참고자료

• pandas User Guide
• pandas API reference
• W3 SCHOOLS Pandas Tutorial
• EG공간

---

pandas

데이터 분석을 위해 사용하는 Python library로 NumPy를 기반으로 만들어졌다. NumPy와 다르게 이종의 data type을 다룰 수 있다. pandas Package overview

일반적으로 Alias(별칭) pd를 사용하여 import한다. 코드의 보편성 및 가독성을 위해서 관행적으로 사용하는 용어를 함께 사용하는 것이 바람직하다.

import pandas as pd

pandas의 Data structures는 아래와 같다.

Name	Dimensions	Description
Series	1	1D labeled homogeneously-typed array
DataFrame	2	General 2D labeled, size-mutable tabular structure with potentially heterogeneously-typed column

Series는 이종의 data type으로 구성된 1차원 array이다.
DataFrame은 이종의 data type으로 구성된 2차원 array로, MS Excel Sheet라고 할 수 있다.

pandas는 numpy를 기반으로 만들어졋다. 때문에 type(DataFrame.values)를 확인해보면 numpy.ndarray를 반환한다.

---

1. Series

class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

• data
  array-like, Iterable, dict, or scalar 값을 의미한다.
  data에 dictionary값이 할당되면 keys값은 index column에, values값은 value column에 할당된다. 또한 dictionary의 순서가 유지된다. 주의할 점은 data에 dictionary값을 입력하고 index 값을 추가로 입력하면 Series의 values는 NaN(Not a Number)값을 가지게 된다.

>>> dic = {'a': "apple",
             'b': "banana",
             'c': "cherry",}
>>> print(pd.Series(dic))
a     apple
b    banana
c    cherry
dtype: object

>>> pd.Series(data=dic, index=[1, 2, 3])
1    NaN
2    NaN
3    NaN
dtype: object

• index
  반드시 data의 개수와 동일해야 한다.
  index값이 없을 경우 자동으로 0부터 n-1까지의 숫자를 부여한다. idnex값이 입력될 경우 index column에 해당 값을 할당한다.
  한편, 중복값 또한 index에 활용할 수 있으나, 권장되지 않는다.

>>> data = ['a', 'b', 'c', 'd']
>>> index = [1, 2, 3, 3]
>>> inde = [1, 2, 3]
>>> indexx = [1, 2, 3, 4, 5]

>>> pd.Series(data)
0    a
1    b
2    c
3    d
dtype: object

>>> pd.Series(data=data, index=inde)
ValueError: Length of passed values is 4, index implies 3.
>>> pd.Series(data=data, index=indexx)
ValueError: Length of passed values is 4, index implies 5.

>>> ser = pd.Series(data=data, index=index)
>>> ser
1    a
2    b
3    c
3    d
dtype: object
>>> ser.index
Int64Index([1, 2, 3, 3], dtype='int64')
>>> ser.values
array(['a', 'b', 'c', 'd'], dtype=object)

>>> ser[3]
3    c
3    d
dtype: object

pandas.Series

---

2. DataFrame

class pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

rows와 columns로 구성된 2차원 Table이다.

pandas.DataFrame

특징
1. index와 columns가 None이고 data도 값을 포함하고 있지 않으면, 0부터 n-1까지의 숫자를 자동으로 부여한다.
2. data의 행의 개수는 index와 같아야 하며, 열의 개수는 columns와 같아야 한다.

>>> data = [[1, 2, 3],
            [10, 20, 30],
            [100, 200, 300]]
>>> pd.DataFrame(data)

	0	1	2
0	1	2	3
1	10	20	30
2	100	200	300

>>> dic = {"Alphabet": ['a', 'b', 'c'],
           "Number": [1, 2, 3],
           "Special Character": ['@', '#', '$'],}
>>> pd.DataFrame(data=dic)

	Alphabet	Number	Special Characters
0	a	1	@
1	b	2	#
2	c	3	$

>>> data = [['a', 'b', 'c'],
        [1, 2, 3],
        ['@', '#', '$']]
>>> pd.DataFrame(data=data, columns=["Alphbet", "Number", "Special Character"])

	Alphabet	Number	Special Characters
0	a	1	@
1	b	2	#
2	c	3	$

---

3. pandas arrays

Kind of Data	pandas Data Type	Scalar	Array
TZ-aware datetime	DatetimeTZDtype	Timestamp	Datetime data
Timedeltas	(none)	Timedelta	Timedelta data
Period (time spans)	PeriodDtype	Period	Timespan data
Intervals	IntervalDtype	Interval	Interval data
Nullable Integer	Int64Dtype, …	(none)	Nullable integer
Categorical	CategoricalDtype	(none)	Categorical data
Sparse	SparseDtype	(none)	Sparse data
Strings	StringDtype	str	Text data
Boolean (with NA)	BooleanDtype	bool	Boolean data with missing values

pandas arrays

---

3.1. Category

성별, 형액형, 등급 등 몇 가지 다른 값으로 구성된 카테고리화할 수 있는 변수에 적용할 수 있다. 데이터 크기를 줄일 수 있다.

>>> data = pd.read_csv("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/tips.csv")

>>> data.sex
0      Female
1        Male
2        Male
3        Male
4      Female
        ...  
239      Male
240    Female
241      Male
242      Male
243    Female
Name: sex, Length: 244, dtype: object

>>> data2 = data
>>> data2.sex = data2.sex.astype("category")
>>> data2.sex
0      Female
1        Male
2        Male
3        Male
4      Female
        ...  
239      Male
240    Female
241      Male
242      Male
243    Female
Name: sex, Length: 244, dtype: category
Categories (2, object): ['Female', 'Male']

# DataFrame의 크기가 감소했다.
>>> import sys
>>> sys.getsizeof(data)
65553
>>> sys.getsizeof(data2)
50971

Categorical data