[ Pandas ] Python의 pandas 라이브러리를 이용한 데이터분석의 기초 ( Series, DataFrame ) - (1) : 기본 개념

Pandas란?

출처 : https://wikidocs.net/32829

 

 

파이썬 초기 설치시에 아나콘다를 설치했기 때문에

Pandas 라이브러리가 설치되어있었다

 

Pandas의 특징으로는

 

고수준의 자료구조(Series, DataFrame)와

빠르고 쉬운 데이터 분석용 자료구조 및 함수를 제공

NumPy의 고성능 배열 계산 기능과 스프레드시트
SQL과 같은 RDMBS의 유연한 데이터 조작 기능

쉽게 데이터를 재배치하여 집계 등 처리의 편리함 등등이다.

 

 

 

 

Series

 

 

Series 객체의 특징을 몇가지 알아보자

 

1. 순서가 있는 Data type만 가능하다.

 

#먼저 pandas 라이브러리에 있는 Series 객체 사용을 위해 import를 한다

import pandas as pd
from pandas import Series

# Series는 일련의 객체를 담을 수 있는 1차원 배열과 같은 자료구조로 색인을 갖는다.
obj = Series([3,7,-5,4]) # List  O
# obj = Series((3,7,-5,4)) # Tuple  O
# obj = Series({3,7,-5,4}) # Set type은 시리즈로 쓸 수 없다 (순서가 없기에 인덱싱이 불가함)
print(obj,type(obj))

 

2. Pandas 함수로 연산을 하거나 값을 구할 수 있다.

 

obj2 = Series([3,7,-5,4], index=['a','b','c','d']) # 생성시 인덱스 지정 가능
print(obj2)
print(obj2.sum(), ' ', np.sum(obj2), ' ', sum(obj2)) # 순서대로 판다스함수, 넘파이함수, 파이썬함수
print(obj2.mean(), obj2.std()) # 동일하게 다른 판다스 함수도 사용가능

 

3. 인덱싱, 슬라이싱이 가능하다.

 

print(obj2[0], obj2['a'],obj2[['a']]) # 0번째로 써도 되고, 따로 인덱싱해준 문자열을 써줘도됨   # obj2[['a']] 이렇게 쓰면 'a'행을 불러옴
print(obj2[['a','b']]) # 여러 행을 불러옴 # Series type
print(obj2['a':'b']) # 범위지정해서 여러 행을 불러옴 # Series type
print(obj2[1:4])
print(obj2[[2,1]])
print(obj2>0)
print('a' in obj2) # boolean 리턴 있으면 True 없으면 False

 

4. Dict type으로 객체 생성이 가능하다.

 

1번에서 순서가 있는 Data type만

Series의 객체 생성에 사용가능하다고 했지만

 

예외로 Dict type도 가능하다.

생성시에 key값이 index의 역할을 하기 때문이다.

 

index의 이름은 변경이 가능하다

names = {'mouse': 5000, 'keyboard': 25000, 'monitor': 350000} # dict도 순서가 없지만 key값이 있기 때문에 Series객체로 생성가능함
obj3 = Series(names)
print(obj3)

obj3.index = ['마우스', '키보드','모니터'] # 키값을 바꿀수도 있음 (인덱스 변경)
print(obj3)

print()
obj3.name='상품가격' # Series의 name을 줄 수 있음
print(obj3)

 

 

 

 

 

DataFrame

 

 

표 모양(2차원 형태)의 자료구조로 여러 개의 칼럼을 갖는다.

(Series가 모인 형태)

각 칼럼은 서로 다른 종류의 값을 기억할 수 있다.

 

DataFrame 객체의 특징을 알아보자.

 

1. Series를 사용해서 객체 생성이 가능하다

 

# Series를 사용해서 객체 생성이 가능하다

names = {'mouse': 5000, 'keyboard': 25000, 'monitor': 350000} 
obj3 = Series(names) # Series 형태로 객체를 생성
obj3.name='상품가격' # 객체의 이름을 상품가격 이라고 설정

df = DataFrame(obj3) # Series를 사용해 DataFrame을 생성
print(df) # obj3.name이 열의 이름으로 쓰이고있음

 

2. 같은 길이의 리스트에 담긴 dict type의 데이터를 이용해 DataFrame 객체 생성이 가능하다
- 1번과 같은 맥락 

 

ex)   irum juso  nai
0  홍길동  역삼동   23
1  한국인  신당동   25

# 같은 길이의 리스트에 담긴 dict type의 데이터를 이용해 DataFrame 객체 생성.

data = {
    'irum':['홍길동', '한국인', '신기해', '공기밥', '한가해'],
    'juso':['역삼동', '신당동', '역삼동', '역삼동', '신사동'],
    'nai':[23, 25, 33, 30, 35],
}
print(data)

frame=pd.DataFrame(data)
print(frame, '\n',type(frame))

print(frame['irum'],type(frame['irum'])) # 원하는 열만 불러낸다
print(frame.irum, type(frame.irum)) # 위와 같다 (위를 더 많이 씀)

 

3. column의 순서를 변경하거나 index 지정이 가능하고

column을 새로 만들어서 value를 입력할 수 있다.

 

print(DataFrame(data, columns=['juso', 'irum', 'nai'])) # 열의 순서가 바뀜
print()
frame2=DataFrame(data, columns=['irum', 'juso', 'nai', 'tel'], index=['a','b','c','d','e']) # 열을 추가해서 만듬
print(frame2)

frame2['tel']='111-1111' # 모든 행에 입력
print(frame2)

val = Series(['222-2222', '333-2222', '444-2222', '555-2222'], # 덮어쓰기 이기 때문에 이전 입력한 111-1111 은 NaN 로 바뀜
             index=['b','c','d','e'] # 인덱스에 지정해서 value를 넣어줄 수도 있다
             )  # Series 객체로 만들어서 입력함
frame2['tel']= val
print(frame2)

 

4. 행,열 삭제와 정렬

그리고 잘라내기가 가능

 

print(frame2.T) # 행과 열 변경 (transpose)

print()
frame3 = frame2.drop('d') # 행방향 삭제 # axis=0 이 생략(기본값)
print(frame3)
frame4 = frame2.drop('tel', axis=1) # 열방향 삭제
print(frame4)

# index명 / 열 이름으로 정렬
print('----프레임2----')
print(frame2)
print('----행방향 내림차순----')
print(frame2.sort_index(axis=0,ascending=False))
print('----열방향 내림차순----')
print(frame2.sort_index(axis=1,ascending=False))
print()
print(frame2.rank(axis=0)) # 사전순으로 순위를 책정

print()
print(frame2['juso'].value_counts()) # 요소값의 갯수를 파악할 수 있다

print()
data={
    'juso':['강남구 역삼동','중구 신당동','강남구 대치동'],
    'inwon':[23,25,15]
}

fr = DataFrame(data)
print(fr)
result1=Series([x.split()[0] for x in fr.juso]) # 공백을 기준으로 '구'단위 [0] 를 뺌
result2=Series([x.split()[1] for x in fr.juso]) # 공백을 기준으로 '동'단위 [1] 를 뺌
print(result1) 
print(result2)

split(  ) 메소드를 사용해 잘라낸 결과

 

 

 

 

기본적인 특징들을 알아보았고

자세한 기능들은 다음 복습 포스팅에 적어보도록 함