[머신러닝 인강] 4. 데이터 분석을 위한 Python(2)

series 데이터 연산하기

index를 기준으로 연산

import numpy as np
import pandas as pd

s1 = pd.Series([1, 2, 3, 4], ['a', 'b', 'c', 'd'])
s2 = pd.Series([6, 3, 2, 1], ['d', 'c', 'b', 'a'])

s1
>>> a    1
    b    2
    c    3
    d    4
    dtype: int64

s2
>>> d    6
    c    3
    b    2
    a    1
    dtype: int64

s1 + s2
>>> a     2
    b     4
    c     6
    d    10
    dtype: int64

산술연산

• Series의 경우에도 스칼라와의 연산은 각 원소별로 스칼라와의 연산이 적용
• Series와의 연산은 각 인덱스에 맞는 값끼리 연산이 적용
  • 이때, 인덱스의 pair가 맞지 않으면, 결과는 NaN

s1 ** 2
>>> a     1
    b     4
    c     9
    d    16
    dtype: int64

s1 ** s2
>>> a       1
    b       4
    c      27
    d    4096
    dtype: int64

index pair가 맞지 않는 경우

• 해당 index에 대해선 NaN 값 생성

s1['k'] = 7
s2['e'] = 9

s1
>>> a    1
    b    2
    c    3
    d    4
    k    7
    dtype: int64

s2
>>> d    6
    c    3
    b    2
    a    1
    e    9
    dtype: int64

s1 + s2
>>> a     2.0
    b     4.0
    c     6.0
    d    10.0
    e     NaN
    k     NaN
    dtype: float64

Series 데이터 Boolean Selection으로 데이터 선택하기

boolean selection

• boolean Series가 []와 함께 사용되면 True 값에 해당하는 값만 새로 반환되는 Series객체에 포함됨
• 다중조건의 경우, &(and), |(or)를 사용하여 연결 가능

s = pd.Series(np.arange(10), np.arange(10)+1)
s
>>> 1     0
    2     1
    3     2
    4     3
    5     4
    6     5
    7     6
    8     7
    9     8
    10    9
    dtype: int32

s > 5
>>> 1     False
    2     False
    3     False
    4     False
    5     False
    6     False
    7      True
    8      True
    9      True
    10     True
    dtype: bool

s[s>5]
>>> 7     6
    8     7
    9     8
    10    9
    dtype: int32

s[s % 2 == 0]
>>> 1    0
    3    2
    5    4
    7    6
    9    8
    dtype: int32

s.index > 5
>>> array([False, False, False, False, False,  True,  True,  True,  True,
        True])

s[s.index > 5]
>>> 6     5
    7     6
    8     7
    9     8
    10    9
    dtype: int32

s[(s > 5) & (s < 8)]
>>> 7    6
    8    7
    dtype: int32

(s >= 7).sum()
>>> 3

(s[s>=7]).sum()
>>> 24

Series 데이터 변경, 슬라이싱하기

series 값 변경

• 추가 및 업데이트: 인덱스를 이용
• 삭제: drop함수 이용

s = pd.Series(np.arange(100, 105), ['a', 'b', 'c', 'd', 'e'])
s
>>> a    100
    b    101
    c    102
    d    103
    e    104
    dtype: int32

s['a'] = 200
s
>>> a    200
    b    101
    c    102
    d    103
    e    104
    dtype: int32

s['k'] = 300
s
>>> a    200
    b    101
    c    102
    d    103
    e    104
    k    300
    dtype: int64

s.drop('k')
>>> a    200
    b    101
    c    102
    d    103
    e    104
    dtype: int64

s
>>> a    200
    b    101
    c    102
    d    103
    e    104
    k    300
    dtype: int64

s.drop('k', inplace=True)
s
>>> a    200
    b    101
    c    102
    d    103
    e    104
    dtype: int64

s[['a', 'b']] = [300, 900]
s
>>> a    300
    b    900
    c    102
    d    103
    e    104
    dtype: int64

slicing

• 리스트, ndarray와 동일하게 적용리스트, ndarray와 동일하게 적용

s1 = pd.Series(np.arange(100, 105))
s1
>>> 0    100
    1    101
    2    102
    3    103
    4    104
    dtype: int32

s1[1:3]
>>> 1    101
    2    102
    dtype: int32

s2 = pd.Series(np.arange(100, 105), ['a', 'c', 'b', 'd', 'e'])
s2
>>> a    100
    c    101
    b    102
    d    103
    e    104
    dtype: int32

s2[1:3]
>>> c    101
    b    102
    dtype: int32

s2['c':'d']
>>> c    101
    b    102
    d    103
    dtype: int32

머신러닝과 데이터 분석 A-Z 올인원 패키지 Online. 👉 https://bit.ly/3cB3C8y