Pandas

@Pandas

-구조화된 데이터의 처리를 지원하는 Python 라이브러리

-Python계의 엑셀

-고성능 Array 계산 라이브러리인 Numpy와 통합하여 강력한 스프레드시트 처리 기능 제공

-인덱싱, 연산용 함수, 전처리 함수 등을 제공

 

 

 

 

@Pandas의 구성

• Series

-DataFrame 중 하나의 Column에 해당하는 데이터의 모음 Object

 (Column 뿐만 아니라 Row도 가져올 수 있음)

 

Series

list_data = [5, 6, 7, 8, 9]
ex_obj = Series(data = list_data)
print(ex_obj)

Series(index = list_name) 이런 식으로 index 이름도 지정 가능

 

 

 

index 값도 핸들링 가능

 

 

 

-data index에 접근

ex_obj["a"]

 

 

-data index에 값 할당

ex_obj["a"] = 3.2
ex_obj

 

 

 

 

 

• DataFrame

 

-Data Table 전체를 포함하는 Object

-DataFrame은 기본적으로 2차원 Matrix 형태라고 가정

 

 

 

-dict 형태로 넣어줄 수도 있지만 잘 안 쓰임

 

In)

from pandas import Series, DataFrame
import pandas as pd
import numpy as np


# Example from - https://chrisalbon.com/python/pandas_map_values_to_values.html
raw_data = {'first_name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'],
        'last_name': ['Miller', 'Jacobson', 'Ali', 'Milner', 'Cooze'],
        'age': [42, 52, 36, 24, 73],
        'city': ['San Francisco', 'Baltimore', 'Miami', 'Douglas', 'Boston']}
df = pd.DataFrame(raw_data, columns = ['first_name', 'last_name', 'age', 'city'])
df

 

Out)

 

 

 

-Column 선택

 

In)

DataFrame(raw_data, columns = ["age", "city"])

 

Out)

 

 

 

-새로운 Column 추가

 

In)

DataFrame(raw_data, 
          columns = ["first_name","last_name","age", "city", "debt"]
         )

 

Out)

 

 

 

loc: index 이름

iloc: index number

 

In)

df.loc[1]

 

Out)

first_name        Molly
last_name      Jacobson
age                  52
city          Baltimore
debt                NaN
Name: 1, dtype: object

 

 

 

In)

df["age"].iloc[1:]

 

Out)

1    52
2    36
3    24
4    73
Name: age, dtype: int64

 

 

 

-Column에 새로운 데이터 할당

 자주 쓰임

 

In)

df.age > 40

 

Out)

0     True
1     True
2    False
3    False
4     True
Name: age, dtype: bool

bool 형태로 값 반환

 

 

 

새로운 데이터 할당

 

In)

df.debt = df.age > 40
df

 

Out)

debt 생성

 

 

 

-Transpose

 

In)

df.T

 

Out)

 

 

 

-값 출력

 

In)

df.values

 

Out)

array([['Jason', 'Miller', 42, 'San Francisco', True, 'M'],
       ['Molly', 'Jacobson', 52, 'Baltimore', True, 'F'],
       ['Tina', 'Ali', 36, 'Miami', False, nan],
       ['Jake', 'Milner', 24, 'Douglas', False, 'F'],
       ['Amy', 'Cooze', 73, 'Boston', True, nan]], dtype=object)

 

 

 

-csv 변환

 

In)

df.to_csv()

 

Out)

',first_name,last_name,age,city,debt,sex\n0,Jason,Miller,42,San Francisco,True,M\n1,Molly,Jacobson,52,Baltimore,True,F\n2,Tina,Ali,36,Miami,False,\n3,Jake,Milner,24,Douglas,False,F\n4,Amy,Cooze,73,Boston,True,\n'

 

 

 

 

-Column 삭제

 

In)

del df["debt"]
df

 

Out)