🐧 Pandas: Tutorial

---

🔸 Filtering Data

데이터 불러오기

https://github.com/justmarkham/DAT8/blob/master/data/chipotle.tsv
import pandas as pd

data_url = 'https://raw.githubusercontent.com/Datamanim/pandas/main/chipo.csv'
df = pd.read_csv(data_url)

---

.loc[조건]

# 식당데이터 : 
print('🍕 quantity 값이 3인 데이터 상위 5개 출력:')
print(df.loc[df['quantity']==3].head())

• df['quantity']==3 : quantity라는 열의 값이 3과 같은 비교하여 True/False 중에 반환.
• df.loc[조건] : .loc[]는 조건에 맞는 행들을 선택, quantity == 3인 행들만 선택
• .head() : 상위 5개 행만 보여주는 함수.
  .head(3)이면 상위 3개, .head(10)이면 10개.

🍕 quantity 값이 3인 데이터 상위 5개 출력:
     order_id  quantity          item_name                                 choice_description item_price
409       178         3       Chicken Bowl  [[Fresh Tomato Salsa (Mild), Tomatillo-Green C...    $32.94 
445       193         3               Bowl  [Braised Carnitas, Pinto Beans, [Sour Cream, C...    $22.20 
689       284         3  Canned Soft Drink                                        [Diet Coke]     $3.75 
818       338         3      Bottled Water                                                NaN     $3.27 
850       350         3  Canned Soft Drink                                           [Sprite]     $3.75 

---

.reset_index(): 인덱스 재정렬

print('🍕 quantity 값이 3인 데이터 상위 5개를 출력히는데 인덱스를 0부터 시작하게 재정의:')
print(df.loc[df['quantity']==3].head().reset_index(drop=True))

• .reset_index() :
  • 기존의 인덱스를 새로운 열로 이동시킴
  • 새로운 0부터 시작하는 인덱스를 생성
• .reset_index(drop=True):
  • 기존 인덱스를 완전히 버림
  • 0부터 다시 매긴 새로운 인덱스만 사용
  • 👉 기존 인덱스를 열로 보존하지 않음

🍕 quantity 값이 3인 데이터 상위 5개를 출력히는데 인덱스를 0부터 시작하게 재정의:
   order_id  quantity          item_name                                 choice_description item_price
0       178         3       Chicken Bowl  [[Fresh Tomato Salsa (Mild), Tomatillo-Green C...    $32.94 
1       193         3               Bowl  [Braised Carnitas, Pinto Beans, [Sour Cream, C...    $22.20 
2       284         3  Canned Soft Drink                                        [Diet Coke]     $3.75 
3       338         3      Bottled Water                                                NaN     $3.27 
4       350         3  Canned Soft Drink                                           [Sprite]     $3.75 

---

새로운 데이터 프레임 정의

print('🆕 quantity, item_price의 컬럼으로 구성된 새로운 데이터 프레임을 정의:')
print(df[['quantity', 'item_price']])

🆕 quantity, item_price의 컬럼으로 구성된 새로운 데이터 프레임을 정의:
      quantity item_price
0            1     $2.39 
1            1     $3.39 
2            1     $3.39 
3            1     $2.39 
4            2    $16.98 
...        ...        ...
4617         1    $11.75 
4618         1    $11.75 
4619         1    $11.25 
4620         1     $8.75 
4621         1     $8.75 

[4622 rows x 2 columns]

❓ 왜 df['quantity', 'item_price'] 이렇게 쓰면 안되나요?
이건 Pandas 입장에선 튜플 하나를 인덱싱한 것처럼 해석된다. 띠라서 df[['quantity', 'item_price']]처럼 대괄호 2개를 작성해야만 컬럼 두 개를 선택하라는 의미로 해석된다.

