• 판다스 Pandas

  • 리스트, 넘파이, 딕셔너리의 장점을 합친 것
  • 넘파이를 기반으로 처리속도가 빠르고, 이종 자료형의 열을 가진 테이블 데이터에 적합
  • 행, 열 데이터 조작 및 정렬 용이, 결측 데이터 처리 및 필터링 용이
  • pip install pandas를 통해 설치

• 판다스 기본 자료구조

• 시리즈 Series : 1차원 동일 자료형 배열

  • 같은 자료형이 들은 1차원 배열

• 데이터프레임 DataFrame : 복수의(다른 자료형) 열로 구성된 2차원 배열

  • 하나의 열을 시리즈로 갖는 자료구조 (series의 묶음)

• 시리즈 실전 예시

  

보이는 것은 2차원 처럼 보일 수 있지만,

10 20 30 40이 저장된 1차원 배열이다.

• **pd.Series(list, index = [a,b,c,d])**이런식으로 인덱스를 정수형이 아니라 key-value처럼 인덱스를 바꿀 수 있다!

  • Rangeindex가 아니라 인덱스 레이블을 지정할 수 있다.
  • 이 과정을 dictionary형태로 만들어 한번에 pd.Series(dictionary)로 선언할 수 있다.

  

• 데이터프레임 생성 예시

  

  이것 또한, 행과 열의 인덱스가 정수형임

  pd.DataFrame(np.zeros((4,3)), columns = classes) 이런식으로 선언해주면, classes에 해당하는 리스트로 인덱스레이블을 지정할 수 있다.

  이 과정도 DataFrame안의 변수를 dictionary형태로 만들어 선언할 수 있음

  

  각 열의 자료형이 같음

• 데이터프레임은 열 인덱스로 시리즈를 접근(열 우선!)

  

  한개의 열만 리턴된 값은 Series 데이터 타입이다.

  복수의 열을 갖고 오고 싶으면, df[’이름’,’수학’] ⇒ 복수의 열을 갖고 온 것이므로 DataFrame 데이터 타입이다.

• 특정 열 데이터 갱신

  • df[’영어’] = df[’영어] + 10 ⇒ 넘파이랑 비슷한 방식(브로드 캐스팅)

• 행 인덱싱 : 슬라이싱을 사용해야 함!

  • df[1:2] 이런식으로 슬라이싱을 사용하면 행에 대한 인덱스로 접근하는 것임
  • 개별 데이터 인덱싱
    • 열 선택후 행 인덱싱(df[’국어’][1]) 95 값만 출력(int타)
    • 행 선택후 열 인덱싱(df[1:2][’국어’]) → 1 95 정수형 인덱스와 값이 둘 다 출력(Series 타입)
  • 행 인덱스 레이블링
    • df = pd.DataFrame(dict, index = list) 이런식으로 선언해서 다른 자료형으로 행의 인덱스를 바꿈)
      • 그렇다고 해서 df[’변수’]를 불러오더라도(슬라이싱하지 않고 개별변수로 부르더라도) 열에 있는 변수들 중에서 찾지, 행에 있는 변수들에서 찾지 않음
        • 만약 변수가 열에 없다면 오류를 출력함

• 불리언 배열을 사용한 인덱싱

  

  • bool_index = df[’수학’] > 90 ⇒ bool_index는 False와 True값을 지닌 Series형태의 변수
  • 그 변수를 df안에 넣어서 출력하면 ⇒ true값을 지닌 행들의 정보를 출력함
  • df > 90로 지정하고 그 값을 df에 다시 넣어서 출력하면 ⇒ True값을 지닌 개별 데이터들의 정보를 출력함
    • NaN = Not a Number, 숫자가 아님 = 존재하지 않는 값

• 데이터프레임 인덱싱 요약

  

• 고급 인덱싱

  • loc : 레이블 기반의 2차원 인덱싱
    • df.loc[행 인덱싱 값], df.loc[행 인덱싱 값, 열 인덱싱 값] 이런식으로 구현 가능 + 행 리스트 접근도 가능
      • [문자1, 문자2]슬라이싱하면 정수 슬라이싱과 다르게 문자1부터 문자2까지 출력됌 (정수는 n-1까지인데)
    • iloc : 순서를 나타내는 정수 기반의 인덱싱 가능
      • ex) df.iloc[3][2] 3,2의 좌표에 접근!

• 판다스 csv파일 사용 예시 : read_csv()

  

  이런식으로 구현하면 됌
  

  • df.head() ⇒ 행 0부터 4번째까지만 출력 / df.head(N) ⇒ 행 0부터 N-1까지만 출력
  • df.tail()도 head와 같음
  • df.index ⇒ 행 출력, df.columns ⇒ 열 출력
  • df.describe() ⇒ 열에 대한 평균값, 최대값 등등을 보여줌
    • 출력이 데이터 프레임 타입임! 변수에 저장가능