개요 🎯

• 데이터 분석을 하던 과정에서 전체적인 컬럼 데이터를 수정하기 위해 사용하던
• DB의 데이터를 csv, xls 형태로 변환해서 실제 Python 코드에서 사용하기 위해 일부 구조를 바꾸어 사용하고자 한다.

인사이트 👀

초기 환경

• 실습을 위한 학생 성적 데이터를 가져옵니다.

  ID	학교	학년	성적
  M000001	중	3	95
  M000002	고	2	73
  M000003	고	3	95
  M000004	고	1	93
  M000005	고	2	88

  • import

    import pandas as pd
    import numpy as np

데이터 확인

1. Dataframe 상위 데이터 확인 (head)

   df.head()
   --------------------
   
     ID	    학교	학년	성적
   0	M000001	고	  1	    76
   1	M000002	중	  2	    84
   2	M000003	중	  2	    69
   3	M000004	고	  1	    73
   4	M000005	중	  3	    70

2. Dataframe 데이터 정보 (info)

   df.info()
   --------------------
   
   <class 'pandas.core.frame.DataFrame'>
   RangeIndex: 10 entries, 0 to 9
   Data columns (total 4 columns):
    #   Column  Non-Null Count  Dtype 
   ---  ------  --------------  ----- 
    0   ID      10 non-null     object
    1   학교      10 non-null     object
    2   학년      10 non-null     int64 
    3   성적      10 non-null     int64 
   dtypes: int64(2), object(2)
   memory usage: 448.0+ bytes

3. Dataframe 요약 정보 (describe)

   df.describe()
   --------------------
   
   			학년	    성적
   count	10.000000	10.00000
   mean	1.800000	78.40000
   std	  0.632456	9.96884
   min	  1.000000	68.00000
   25%	  1.250000	70.75000
   50%	  2.000000	76.50000
   75%	  2.000000	82.75000
   max	  3.000000	100.00000

4. Dataframe Type 확인 (dtypes)

   df.dtypes
   --------------------
   
   ID    object
   학교    object
   학년     int64
   성적     int64
   dtype: object

5. Dataframe Column Value의 unique(유일성) 확인 (unique)

   df["학교"].unique()
   --------------------
   
   array(['고', '중'], dtype=object)

6. Dataframe Column Value의 개수 확인 (value_counts)

   df["학교"].value_counts()
   --------------------
   
   			학교
   고    5
   중    5
   Name: count, dtype: int64

데이터 추가

1. 새로운 행(Row)/열(Column) 추가
   • 행(Row) 추가

     df_sub = pd.DataFrame({"ID":["M000006"], "학교":["고"], "학년":[3], "성적":[72]})
     df = pd.concat([df, df_sub], ignore_index=True)
     df
     --------------------
     
     	ID	    학교	학년	성적	  통과
     0	M000001	고	  1	    100  	  False
     1	M000002	중	  2	    80	    False
     2	M000003	중	  2	    69	    False
     3	M000004	고	  1	    73	    False
     4	M000005	중	  3	    70	    False
     5	M000006	고	  3	    72	    NaN

   • 열(Column) 추가

     df["통과"] = False
     --------------------
     
     	ID	    학교	학년	성적	  통과
     0	M000001	고	  1	    100  	  False
     1	M000002	중	  2	    80	    False
     2	M000003	중	  2	    69	    False
     3	M000004	고	  1	    73	    False
     4	M000005	중	  3	    70	    False

데이터 수정

1. Row의 데이터 수정

   • 인덱스(Index)로 변경

     df.iloc[0, 3] = 100
     --------------------
     
     	ID	    학교	학년	성적
     0	M000001	고	  1	    100
     1	M000002	중	  2	    84
     2	M000003	중	  2	    69
     3	M000004	고	  1	    73
     4	M000005	중	  3    	70

   • 컬럼(Column) 으로 변경

     df.loc[1,"성적"] = 80
     --------------------
     
     	ID	    학교	학년	성적
     0	M000001	고	  1	    100
     1	M000002	중	  2	    80
     2	M000003	중	  2	    69
     3	M000004	고	  1	    73
     4	M000005	중	  3    	70

2. 조건을 만족하는 Row만 데이터 수정

   df.loc[df["성적"]>70, "통과"] = True
   --------------------
   
   	ID	    학교	학년	성적	  통과
   0	M000001	고	  1	    100  	  True
   1	M000002	중	  2	    80	    True
   2	M000003	중	  2	    69	    False
   3	M000004	고	  1	    73	    True
   4	M000005	중	  3	    70	    False
   5	M000006	고	  3	    72	    True

   df = df.replace({"통과":False}, "Drop")
   df
   --------------------
   
   	ID	    학교	학년	성적	  통과
   0	M000001	고	  1	    100  	  True
   1	M000002	중	  2	    80	    True
   2	M000003	중	  2	    69	    Drop
   3	M000004	고	  1	    73	    True
   4	M000005	중	  3	    70	    Drop
   5	M000006	고	  3	    72	    True

3. 행(Row)/열(Column) 변경

   • 행(Row) 변경

     df.loc[4] = ["M000004", "고", 1, 85, True]
     --------------------
     
     	ID	    학교	학년	성적	  통과
     0	M000001	고	  1	    100  	  True
     1	M000002	중	  2	    80	    True
     2	M000003	중	  2	    69	    Drop
     3	M000004	고	  1	    85	    True
     4	M000005	중	  3	    70	    Drop

   • 열(Column) 이름 변경

     df = df.rename(columns={"ID":"ID", "학교":"School", "학년":"grade", "성적":"Score", "통과":"Pass"})
     df
     --------------------
     
     	ID			School	grade		Score		Pass
     0	M000001	고	  	1	    	100  	  True
     1	M000002	중	  	2	    	80	    True
     2	M000003	중	  	2	    	69	    Drop
     3	M000004	고	  	1	    	85	    True
     4	M000005	중	  	3	    	70	    Drop

데이터 제거

1. 행(Row)/열(Column) 제거
   • 행(Row) 제거

     df.drop(5, axis=0)
     --------------------
     
     	ID	    학교	학년	성적	  통과
     0	M000001	고	  1	    100  	  True
     1	M000002	중	  2	    80	    True
     2	M000003	중	  2	    69	    Drop
     3	M000004	고	  1	    73	    True
     4	M000005	중	  3	    70	    Drop

   • 열(Column) 제거

     df.drop("통과", axis=1)
     --------------------
     
     	ID	    학교	학년	성적
     0	M000001	고	  1	    100
     1	M000002	중	  2	    80
     2	M000003	중	  2	    69
     3	M000004	고	  1	    73
     4	M000005	중	  3	    70