‼️pandas 는 데이터 분석 라이브러리

행,열 형태의 정형 데이터 객체를 다룬다.

• 2차원 데이터
• 엑셀의 시트, RDB의 테이블과 같은 형태
• 대표적인 객체
  • DataFrame
  • Series

Series

• pandas 의 기본 객체 중 하나
• numpy의 ndarray를 기반으로 인덱싱 기능이 추가된 1차원 배열을 나타냄
• index 를 지정X 시, 기본적으로 ndarray와 같이 0-based 인덱스 생성
• 지정할 경우 명시적으로 지정된 index 사용
• 같은 타입의 0개 이상의 데이터를 가질 수 있음

import numpy as np
import pandas as pd

Series 생성

s1 = pd.Series([10,20,30])
s1

	0
0	10
1	20
2	30

dtype:int64

⇒ 왼쪽이 index, 오른쪽이 value (값), dtype: 데이터 타입

데이터로만 생성했을 때, index는 0-base 인덱스로 생성된다

• indexing

  • s3[4]
    >4

data=, index= 명시하여 Series 생성

s4 = pd.Series(data=[1,2,3],index=[100,200,300])
s4

	0
100	1
200	2
300	3

s4[100]
>1

s4.index
>Index([100,200,300],dtype='int64')

• index 가 정수일 필요는 X

s5 = pd.Series([1,2,3],['John','Mark',"Charlie"])
s5

	0
John	1
Mark	2
Charlie	3

dtype:int64

• index 중복 허용

dict 로 Series 생성

sdata = {'김철수': 35000, '이상현': 67000, '최종수': 12000, '박진관': 4000}
sdata

>{'김철수': 35000, '이상현': 67000, '최종수': 12000, '박진관': 4000}

s6 = pd.Series(sdata)
s6

	0
김철수	35000
이상현	67000
최종수	12000
박진관	4000

dtype: int64

s7 = pd.Series(data=np.arange(5),index=np.arange(100,105),dtype=np.int16)
s7

	0
100	0
101	1
102	2
103	3
104	4

s7.index
>Index([100, 101, 102, 103, 104], dtype='int64')

s7.index.values
>array([100, 101, 102, 103, 104])

# 기존에 없던 인덱스에 값 대입 => 새로운 값 추가!
s7[105]=90
s7

# 기존의 index 사용하여 새로운 Series 생성 가능
s8 = pd.Series(np.arange(6),s7.index)
s8

	0
100	0
101	1
102	2
103	3
104	4
105	5

dtype: int64

Series name, index name, index 변경

s6

	0
김철수	35000
이상현	67000
최종수	12000
박진관	4000

s6.name='급여'
s6

	급여
김철수	35000
이상현	67000
최종수	12000
박진관	4000

Series ndim,shape,size,len,unique,count,value_counts 함수

• size : 개수 반환
• shape: 튜플형태로 shape 반환
• unique: 유일한 값만 ndarray로 반환
• count : NaN을 제외한 개수를 반환
• mean: NaN을 제외한 평균
• value_counts: NaN을 제외하고 각 값들의 빈도를 반환

s1 = pd.Series([1, 1, 2, 1, 2, 2, 2, 1, 1, 3, 3, 4, 5, 5, 7,np.NaN])
s1

s1.ndim
>1

s1.shape
(16,)

s1.size
16

len(s1)
16

s1.unique()
>array([ 1.,  2.,  3.,  4.,  5.,  7., nan])

# 데이터가 있는 것만 count 한다! NaN은 제외
s1.count9)
>15

• NaN (Not a Number: 숫자가 들어와야 하는데 숫자가 아닌 값)
  • 원본데이터의 누락이라든지 DBMS 상의 null 값이라든지 등등

#numpy의 경우 원소중에 NaN 있으면 연산 불가능
a1 = np.array([2,2,2,2,np.NaN])
a1.mean()
>nan

#pandas 는 NaN 제외하고 평균값 계산
pd.Series(a1).mean()
>2.0

#각각의 value 수 세기 
s1.value_counts()

#상위 5개
s1.head() 

#하위 5개
s1.tail()

Series 연산

• index 기준으로 연산
• numpy와 마찬가지로 Series 도 Series 끼리 연산 가능
• 같은 인덱스 기준으로 연산
• (DataFrame에서도 동일하게 적용)

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

s1+s2

	0
a	2
b	4
c	6
d	10

산술연산

• Series 의 경우에도 스칼라와의 연산 각 원소별로 스칼라와의 연산이 적용
• Series 와의 연산은 각 인덱스에 맞는 값끼리 연산이 적용
  • 이때, 인덱스의 pair 가 맞지 않으면 결과는 NaN

Boolean selection

• boolean Series 가 []와 함께 사용되면 True 값에 해당하는 값만 새로 반환되는 Series 객체에 포함됨
• 다중조건의 경우, & | 를 사용하여 연결 가능