표현	의미	동작 여부
df['quantity']	하나의 컬럼 (시리즈 반환)	✅
df[['quantity']]	하나의 컬럼 (데이터프레임 반환)	✅
df[['quantity', 'item_price']]	두 개 이상의 컬럼 선택	✅
df['quantity', 'item_price']	튜플 키 → 해당 이름 가진 열을 찾음 (오류)	❌ 오류

---

.astype() : type 변경

print('💵 item_price에 $를 제거하고 float 타입으로 변경하여 item_price_float에 저장:')
df['item_price_float'] = df['item_price'].str.replace('$', '', regex=False).astype(float)
print(df['item_price_float'].head())

• .str.replace('$', '', regex=False) → $ 기호를 없앰
  • .str.replace(): Pandas는 기본적으로 pat을 정규표현식(Regex)으로 인식하여, regex=True가 기본값
  • $는 "문장의 끝"을 의미하는 메타문자로 regex=False를 작성해 문자의 의미를 없애줌
• .astype(float) → 문자열 "3.50" → 실수 3.50으로 변환

💵 item_price에 $를 제거하고 float 타입으로 변경하여 item_price_float에 저장:
0     2.39
1     3.39
2     3.39
3     2.39
4    16.98
Name: item_price_float, dtype: float64

---

🧐

print('🍗 item_name이 "Chicken Salad Bowl"인 것과 item_price_float가 9 이하인 것을 찾아라:')
filtered_df = df.loc[(df.item_name == "Chicken Salad Bowl") & (df.item_price_float <= 9)]
print("☑️ 조건에 맞는 상위 5개: ")
print(filtered_df.head())
print('☑️ 전체 개수:', len(filtered_df))

🍗 item_name이 "Chicken Salad Bowl"인 것과 item_price_float가 9 이하인 것을 찾아라:
☑️ 조건에 맞는 상위 5개: 
     order_id  quantity           item_name                                 choice_description item_price  item_price_float
44         20         1  Chicken Salad Bowl  [Fresh Tomato Salsa, [Fajita Vegetables, Pinto...     $8.75               8.75
256       111         1  Chicken Salad Bowl  [Fresh Tomato Salsa, [Fajita Vegetables, Rice,...     $8.75               8.75
526       220         1  Chicken Salad Bowl  [Roasted Chili Corn Salsa, [Black Beans, Sour ...     $8.75               8.75
528       221         1  Chicken Salad Bowl  [Tomatillo Green Chili Salsa, [Fajita Vegetabl...     $8.75               8.75
529       221         1  Chicken Salad Bowl  [Tomatillo Green Chili Salsa, [Fajita Vegetabl...     $8.75               8.75
☑️ 전체 개수: 56

---

.sort_values(): 오름차순 정렬

print('💵 item_price_float를 오름차순으로 정리하고 index를 초기화:')
print(df.sort_values('item_price_float').reset_index(drop=True).head())

💵 item_price_float를 오름차순으로 정리하고 index를 초기화:
   order_id  quantity      item_name choice_description item_price  item_price_float
0       471         1  Bottled Water                NaN     $1.09               1.09
1       338         1    Canned Soda        [Coca Cola]     $1.09               1.09
2      1575         1    Canned Soda       [Dr. Pepper]     $1.09               1.09
3        47         1    Canned Soda       [Dr. Pepper]     $1.09               1.09
4      1014         1    Canned Soda        [Coca Cola]     $1.09               1.09

---

ascending=False: 내림차순

print('💵 item_price_float를 내림차순으로 정리하고 index를 초기화:')
print(df.sort_values('item_price_float', ascending=False).reset_index(drop=True).head())

💵 item_price_float를 내림차순으로 정리하고 index를 초기화:
   order_id  quantity                     item_name                                 choice_description item_price  item_price_float
0      1443        15  Chips and Fresh Tomato Salsa                                                NaN    $44.25              44.25
1      1398         3                 Carnitas Bowl  [Roasted Chili Corn Salsa, [Fajita Vegetables,...    $35.25              35.25
2       511         4               Chicken Burrito  [Fresh Tomato Salsa, [Fajita Vegetables, Rice,...    $35.00              35.00
3      1443         4               Chicken Burrito  [Fresh Tomato Salsa, [Rice, Black Beans, Chees...    $35.00              35.00
4      1443         3                Veggie Burrito  [Fresh Tomato Salsa, [Fajita Vegetables, Rice,...    $33.75              33.75

