[데이터분석] 1. 판다스기초

 

 

 

 

판다스 자료구조 - Series¶

 

 

• 1차원 레이블링된 배열로, 일련의 값들을 가지고 있다.
• 인덱스와 값으로 구성
• 인덱스 : 각 값에 대한 고유한 식별자, 기본적으로 0부터 시작하는 정수 인덱스가 사용

 

 

series data 만들기¶

 

In [1]:

import pandas as pd

 

 

list를 series data로 만들기

 

In [2]:

customer=['a','b','c']
pd.Series(customer)

 

Out[2]:

0    a
1    b
2    c
dtype: object

 

 

dictionary를 series data로 만들기

 

In [3]:

customer_no_name={
    '10001':'홍인표',
    '10002':'김학동',
    '10003':'안은영',
    '10004':'고길동'
}
cust_info = pd.Series(customer_no_name)
cust_info

 

Out[3]:

10001    홍인표
10002    김학동
10003    안은영
10004    고길동
dtype: object

 

In [4]:

cust_info.index

 

Out[4]:

Index(['10001', '10002', '10003', '10004'], dtype='object')

 

In [5]:

cust_info.values

 

Out[5]:

array(['홍인표', '김학동', '안은영', '고길동'], dtype=object)

 

 

Series Data에서 특정 데이터 다루기¶

 

 

iloc : oc은 "integer location"의 줄임말로, 정수 기반의 인덱싱을 사용

• iloc은 정수 인덱스를 사용하거나 정수 인덱스를 슬라이싱하여 데이터에 접근

 

In [6]:

cust_info.iloc[1]

 

Out[6]:

'김학동'

 

In [8]:

cust_info.iloc[2:4]

 

Out[8]:

10003    안은영
10004    고길동
dtype: object

 

 

loc : "location"의 줄임말로, 인덱스 레이블을 사용하여 데이터에 접근하는데 사용

• 인덱스 레이블을 기준으로 데이터에 접근

 

In [9]:

cust_info.loc['10004']

 

Out[9]:

'고길동'

 

 

Series Data 붙이기 : concat¶

 

 

concat 함수는 여러 개의 Series를 축을 따라 연결하여 새로운 Series를 생성하는 데 사용

• 여러 개의 Series를 한 번에 연결할 수 있으며, axis 매개변수를 사용하여 연결 축을 지정

 

In [13]:

s1 = pd.Series([1, 2, 3])
s2 = pd.Series([4, 5, 6])

s_combined = pd.concat([s1, s2], axis=0)
print(s_combined)

 

 

0    1
1    2
2    3
0    4
1    5
2    6
dtype: int64

 

In [14]:

s1 = pd.Series([1, 2, 3])
s2 = pd.Series([4, 5, 6])

s_combined = pd.concat([s1, s2], axis=1)
print(s_combined)

 

 

   0  1
0  1  4
1  2  5
2  3  6

 

 

판다스 자료구조 - DataFrame¶

 

 

여러 개의 칼럼(Column)으로 구성된 2차원 형태의 자료구조

 

 

Series data를 이용하여 dataframe만들기¶

 

In [15]:

no1=pd.Series({'name':'a','phone':'1','score':100})
no2=pd.Series({'name':'b','phone':'2','score':90})
no3=pd.Series({'name':'c','phone':'3','score':80})

df=pd.DataFrame([no1,no2,no3])
df

 

Out[15]:

	name	phone	score
0	a	1	100
1	b	2	90
2	c	3	80

 

In [16]:

df=pd.DataFrame([no1,no2,no3],index=['101','102','102'])
df

 

Out[16]:

	name	phone	score
101	a	1	100
102	b	2	90
102	c	3	80

 

 

Dictionary를 이용하여 dataframe 만들기¶

 

In [70]:

df = pd.DataFrame([{'Name': '홍길동', 'Phone_no': '01011112222','1Q_point': 90}, 
                    {'Name': '김수진', 'Phone_no': '01012341234','1Q_point': 70},
                    {'Name':'홍길동', 'Phone_no': '01099998888','1Q_point': 22.5}])
df

 

Out[70]:

	Name	Phone_no	1Q_point
0	홍길동	01011112222	90.0
1	김수진	01012341234	70.0
2	홍길동	01099998888	22.5

 

In [78]:

df = pd.DataFrame([{'Name': '홍길동', 'Phone_no': '01011112222','1Q_point': 90}, 
                    {'Name': '김수진', 'Phone_no': '01012341234','1Q_point': 70},
                    {'Name':'홍길동', 'Phone_no': '01099998888','1Q_point': 22.5}],
                 index=['10001','10002','10003'])
df

