'))출력 예시:
이름과 성함 값이 같은 행끼리 병합된 DataFrame31. 날짜 타입 변환
pd.to_datetime()은 문자열을 날짜 타입으로 변환하는 함수이다.
기본 형식:
pd.to_datetime(arg)매개변수:
arg: 날짜로 변환할 값 또는 컬럼
# 문자열 생년월일을 datetime 타입으로 변환
df1_copy['생년월일'] = pd.to_datetime(df1_copy['생년월일'])
print(df1_copy['생년월일'].dtypes)
print(df1_copy['생년월일'].dt.year)
print(df1_copy['생년월일'].dt.month)
print(df1_copy['생년월일'].dt.day)
print(df1_copy['생년월일'].dt.dayofweek)출력 예시:
datetime64[ns]
0 2000
1 1999
2 1998
Name: 생년월일, dtype: int32
0 1
1 3
2 7
Name: 생년월일, dtype: int32요일:
0 = 월요일
1 = 화요일
2 = 수요일
3 = 목요일
4 = 금요일
5 = 토요일
6 = 일요일32. select_dtypes()
select_dtypes()는 특정 데이터 타입의 컬럼만 선택하는 메서드이다.
기본 형식:
df.select_dtypes(include=None, exclude=None)매개변수:
include: 포함할 데이터 타입exclude: 제외할 데이터 타입
# 문자열 컬럼만 선택
print(df1_copy.select_dtypes(include='str'))
# 문자열 컬럼을 제외하고 선택
print(df1_copy.select_dtypes(exclude='str'))
# 문자열 컬럼 이름만 저장
str_cols = df1_copy.select_dtypes(include='str').columns
print(str_cols)
print(df1_copy[str_cols])출력 예시:
Index(['이름', '소속사', '성별', '혈액형'], dtype='object')33. apply()
apply()는 Series 또는 DataFrame의 각 값에 함수를 적용하는 메서드이다.
기본 형식:
df['컬럼명'].apply(func)매개변수:
func: 각 값에 적용할 함수
# 성별 문자열을 숫자로 바꾸는 함수
def male_or_female(x):
if x == '남':
return 1
elif x == '여':
return 0
else:
return None
# 성별 컬럼의 각 값에 함수 적용
print(df1_copy['성별'].apply(male_or_female))
# 람다 함수로 같은 작업 수행
df1_copy['성별2'] = df1_copy['성별'].apply(lambda x: 1 if x == '남' else 0)
print(df1_copy.head())출력 예시:
0 1
1 0
2 1
3 0
Name: 성별, dtype: int64
이름 성별 성별2
0 김사과 남 1
1 반하나 여 034. map()
map()은 Series의 값을 다른 값으로 치환하는 메서드이다.
기본 형식:
df['컬럼명'].map(arg)매개변수:
arg: 변환 규칙을 가진 딕셔너리 또는 함수
# 바꿀 규칙을 딕셔너리로 작성
map_gender = {'남': 1, '여': 0}
# 성별 값을 딕셔너리 규칙에 따라 변환
df1_copy['성별3'] = df1_copy['성별'].map(map_gender)
print(df1_copy[['성별', '성별3']].head())출력 예시:
성별 성별3
0 남 1
1 여 0
2 남 1
3 여 0차이:
apply()는 함수를 적용할 때 좋다.map()은 값 치환 규칙이 명확할 때 좋다.
35. DataFrame 산술 연산
df1 = pd.DataFrame({
'파이썬': [60, 70, 80, 90, 95],
'데이터분석': [40, 60, 70, 55, 87],
'머신러닝딥러닝': [35, 40, 30, 70, 55]
})
# 세 과목 점수를 더해 총점 컬럼 생성
df1['총점'] = df1['파이썬'] + df1['데이터분석'] + df1['머신러닝딥러닝']
# 총점을 3으로 나누어 평균 컬럼 생성
df1['평균'] = df1['총점'] / 3
print(df1)출력 예시:
파이썬 데이터분석 머신러닝딥러닝 총점 평균
0 60 40 35 135 45.000000
1 70 60 40 170 56.666667
2 80 70 30 180 60.000000
3 90 55 70 215 71.666667
4 95 87 55 237 79.000000
# 컬럼별 합계
print(df1.sum())
# 컬럼별 평균
print(df1.mean())출력 예시:
파이썬 395.0
데이터분석 312.0
머신러닝딥러닝 230.0
총점 937.0
평균 312.333333
dtype: float6436. DataFrame 연산 시 주의점
df1 = pd.DataFrame({
'데이터분석': [40, 60, 70, 55, 87],
'머신러닝딥러닝': [35, 40, 30, 70, 55]
})
df2 = pd.DataFrame({
'데이터분석': [40, 60, 70, 55],
'머신러닝딥러닝': [35, 40, 30, 70]
})
# 행 개수가 다르면 맞지 않는 위치는 NaN이 된다.
print(df1 + df2)출력 예시:
데이터분석 머신러닝딥러닝
0 80.0 70.0
1 120.0 80.0
2 140.0 60.0
3 110.0 140.0
4 NaN NaN37. get_dummies()
pd.get_dummies()는 범주형 데이터를 원-핫 인코딩하는 함수이다.
기본 형식:
pd.get_dummies(data)매개변수:
data: 원-핫 인코딩할 Series 또는 DataFrame
# blood 컬럼을 원-핫 인코딩
dummy_blood = pd.get_dummies(df['blood'])
print(dummy_blood.head())출력 예시:
A AB B O
0 True False False False
1 False False True False
2 False False False True
3 False True False False숫자 0과 1로 보고 싶다면:
dummy_blood = pd.get_dummies(df['blood']).astype(int)
print(dummy_blood.head())출력 예시:
A AB B O
0 1 0 0 0
1 0 0 1 0
2 0 0 0 1
3 0 1 0 0- 문자열이라고 무조건 원-핫 인코딩하지 않는다.
- 생년월일은 문자열처럼 보여도 날짜 타입으로 바꾸는 것이 자연스럽다.
- 학년, 등급, 지역 코드처럼 숫자로 보여도 실제 의미는 범주형일 수 있다.
38. 자주 쓰는 전체 흐름 예시
import pandas as pd
import numpy as np
# CSV 파일 읽기
df = pd.read_csv('./광고모델_브랜드평판.csv')
# 컬럼명 변경
df.columns = ['name', 'company', 'gender', 'birthday', 'height', 'blood', 'brand']
# 문자열 숫자 변환
df['height'] = df['height'].str.replace('cm', '').astype(float)
df['brand'] = df['brand'].str.replace(',', '').astype(int)
# 결측값 확인
print(df.isna().sum())
# height 결측값을 중앙값으로 채우기
df['height'] = df['height'].fillna(df['height'].median())
# 키가 180 이상인 데이터만 선택
tall_people = df.loc[df['height'] >= 180, ['name', 'gender', 'height']]
print(tall_people)
# 혈액형별 평균 키
height_by_blood = df.groupby('blood')['height'].mean()
print(height_by_blood)
# 성별 숫자 변환
df['gender_code'] = df['gender'].map({'남': 1, '여': 0})
# 혈액형 원-핫 인코딩
blood_dummies = pd.get_dummies(df['blood']).astype(int)
print(blood_dummies.head())출력 예시:
name 0
company 0
gender 0
birthday 0
height 2
blood 0
brand 0
dtype: int64
name gender height
2 오렌지 남자 180.0
10 배애리 여자 185.0
blood
A 171.2
AB 169.0
B 175.5
O 178.0
Name: height, dtype: float64
기록하며 성장하는 개발자