---

.str.contains(): 해당 문제열 포함 여부

print('🍪 item_name에 "Chips"가 포함되는 상위 5개 데이터 추출:')
print(df.loc[df.item_name.str.contains('Chips')].head())

• .str.contains('Chips') → 문자열 "Chips"가 포함되어 있는지 여부를 True/False로 반환
• str.contains('chips', case=False): 대소문자 무시
• str.contains('Chips', regex=False): 정규표현식 사용 안함

🍪 item_name에 "Chips"가 포함되는 상위 5개 데이터 추출:
    order_id  quantity                              item_name choice_description item_price  item_price_float
0          1         1           Chips and Fresh Tomato Salsa                NaN     $2.39               2.39
3          1         1  Chips and Tomatillo-Green Chili Salsa                NaN     $2.39               2.39
6          3         1                          Side of Chips                NaN     $1.69               1.69
10         5         1                    Chips and Guacamole                NaN     $4.45               4.45
14         7         1                    Chips and Guacamole                NaN     $4.45               4.45

---

🥗 둘 중 하나만 포함

print('🥗 item_name에 "Steak Salad" 또는 "Bowl"가 포함되는 데이터 추출:')
answer = df.loc[(df.item_name == 'Steak Salad') | (df.item_name == 'Bowl')]
print(answer)

      order_id  quantity  ... item_price item_price_float
445        193         3  ...    $22.20             22.20
664        276         1  ...     $8.99              8.99
673        279         1  ...     $7.40              7.40
752        311         1  ...     $8.99              8.99
893        369         1  ...     $8.99              8.99
3502      1406         1  ...     $8.69              8.69

[6 rows x 6 columns]

---

.drop_duplicates(''): 중복행 제거후 첫번째 케이스 출력

print('🥗 item_name에 "Steak Salad" 또는 "Bowl"가 포함되는 데이터 추출:')
print(answer.drop_duplicates('item_name'))

     order_id  quantity  ... item_price item_price_float
445       193         3  ...    $22.20             22.20
664       276         1  ...     $8.99              8.99

---

.drop_duplicates('', keep='last'): 중복행 제거후 마지막 케이스 출력

print('🥗 item_name에 "Steak Salad" 또는 "Bowl"가 포함되는 데이터 추출:')
print(answer.drop_duplicates('item_name', keep='last'))

      order_id  quantity  ... item_price item_price_float
673        279         1  ...     $7.40              7.40
3502      1406         1  ...     $8.69              8.69

---

df.iloc[:,::2] : 짝수열

print("😈 짝수번째 컬럼만 출력:")
print(df.iloc[:,::2].head())

• slicing[start : end : step]
  • ::2는 처음부터 끝까지 2칸씩 건너뛰기
    (인덱스: 0, 2, 4, 6, ...)
• [:,::2]:
  • :: 행 위치, 모든 행 선택
  • ::2: 열 위치, 열 인덱스를 2칸씩 건너뛰며 선택
• df.iloc[::2, :]: 모든 열에서 행 인덱스를 2칸씩 건너뛰며 선택

😈 짝수번째 컬럼만 출력:
   order_id                              item_name item_price
0         1           Chips and Fresh Tomato Salsa     $2.39 
1         1                                   Izze     $3.39 
2         1                       Nantucket Nectar     $3.39 
3         1  Chips and Tomatillo-Green Chili Salsa     $2.39 
4         2                           Chicken Bowl    $16.98 

---

참고, https://www.datamanim.com/dataset/99_pandas/pandasMain.html#filtering-sorting