[머신러닝 인강] 4. 데이터 분석을 위한 Python(3)

DataFrame 데이터 살펴보기

DataFrame

• Series가 1차원이라면 DataFrame은 2차원으로 확대된 버전
• 2차원이기 때문에 인덱스가 row, column으로 구성됨
• Data Analysis, Machine Learning에서 data 변형을 위해 가장 많이 사용

import pandas as pd

# data 출처: https://www.kaggle.com/hesh97/titanicdataset-traincsv/data
train_data = pd.read_csv('../train.csv')

head, tail 함수

• 데이터 전체가 아닌, 일부(처음부터, 혹은 마지막부터)를 간단히 보기 위한 함수

train_data.head(n=3)

train_data.tail(n=3)

dataframe 데이터 파악하기

• shape 속성 (row, column)
• describe 함수 - 숫자형 데이터의 통계치 계산
• info 함수 - 데이터 타입, 각 아이템의 개수 등 출력

train_data.shape
>>> (891, 12)

train_data.describe()

train_data.info()
>>> <class 'pandas.core.frame.DataFrame'>
    RangeIndex: 891 entries, 0 to 890
    Data columns (total 12 columns):
     #   Column       Non-Null Count  Dtype  
    ---  ------       --------------  -----  
     0   PassengerId  891 non-null    int64  
     1   Survived     891 non-null    int64  
     2   Pclass       891 non-null    int64  
     3   Name         891 non-null    object 
     4   Sex          891 non-null    object 
     5   Age          714 non-null    float64
     6   SibSp        891 non-null    int64  
     7   Parch        891 non-null    int64  
     8   Ticket       891 non-null    object 
     9   Fare         891 non-null    float64
     10  Cabin        204 non-null    object 
     11  Embarked     889 non-null    object 
    dtypes: float64(2), int64(5), object(5)
    memory usage: 83.7+ KB

DataFrame 구조 이해하기

import pandas as pd

# data 출처: https://www.kaggle.com/hesh97/titanicdataset-traincsv/data
train_data = pd.read_csv('../train.csv')

인덱스(index)

• index 속성
• 각 아이템을 특정할 수 있는 고유의 값을 저장
• 복잡한 데이터의 경우, 멀티 인덱스로 표현 가능

train_data.index
>>> RangeIndex(start=0, stop=891, step=1)

컬럼(column)

• columns 속성
• 각각의 특성(feature)을 나타냄
• 복잡한 데이터의 경우, 멀티 컬럼으로 표현 가능

train_data.colums
>>> Index(['PassengerId', 'Survived', 'Pclass', 'Name', 'Sex', 'Age', 'SibSp',
       'Parch', 'Ticket', 'Fare', 'Cabin', 'Embarked'],
      dtype='object')

DataFrame 생성하기

• 일반적으로 분석을 위한 데이터는 다른 데이터 소스(database, 외부파일)을 통해 dataframe을 생성

import pandas as pd

dictionary로 부터 생성하기

• dict의 key → column

data = {'a' : 100, 'b' : 200, 'c' : 300}
pd.DataFrame(data, index=['x', 'y', 'z']

data = {'a' : [1, 2, 3], 'b' : [4, 5, 6], 'c' : [10, 11, 12]}
pd.DataFrame(data, index=[0, 1, 2])

Series로 부터 생성하기

• 각 Series의 인덱스 → column

a = pd.Series([100, 200, 300], ['a', 'b', 'd'])
b = pd.Series([101, 201, 301], ['a', 'b', 'k'])
c = pd.Series([110, 210, 310], ['a', 'b', 'c'])

pd.DataFrame([a, b, c], index=[100, 101, 102])

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