[pandas] 데이터 조작 및 분석을 위한 python module - pandas

pandas에는 두 가지 데이터 타입이 있다

• Series : 1차원 자료구조.
• DataFrame : 2차원 자료구조.

pandas는 내부적으로 numpy array를 이용하고 있으므로 ndarray와 같이

같은 타입의 데이터만 저장이 가능하다.

pandas 데이터 타입은 숫자 인덱스 외에 별도로 문자 인덱스(지정인덱스)를 사용할 수 있다는 특징도 있다.

설치

conda install pandas 

1. Series

# ndarray
ndarr = np.array([1,2,3,4,5], dtype=np.float64)
print("ndarr : \n", ndarr)

# series
s = pd.Series([1,2,3,4,5], dtype=np.float64)
print("\n1. Series :\n", s)  # index와 value가 같이 출력된다.
print("\n2. s.values :\n", s.values)  # 인덱스를 제외한 값만 출력, ndarray
print("\n3. s.index :\n", s.index)  # pandas의 객체 RangeIndex 출력
print("\n4. s.dtype :\n", s.dtype)

출력 결과

ndarr : 
 [1. 2. 3. 4. 5.]

1. Series :
 0    1.0
1    2.0
2    3.0
3    4.0
4    5.0
dtype: float64

2. s.values :
 [1. 2. 3. 4. 5.]

3. s.index :
 RangeIndex(start=0, stop=5, step=1)

4. s.dtype :
 float64

지정 인덱스 사용하기

 s = pd.Series([1, 2, 3, 4, 5],
              dtype=np.float64,
              index=['one', 'two', 'three', 'four', 'five'])

print(s)

출력 결과

one      1.0
two      2.0
three    3.0
four     4.0
five     5.0
dtype: float64

지정인덱스를 문자열로 사용했을때는 숫자 인덱스(기존의 인덱스)는 그대로 사용이 가능하지만,
숫자로 지정했을때는 기존의 숫자 인덱스는 사용이 불가능하다.
지정인덱스에 같은 문자열을 지정하는 것도 가능하다.

---

숫자 인덱스와 지정 인덱스는 슬라이싱을 할 때 차이를 보인다.
숫자 인덱스로 슬라이싱을 할 때는 마지막 인덱스를 포함하지 않지만
지정 인덱스를 사용해 슬라이싱을 하면 마지막 인덱스까지 포함하여 결과를 반환한다.

print("1.\n", s[0:3])
print("\n2.\n", s['one':'three'])

출력 결과

1.
 one      1.0
two      2.0
three    3.0
dtype: float64

2.
 one      1.0
two      2.0
three    3.0
dtype: float64

---

boolean indexing과 fancy indexing 역시 가능하다.

s = pd.Series([1, 2, 3, 4, 5],
              dtype=np.float64,
              index=['one', 'two', 'three', 'four', 'five'])

# boolean indexing
print(s[s%2==0])

# fancy indexing
print(s[[0,2]])

출력결과

two     2.0
four    4.0
dtype: float64

one      1.0
three    3.0
dtype: float64

---

딕셔너리를 이용해서 시리즈를 생성할 수도 있다.
딕셔너리의 key가 지정 인덱스가 된다.

my_dict = {'서울': 1000,
           '인천': 500,
           '제주': 200}
s = pd.Series(my_dict)
display(s)

---

2. DataFrame

idols = {
    '그룹' : ['마마무', '에이핑크', '투피엠', '비투비'],
    '멤버수' : [4, 6, 6, 6],
    '데뷔년도' : ['2014', '2011', '2008', '2012']
}

df = pd.DataFrame(idols)
display(df)
print(df.shape)

print(df.values)
print(df.size)
print(df.ndim)
print(df.index)  # 행 인덱스
print(df.columns)  # 열 인덱스
print(df.columns[1])

[['마마무' 4 '2014']
 ['에이핑크' 6 '2011']
 ['투피엠' 6 '2008']
 ['비투비' 6 '2012']]
12
2
RangeIndex(start=0, stop=4, step=1)
Index(['그룹', '멤버수', '데뷔년도'], dtype='object')
멤버수

 

인덱스, 컬럼 이름 설정하기

df.index.name = '순서'
df.columns.name = '아이돌 정보'
df

 

DataFrame의 columns명과 index명 변경

-> rename()

inplace 옵션이 True이면 원본을 수정하고 복사본을 만들지 않는다.
inplace 옵션이 False면 원본은 그냥 두고 복사본을 만든다. False가 default

new_df = df.rename(columns={
    '그룹' : '그룹명'
}, index={
    0 : 1,
    1 : 2,
    2 : 3,
    3 :4
}, inplace=False)

display(new_df)
display(df)

특정 컬럼을 인덱스로 지정하기

-> set_index()

idols = {
    '그룹' : ['마마무', '에이핑크', '투피엠', '비투비'],
    '멤버수' : [4, 6, 6, 6],
    '데뷔년도' : ['2014', '2011', '2008', '2012'],
    '소속사' : ['rbw', 'ist', 'jyp', 'cube']
}

df = pd.DataFrame(idols)
display(df)

df.set_index('그룹', inplace=True)
display(df)

 

DataFrame을 만들때 columns속성으로 column이 나타날 순서를 지정할 수 있고,

index 속성으로 지정인덱스를 지정할 수 있다.

idols = {
    '그룹' : ['마마무', '에이핑크', '투피엠', '비투비'],
    '멤버수' : [4, 6, 6, 6],
    '데뷔년도' : ['2014', '2011', '2008', '2012'],
    '소속사' : ['rbw', 'ist', 'jyp', 'cube']
}

df = pd.DataFrame(idols,
                  columns=['소속사', '데뷔년도', '그룹', '멤버수'],
                  index=['1', '2', '3', '4'])
display(df)