Pandas

• Python에서 R만큼의 강력한 데이터 핸들링 성능을 제공하는 모듈이다.
• 단일 프로세스에서는 최대 효율을 낸다.
• 마치 코딩이 가능하고 응용 가능한 Excel 같다.
• 한글은 encoding 설정이 필수이다.
• Pandas는 통상 pd로 import한다.
• Pandas의 데이터형을 구성하는 기본은 Series이다.
• 날짜(시간)를 이용할 수 있다.
• Pandas에서 가장 많이 사용하는 데이터형은 DataFrame으로 index와 columns를 지정하면 된다.

DataFrame

• df
  -df[condition]과 같이 사용하는 것이 일반적
  -Pandas의 버전에 따라 조금씩 허용되는 문법이 다름
  -인터넷에서 확보한 소스코드를 돌릴 때는 Pandas의 버전을 확인하는 것이 필요
  -데이터 변수에서 바로 plot() 명령을 사용 가능
  -데이터(컬럼)가 많은 경우, 정렬한 후 그리는 것이 효과적일 때가 있음

---

• df.head()
  -앞 부분 5개의 데이터 확인

---

• df.info()
  -DataFrame의 기본 정보 확인 (보통 각 컬럼의 크기와 데이터 형태를 확인하는 경우가 많음)

---

• df.describe()
  -DataFrame의 통계적 기본 정보를 확인

---

• df.sort_values()
  -데이터를 정렬

---

• df["컬럼명"]
  -특정 컬럼만 읽기

---

• df[n:m]
  -n부터 m-1까지
  -단 index나 column의 이름으로 slice하는 경우는 끝을 포함

---

• df.loc[:, ["A", "B"]]
  -이름으로도 사용 가능
  -Pandas의 보편적인 slice 옵션

---

• df.iloc[숫자]
  -iloc 옵션을 이용해서 번호로만 접근

---

• df["컬럼명"].isin(["특정요소1", "특정요소2"])
  -특정 요소가 있는지 확인

---

• df[df["컬럼명"].isin(["특정요소1", "특정요소2"])]
  -특정 요소가 있는 행만 선택

---

• df.apply(np.cumsum)
  -각 컬럼 누적합

---

• del df["컬럼명"]
  -특정 컬럼 제거

Pivot Table

• index를 여러 개 지정할 수 있다.
• values를 지정할 수 있다.
• values에 함수를 적용할 수 있다.
• default는 평균이다.
• aggfunc 옵션은 합산 등의 다른 함수를 적용하거나 개수를 적용할 때(len) 사용한다.
• columns는 분류를 지정한다.
• fill_value로 NaN에 대한 처리를 지정할 수 있다.
• mergins으로 합계를 지정할 수 있다.

iterrows() 함수

Pandas에 잘 맞춰진 반복문용 명령어다.
Pandas DataFrame은 대부분 2차원으로 for문을 사용하려면 n번째라는 지정을 반복해서 가독률이 떨어진다. 그래서 Pandas로 DataFrame으로 반복문을 만들 때 iterrows()라는 옵션을 사용하면 편리하다.
단, 받을 때, Index와 내용으로 나누어 받는 것을 주의해야한다.

CSV, Excel 파일 읽기

• 통상 csv는 띄어쓰기로 구분이 되므로 read_csv 명령으로 읽기만 해도 된다.

* 이 글은 제로베이스 데이터 스쿨의 강의 자료 일부를 발췌하여 작성되었습니다.