python pandas

Pandas

• Array calculation에 특화된 numpy 기반의 python library.

  import pandas as pd
  

Series

• Index와 Data를 가지는 Numpy array의 확장.
• Series의 values는 ndarray 형태이다.

  import pandas as pd
  data = pd.Series([1,2,3,4])
  print(data)
  '''
  0 1
  1 2
  2 3
  3 4 
  '''
  print(data.values) # [1,2,3,4]
  

• 데이터 타입을 지정할 수 있다.

  data = pd.Series([1,2,3,4], dtype=float)
  print(data.dtype) # float64
  

• 인덱스를 지정하여 접근할 수 있다.

  data = pd.Series([1,2,3,4], index=['a','b','c','d'])
  data['a'] = 5
  print(data)
  '''
  a 5
  b 2
  c 3
  d 4
  '''
  

• 딕셔너리를 사용해 Series 생성이 가능하다.

  population_dict = {
    'korea' : 1000,
    'china' : 100000,
    'usa' : 7654
  }
  population = pd.Series(population_dict)
  print(population)
  '''
  korea 1000
  china 100000
  usa 7654
  '''
  

DataFrame

• 여러 개의 Series가 모여 행과 열을 이룬 데이터 집합

  population_dict = {
    'korea' : 1000,
    'china' : 100000,
    'usa' : 7654
  }
  population = pd.Series(population_dict)
  print(population)
  '''
  korea 1000
  china 100000
  usa 7654
  '''
  gdp_dict = {
    'korea' : 12345678,
    'china' : 1029283,
    'usa' : 28374663
  }
  gdp = pd.Series(gdp_dict)
  print(gdp)
  '''
  korea 12345678
  china 1029283
  usa 28374663
  '''
  country = pd.DataFrame({
    'gdp':gdp,
    'population':population
  }) # Series에 뚜껑을 덮는다.
  print(country)
  '''
        gdp       population
  korea   12345678  1000
  china   1029283   100000
  usa     28374663  7654
  '''
  

• 딕셔너리를 사용하여 DataFrame 생성 가능

  data = {
    'country':['korea', 'china', 'usa'],
    'gdp':[12345678, 1029283, 28374663],
    'populatinon':[1000, 100000, 7654]
  }
  country = pd.DataFrame(data)
  country = country.set_index('country')
  print(country)
  '''
        gdp       population
  korea   12345678  1000
  china   1029283   100000
  usa     28374663  7654
  '''
  

• DataFrame 속성

  print(country.shape)  # (3,2) 데이터는 3행 2열이다.
  print(country.size)   # 6
  print(counrty.ndim)   # 2 2차원 배열이다.
  print(country.values) 
  '''
  [
  [12345678  1000]
  [1029283   100000]
  [28374663  7654]
  ]
  '''
  country.index.name = "Country"
  print(country.index)
  # Index(['korea','china','usa'], dtype=object, name='Country')
  country.column.name = "Information"
  # Index(['gdp', 'population'], dtype=object, name='Information')
  

• DataFrame을 파일로 저장, 로드 할 수 있다.

  country.to_csv("./country.csv")
  country.to_excel("country.xlsx")
  country = pd.read_csv("./country.csv")
  country = pd.read_excel("country.xlsx")
  

Select & Update DataFrame

• 데이터 선택 : Indexing / Slicing

  # .loc : Index Name을 명시적으로 지정함으로써 Indexing, Slicing
  country.loc['korea']
  country.loc['korea':'usa', :'population']
  # .iloc : 정수형 Index로 접근한다.
  country.iloc[0]
  country.iloc[1:3, :2]
  

• 컬럼명을 사용하여 DataFrame에서 데이터를 선택할 수 있다.

  print(country)
  '''
        gdp       population
  korea   12345678  1000
  china   1029283   100000
  usa     28374663  7654
  '''
  print(country['gdp'])  # Series
  '''    
  korea   12345678  
  china   1029283   
  usa     28374663  
  '''
  print(country[['gdp']])  # DataFrame
  '''
        gdp       
  korea   12345678  
  china   1029283   
  usa     28374663  
  '''
  

• Masking, Query를 사용해 DataFrame에서 조건에 맞는 DataFrame을 가져올 수 있다.

  print(country[country['population'] < 5000])
  '''
        gdp       population
  korea   12345678  1000
  '''
  print(country.query("population > 5000"))
  '''
        gdp       population
  china   1029283   100000
  usa     28374663  7654
  '''
  

• Numpy처럼 Series를 추가하여 DataFrame 컬럼을 추가할 수 있다.

  gdp_per_population = country['gdp'] / country['population']
  country['gdp per population'] = gdp_per_population
  print(country)
  '''
        gdp       population    gdp per population
  korea   12345678  1000          ...
  china   1029283   100000        ...
  usa     28374663  7654          ...
  '''
  

• List, Dictionary를 사용해 데이터를 추가할 수 있다.
• NaN 컬럼을 추가할 수 있다.

  df = pd.DataFrame(column=['Name', 'Address', 'Age'])
  '''
  Name    Address   Age
  '''
  df.loc[0] = ['Dog', '서울', 29] # List로 DataFrame 추가
  '''
      Name    Address     Age
  0     Dog     서울          29
  '''
  df.loc[1] = {'Name':'Cat', 'Address':'대전', 30} # Dictionary로 DataFrame 추가
  '''
      Name    Address     Age
  0     Dog     서울          29
  1     Cat     대전          30
  '''
  df.loc[1, '이름'] = 'Kitty' # 데이터 변경
  '''
      Name    Address     Age
  0     Dog     서울          29
  1     Kitty   대전          30
  '''
  df['Contact'] = np.nan # 새로운 컬럼 추가 후 초기화
  '''
      Name    Address     Age      Contact
  0     Dog     서울          29      NaN
  1     Kitty   대전          30      NaN
  '''
  df.loc[0, 'Contact'] = '01012345678' # 초기값 변경
  '''
      Name    Address     Age      Contact
  0     Dog     서울          29      01012345678
  1     Kitty   대전          30      NaN
  '''
  

• DataFrame에서 drop 메서드로 컬럼을 삭제할 수 있다.

  df.drop('Contact', axis = 1, inplace=True)
  # axis = 1 : 열방향 삭제
  # axis = 0 : 행방향 삭제
  # inplace = True(원본삭제) / False(원본삭제하지 않는다.)