Pandas 기초 2편

1. dataframe

 

data table 전체를 나타내는 object

 

Series의 모임

 

row index 뿐만 아니라 column index도 가진다

 

각 column은 서로 다른 데이터 타입이 될 수 있다

 

기본적으로 “column_name:(data)” 형태의 dict type을 pd.DataFrame(dict,columns=[column명])에 넣어 만든다

 

그림1. dataframe을 만드는 기본적인 방법

 

columns=에 특정 column만 지정할 수도 있고 새로운 column을 추가할수도 있다

 

raw_data에서 넣고 싶지 않은 column은 지정하지 않으면 데이터프레임에 안들어간다

 

물론 raw_data에 data가 없는 column명을 넣을 수도 있는데 그러면 데이터프레임에 NaN 들어감

 

그림2. 데이터프레임 만들기 응용

 

데이터프레임에서 하나의 열만 선택하는 방법으로 df[(열이름)] 이나 df.(열이름)

 

Series로 추출

 

그림3. 데이터프레임에서 열 하나를 추출

 

 

2. location indexing

 

기본적으로 loc는 index name을 넣고 iloc는 index position number를 넣음

 

그림4. loc와 iloc 비교

 

loc는 indexname이 3인곳까지 출력함

 

iloc는 인덱스 넘버로 0,1,2까지 출력함

---------------------------------------------------------------------------------------------------------------------

 

column index도 당연히 loc의 경우는 index name으로 인덱싱해야함

 

그림5. 행 indexing과 열 indexing 비교

 

0,1,2만 뽑아야한다고 생각할 수 있는데 loc[:3]을 해서 0번 행부터 index name이 3인 행까지 가져온거

 

-------------------------------------------------------------------------------------------------------------------

 

iloc는 column index에 index name 쓰면 error남

 

그림6. index position이 1번인 행부터 쭈욱 가져온 모습

 

그림7. index position number가 아니라 index name을 써서 에러난 모습

 

3. create column

 

새로운 column으로 debt를 만들고 싶으면 df.debt = df.age>40 같이 column에 데이터를 그대로 할당 가능

 

그림8. debt 열을 만드는 예시

 

df.age>40인 instance에 대해 True를 debt에 넣고 <40이면 False를 debt에 넣고

 

------------------------------------------------------------------------------------------------------------------------------

 

그림9. sex column을 만들어 series 데이터를 할당

 

4. save dataframe to csv

 

df.T는 transpose 시키고 df.values는 모든 instance를 출력

 

df.to_csv()로 데이터프레임을 csv로 변환

 

그림10. 데이터프레임의 transpose, save 예시