 

Out[78]:

	Name	Phone_no	1Q_point
10001	홍길동	01011112222	90.0
10002	김수진	01012341234	70.0
10003	홍길동	01099998888	22.5

 

 

dataframe안의 데이터 다루기¶

 

In [21]:

df.iloc[0]

 

Out[21]:

Name                홍길동
Phone_no    01011112222
1Q_point           90.0
Name: 10001, dtype: object

 

In [23]:

df.loc['10001']

 

Out[23]:

Name                홍길동
Phone_no    01011112222
1Q_point           90.0
Name: 10001, dtype: object

 

In [25]:

df.iloc[0:2,0:1]

 

Out[25]:

	Name
10001	홍길동
10002	김수진

 

In [26]:

df.loc[:,['Name']]

 

Out[26]:

	Name
10001	홍길동
10002	김수진
10003	홍길동

 

 

data 삭제하기¶

 

 

df.drop(labels, axis=0, inplace=False)

labels : 삭제하고자 하는 행이나 열의 인덱스 또는 레이블
axis : 삭제할 대상이 행인지 열인지를 지정
inplace: 기본적으로 inplace=False로 설정되어 있으며, 원본 DataFrame을 변경하지 않고 새로운 DataFrame을 반환

 

In [32]:

df_copy = df.drop('10001')
df_copy

 

Out[32]:

	Name	Phone_no	1Q_point
10002	김수진	01012341234	70.0
10003	홍길동	01099998888	22.5

 

In [33]:

df_copy.drop(columns='1Q_point', inplace=True)
df_copy

 

Out[33]:

	Name	Phone_no
10002	김수진	01012341234
10003	홍길동	01099998888

 

 

열 이름 수정하기¶

 

In [35]:

df_1Q = df
df_1Q.rename(columns={'1Q_point':'Total_point'})

 

Out[35]:

	Name	Phone_no	Total_point
10001	홍길동	01011112222	90.0
10002	김수진	01012341234	70.0
10003	홍길동	01099998888	22.5

 

 

행 추가

pd.DataFrame([딕셔너리])

 

In [82]:

customer_4 = pd.DataFrame([{'Name': '김철수', 'Phone_no': '01011114444', '1Q_point': 46.5}])
df_copy=df.copy()
df_copy

 

Out[82]:

	Name	Phone_no	1Q_point
10001	홍길동	01011112222	90.0
10002	김수진	01012341234	70.0
10003	홍길동	01099998888	22.5

 

In [83]:

customer_4=pd.DataFrame(customer_4)
df_new = pd.concat([df_copy,customer_4], axis=0, ignore_index=True)
df_new

 

Out[83]:

	Name	Phone_no	1Q_point
0	홍길동	01011112222	90.0
1	김수진	01012341234	70.0
2	홍길동	01099998888	22.5
3	김철수	01011114444	46.5

 

 

Index 변경

reset_index() : df의 인덱스가 기본 정수 인덱스로 재설정된다.
set_index() : df의 특정열을 인덱스로 설정해준다.

 

In [84]:

df.index

 

Out[84]:

Index(['10001', '10002', '10003'], dtype='object')

 

In [85]:

df = df.reset_index()
df

 

Out[85]:

	index	Name	Phone_no	1Q_point
0	10001	홍길동	01011112222	90.0
1	10002	김수진	01012341234	70.0
2	10003	홍길동	01099998888	22.5

 

In [87]:

df=df.rename(columns={'index':'customerNo'})
df

 

Out[87]:

	customerNo	Name	Phone_no	1Q_point
0	10001	홍길동	01011112222	90.0
1	10002	김수진	01012341234	70.0
2	10003	홍길동	01099998888	22.5

 

In [90]:

df.loc[[2],['customerNo']]='10006'
df

 

Out[90]:

	customerNo	Name	Phone_no	1Q_point
0	10001	홍길동	01011112222	90.0
1	10002	김수진	01012341234	70.0
2	10006	홍길동	01099998888	22.5

 

In [91]:

df = df.set_index('customerNo')
df

 

Out[91]:

	Name	Phone_no	1Q_point
customerNo
10001	홍길동	01011112222	90.0
10002	김수진	01012341234	70.0
10006	홍길동	01099998888	22.5

 

In [ ]:

 

In [ ]: