chapter 1 : 04 데이터 핸들링 - 판다스 (p.39~)

판다스 (Pandas)

 

1. 판다스 시작 - 파일을 DataFrame으로 로딩, 기본 API

 

1) 타이타닉 탑승자 데이터 파일 불러오기

https://www.kaggle.com/c/titanic/data

위의 사이트에 들어가서 train.csv를 다운 받은 후 쥬피터 노트북에 업로드하면 된다

Titanic - Machine Learning from Disaster | Kaggle

 

read_csv : csv뿐 아니라 어떤 필드 구분 문자 기반의 파일 포맷도 DataFrame으로 변환 가능

read_csv('파일명', sep = '\t') 

read_csv('파일명') -> sep인자를 생략하면 자동으로 콤마 할당

DataFrame.head(N) : 맨 앞 N개의 로우를 반환

import pandas as pd

titanic_df = pd.read_csv('train.csv')
titanic_df.head(3) #맨 앞의 3개 row만 반환

 

2)  shape

: shape는 DataFrame의 행과 열을 튜플 형태로 반환

 

3) info()

: info()를 통해 총 데이터 건수와 데이터 타입, Null 건수를 알 수 있음

 

4) describe()

describe()는 오직 숫자형 칼럼의 분포도만 조사하며 object 타입의 칼럼은 출력에서 제외

describe() 는 해당 숫자 칼럼이 숫자형 카테고리 칼럼인지 판단할 수 있게 도와줌

 

5) value_counts()

: 지정된 칼럼의 데이터 값 건수를 많은 건수 순서대로 정렬되어 값을 반환

 

6) 

DataFrane의 [] 연산자 내부에 칼럼명을 입력하면 해당 Series 객체를 반환

series는 인덱스와 하나의 칼럼으로 구성된 데이터셋

-> head()를 해보면 인덱스와 해당하는 series의 데이터 값을 보여줌

 

values_count는 series 객체에서만 정의되며, values_count가 반환하는 데이터 타입 역시 series 객체임

이때 반환된 series 객체의 값은 왼쪽에는 인덱스, 오른쪽이 데이터 값인데 이번에는 인덱스가 0부터 시작하지 않음

-> 인덱스는 고유성이 보장된다면 의미 있는 데이터값도 할당 가능

 

2. DataFrame과 리스트, 딕셔너리 넘파이 ndarray 상호 변환 

 

1) 넘파이 ndarray, 리스트, 딕셔너리 → DataFrame

import numpy as np

col_name1 =['col1']
list1 = [1, 2, 3]
array1 = np.array(list1)
print('array1 shape:', array1.shape)

# output

array1 shape: (3,)

#리스트를 이용해 DataFrame 생성
df_list1 = pd.DataFrame(list1, columns = col_name1)
print('1차원 리스트로 만든 DataFrame:\n', df_list1)

 

 

1차원 형태의 데이터를 기반으로 DataFrame을 생성하므로 칼럼명은 1개만 필요

#넘파이 ndarray를 이용해 DataFrame 생성
df_array1 = pd.DataFrame(array1, columns = col_name1)
print('1차원 ndarray로 만든 DataFrame:\n', df_array1)

# output

1차원 리스트로 만든 DataFrame:
    col1
0     1
1     2
2     3

 

 

2행 3열 형태의 리스트와 ndarray기반으로 DataFrame을 생성하므로 칼럼명은 3개 필요

col_name2 = ['col1', 'col2', 'col3']

list2 =[[1, 2, 3],
        [11,12,13]]
array2 = np.array(list2)
print('array2 shape:', array2.shape)

#output

array2 shape: (2, 3)

 

df_list2 = pd.DataFrame(list2, columns = col_name2)
print('2차원 리스트로 만든 DataFrame:\n', df_list2)
df_array2 = pd.DataFrame(array2, columns = col_name2)
print('2차원 ndarray로 만든 DataFrame:\n', df_array2)

# output

2차원 리스트로 만든 DataFrame:
    col1  col2  col3
0     1     2     3
1    11    12    13
2차원 ndarray로 만든 DataFrame:
    col1  col2  col3
0     1     2     3
1    11    12    13

