Pandas

🐼 Pandas

• DataFrame
  • R의 핵심 역할
  • 데이터 보관, 정리, 분석
  • Python의 pandas 라이브러리의 기능

• Numpy와의 관계
  • Numpy를 통해 pandas 라이브러리 제작
  • Numpy의 기능 포함
    • 데이터 정리
    • 외부 데이터 읽고 쓰기
    • 데이터 분석 / 시각화
  • Pandas는 표 형식의 데이터를 다루는 것에 특화 됨
  • Numpy는 빠른 연산에 특화 됨

---

🐼 DataFrame

• Pandas의 DataFrame
  • 대부분의 데이터셋은 2차원 배열의 형태
  • 2차원 형태의 데이터를 다루기 위한 자료형
  • 표 형식의 데이터를 담는 자료형

• DataFrame의 구성
  • 열(Column)
    • 가로로 나열
    • 데이터의 특징(예: 이름, 국적, 키)
  • 행(Row/Index): 세로로 나열
    • 레코드
    • 각 레코드가 하나의 대상을 의미(예: 사람)

• Numpy Array와의 관계
  • 일반적인 numpy array로부터 부가적인 기능을 추가한 것
  • 부가 기능
    • 인덱스 네이밍(번호가 아닌 이름 지정)
    • 다양한 자료형 함께 사용 가능
    • numpy array의 경우, 같은 자료형(숫자)만 가능

---

🐼 DataFrame 사용해보기

• 코드

import pandas as pd

two_dimensional_list = [['A', 30, 70], ['B', 50, 20], ['C', 60, 40]]

some_df = pd.DataFrame(two_dimensional_list)
some_df

• 출력 결과
  • 이름을 지어주지 않으면 인덱스 번호로 출력
    
• 결과 자료형 확인

type(some_df)

pandas.core.frame.DataFrame

• 네이밍
  • 열 이름: columns 리스트 추가
  • 행 이름: index 리스트 추가

some_df = pd.DataFrame(two_dimensional_list, 
		       columns=['student', 'kor_score', 'eng_score'])

some_df.columns

Index(['name', 'kor_score', 'eng_score'], dtype='object')

• 자료형
  • object: pandas에서 문자열 의미
  • int64: 64비트 정수
  • 같은 column 내에서는 같은 자료형

some_df.dtypes

---

🐼 DataFrame 사용해보기

• From list of lists, array of arrays, list of series
  • 2차원 리스트나 2차원 numpy array로 DataFrame 생성 가능
  • pandas Series를 담고 있는 리스트로도 가능

import numpy as np
import pandas as pd

two_dimensional_list = [['A', 30, 70], ['B', 50, 20], ['C', 60, 40]]
two_dimensional_array = np.array(two_dimensional_list)
list_of_series = [
    pd.Series(['A', 30, 70]),
    pd.Series(['B', 50, 20]),
    pd.Series(['C', 60, 40]),

# 동일한 출력 결과
df1 = pd.DataFrame(two_dimensional_list)
df2 = pd.DataFrame(two_dimensional_array)
df3 = pd.DataFrame(lists_of_series)

   0  1   2
0  A  30  70
1  B  50  20
2  C  60  40

• From dict of lists, dict of arrays, dict of series
  • Python 사전(dictionary)으로도 가능
  • 사전의 key: column 이름
  • 사전의 value: column에 해당하는 리스트, numpy array, pandas Series
  • pandas.Series: 1차원 데이터 프레임

import numpy as np
import pandas as pd

names = ['A', 'B', 'C']
kor_score = [30, 50, 60]
eng_score = [70, 20, 40]

dict1 = {
	'name': names,
    'kor_score': kor_scores,
    'eng_score': eng_scores
}

dict2 = {
	'name': np.array(names),
    'kor_score': np.array(kor_scores),
    'eng_score': np.array(eng_scores)
}

dict2 = {
	'name': pd.Series(names),
    'kor_score': pd.Series(kor_scores),
    'eng_score': pd.Series(eng_scores)
}

# 동일한 출력 결과
df1 = pd.DataFrame(dict1)
df2 = pd.DataFrame(dict2)
df3 = pd.DataFrame(dict3)

print(df1)

• From list of dicts
  • 사전이 담긴 리스트로도 가능

import numpy as np
import pandas as pd

some_list = [
	{'name': 'A', 'kor_score': 30, 'eng_score': 70}, 
        {'name': 'B', 'kor_score': 50, 'eng_score': 20}, 
        {'name': 'C', 'kor_score': 60, 'eng_score': 40}
]

df = pd.DataFrame(some_list)
print(df)

   kor_score  eng_score  name
0      30         70       A
1      50         20       B
2      60         40       C

---

🐼 Pandas의 데이터 타입

• dtypes
  • 각 column이 어떤 데이터 타입을 보관하는지 확인할 수 있다

import pandas as pd

two_dimensional_list = [['A', 52, 64], ['B', 38, 76], ['C', 55, 89]]

some_df = pd.DataFrame(two_dimensional_list, columns=['name', 'kor_score', 'eng_score'])

print(some_df.dtypes)

name             object
kor_score     	 int64
eng_score        int64

dtype: object 	# 문자열

• 한 Column 내에서는 모든 값이 동일한 데이터
• pandas의 dtype 목록
  

---

🐼 Pandas로 데이터 읽어들이기

• csv
  • 데이터 분석에서 주로 활용되는 파일 확장자
  • Comma-separated values
  • 값들이 쉼표로 나뉘어져 있다
• csv 파일 예시
  • 헤더(header)
    • 컬럼 이름이 나열되어 있는 줄(첫번째 줄)
    • 두번째 줄부터 실제 레코드

,출시일,디스플레이,메모리,출시 버전,Face ID
iPhone 7,2016-09-16,4.7,2GB,iOS 10.0,No
iPhone 7 Plus,2016-09-16,5.5,3GB,iOS 10.0,No
iPhone 8,2017-09-22,4.7,2GB,iOS 11.0,No
iPhone 8 Plus,2017-09-22,5.5,3GB,iOS 11.0,No
iPhone X,2017-11-03,5.8,3GB,iOS 11.1,Yes
iPhone XS,2018-09-21,5.8,4GB,iOS 12.0,Yes
iPhone XS Max,2018-09-21,6.5,4GB,iOS 12.0,Yes

• Python으로 csv 파일 읽어들이기
  • read_csv 함수
    • 파라미터는 데이터가 들어있는 경로

import pandas as pd
iphone_df = pd.read_csv('data/iphone.csv')
iphone_df

type(iphone_df)

pandas.core.frame.DataFrame

• 자동으로 헤더 인식
  • 헤더가 없는 경우, read_csv의 파라미터로 header=None을 넘겨주어야 한다

• 특정 column을 row 이름으로 지정하기
  • read_csv의 파라미터로 index_col=0를 넘겨준다
    

출처: CODEIT - 데이터 사이언스 입문