판다스 시작

판다스 기본 기능들

 

data = pd.read_csv('C:\study\workspace_python\pdsample/num.txt',header=None)

 

판다스 데이터 불러오기

header를 설정하지 않고 txt파일을 읽어오게 되면 txt 파일의 첫 번째 줄이 header가 되어서 나타남.

따라서 header 자동 설정을 풀어줘야 하는데, 파라미터 header의 매개변수에 None 인자를 넣으면 됨.

#칼럼 열
print(data[0])
print(type(data[0]))

#행
print(data.iloc[0])
type(data.iloc[0])

 

열과 행 모두 Series를 반환한다.

이를 통해 데이터 프레임은 여러 Series의 묶음임을 알 수 있다.

 

data = pd.read_csv("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/tips.csv")

 

인터넷에 있는 데이터를 긁어올 때 read_csv로 긁어올 수 있다.

 

data.info()

 

데이터 프레임에 대한 정보를 얻을 수 있다.

(데이터의 개수, 칼럼의 개수, 데이터 타입 정보, null 값의 개수 등을 알 수 있다.)

 

data.head()
data.tail()
data.head(10)
data.tail(10)

 

데이터 앞의 5개 정보를 보려면 head() 사용

뒤 5개를 보려면 tail() 사용

head와 tail 안에 인자를 설정하면 보이는 데이터 개수를 설정할 수 있다.

 

data.sample()
data.sample(10)

 

데이터를 랜덤으로 하여 보여주는 기능이 있다. sample() 도 마찬가지로 인자 값을 설정하면 랜덤으로 보이는 데이터의 개수를 설정할 수 있다.

 

data.values #데이터만 가져온다.
data.index #인덱스를 가져온다.
data.columns #데이터의 컬럼들을 가져온다.

 

데이터 프레임의 value와 index 그리고 칼럼들을 확인할 수 있다.

 

본격 데이터 프레임 인덱싱

 

data.iloc[3]
data.iloc[0:5] #Slicing
data.iloc[[0,3,5]] #Fancy
data.iloc[0,4] #comma
data.iloc[:,[0,3,5]] #Slicing & Fancy

 

comma를 사용하기 전에는 행만 가져옴.

comma를 사용하여 행과 열을 특정지어서 가져오기 가능 (이때 ':' 사용 가능)

*iloc는 인덱스를 이용해서 데이터 값을 가져오는 것!

 

data['tip'] #열 1개
data[['tip','day']] #열 여러 개는 안에 리스트로 받아서

 

열을 한 개 가져올 때는 이름만 적는다. -> Series로 반환

열을 여러 개 가져올 때는 리스트로 받는다. -> df로 반환

 

 

data['tip']
data[['tip']] #Fancy 가능

 

Fancy로 인덱싱을 할 시 칼럼을 하나만 집어 넣어도 데이터 프레임으로 리턴한다.

 

data.loc[:,'tip'] #comma
data.loc[:,'tip':'time'] #slicing
data.loc[:,['tip','day','time']] #fancy

 

특정 행과 특정 열을 가져올 때,

loc는 열의 이름을 통해서 가져올 수 있게 해준다.

 

at

 

data.at[0,'tip'] # == data.loc[0,'tip']

 

하나의 값만 가져오는 게 가능하다.

slicing 사용이 불가능하다.

 

iat

 

data.iat[0,1]

 

인덱스로만 가져온다.

그러나 slicing 사용하지 못한다.

 

boolean indexing

 

data.tip>5
data['tip'] >= 5

 

True/False의 결과값을 가지는 Series를 가져온다.

 

data[data['tip'] >= 5]
data[data.tip>5]

 

True/False를 가지고 있는 시리즈를 data에 넣으면 True인 값만 반환한다.

전체 데이터 프레임을 반환해줌

 

data[data['tip']>5]['tip']
data[data['tip']>5].sex
data[data['tip']>=5][['tip','day']]

 

어떤 조건하의 데이터 프레임 중에서 특정 열을 추출하고 싶을 때 위의 코드처럼 사용

 

data[data['tip']>=5].loc[:,'tip':'size']
data[data['tip']>5].iloc[:,1:5]

 

loc,iloc와 혼합해서 사용할 수 있음

 

data[(data['day']=="Sun") | (data['day'] == "Sat")][['tip','day']]
a['day'].unique()

 

조건에 맞았는지 맞지 않았는지 unique로 확인하기

 

rename()

 

data.size

 

size 컬럼 데이터를 가져오고 싶었는데, python size 함수가 이미 존재한다.

size 함수는 요소의 개수를 세는 함수이므로 컬럼 데이터를 가져오는 게 아니라 요소의 개수를 가져온다.

따라서 이름을 바꿔줘야 한다.

 

#mapper는 dic같은 것
data.rename(mapper={'size': 'size_'}, axis = 1, inplace = True)
#columns 매개변수도 같은 기능
data.rename(columns={'size': 'size_'}, axis = 1, inplace = True)

 

shift + tab을 누르면 매개변수에 mapper가 존재한다.

mapper는 dic 형식으로 사용한다.

그 이외에 axis, inplace 매개변수 존재.

 

category

 

data['sex']= data['sex'].astype('category')
data.info()

 

category 데이터 타입으로 sex를 바꾸면, info를 통해서 확인하면 object 타입이었던 것이 category로 바뀌어 있는 것을 확인할 수 있다.

 

데이터 타입을 바꿀 때는 astype(<바꿀 데이터 타입>)을 이용한다.