 

 

딕셔너리의 키는 칼럼며으로, 딕셔너리의 값(value)는 키에 해당하는 칼럼데이터로 변환

# key -> 칼럼명, value -> 리스트 형 칼럼 데이터로 매핑
dict = {'col1': [1, 11], 'col2': [2, 22], 'col3': [3,33]}
df_dict = pd.DataFrame(dict)
print('딕셔너리로 만든 DataFrame:\n', df_dict)

 

# output

딕셔너리로 만든 DataFrame:
    col1  col2  col3
0     1     2     3
1    11    22    33

 

2)  DataFrame → 넘파이 ndarray, 리스트, 딕셔너리

- ndarray로 변환 시 values를 이용

 

- 리스트로 변환시 values로 얻은 ndarray에 tolist()를 호출

 

- 딕셔너리로 변환 시 DataFrame의 to_dict()를 호출

: to_dict()의 인자로 list를 입력하면 딕셔너리 값이 리스트형으로 반환

 

3. DataFrame의 칼럼 데이터 세트 생성과 수정

 

1) 생성

: [ ] 내에 새로운 칼럼명을 입력하고 값을 할당

 

- 기존 칼럼 series의 데이터를 이용해 새로운 칼럼 series생성 가능

: 새로운 칼럼 Age_by_10과 Family_No가 새롭게 추가된 것을 볼 수 있음

2) 삭제 -  drop()

drop() 메소드 원형 : 

drop(labels = None, axis = 0, index = None, columns = None, level = None, inplace = False, errors = 'raise')

 

 

① axis 파라미터

: axis = 0 은 로우 방향 축, axis = 1은 칼럼 방향 축

 

 DataFrame.drop('원하는 칼럼명', axis = 1) -> 지정된 칼럼을 드롭

 

② inplace 파라미터

 

inplace = True

: 자신의 DataFrame의 데이터를 삭제 → 원본 DataFrame에 드롭된 결과를 적용할 경우

: drop()시 inplace = True로 설정하면 반환 값이 None이 되므로, inplace = True로 설정한 채 반환 값을 다시 자신의 DataFrame 객체로 할당하면 안됨

 

inplace = False

: 자기 자신의 DataFrame의 데이터는 삭제하지 않고, 삭제된 결과 DataFrame을 반환

→ 원본 DataFrame은 유지하고 드롭된 DataFrame을 새롭게 객체 변수로 받고 싶은 경우

 

 

 

4. Index 객체

 

1) Index

판다스의 Index객체는 DataFrame, Series의 레코드를 고유하게 식별하는 객체임

DataFrame.index 또는 Series.index를 통해 인덱스 객체만 추출 가능

# output

RangeIndex(start=0, stop=891, step=1)
Index 객체 array 값:
 [  0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17
  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35
  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53
  54  55  56  57  58  59  60  61  62  63  64  65  66  67  68  69  70  71
  72  73  74  75  76  77  78  79  80  81  82  83  84  85  86  87  88  89
  90  91  92  93  94  95  96  97  98  99 100 101 102 103 104 105 106 107
 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215
 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233
 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251
 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269
 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287
 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305
 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323
 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341
 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359
 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377
 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395
 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413
 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431
 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449
 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467
 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485
 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503
 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521
 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539
 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557
 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575
 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593
 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611
 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629
 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647
 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665
 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683
 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701
 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719
 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737
 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755
 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773
 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791
 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809
 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827
 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845
 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863
 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881
 882 883 884 885 886 887 888 889 890]

 

Index객체는 식별성 데이터를 1차원 array로 가지고 있으며, ndarray와 유사하게 단일 값 반환 및 슬라이싱이 가능함

 

하지만 한 번 만들어진 DataFrame 및  Series의 Index 객체는 함부로 변경할 수 없다

indexes[0] = 5 를 수행 시 TypeError가 발생함

 

2) reset_index()

reset_index()는 새롭게 인덱스를 연속 숫자형으로 할당하며 기존 인덱스는 'index'라는 새로운 칼럼명으로 추가됨

-> reset_index()는 인덱스가 연속된 int 숫자형 데이터가 아닐 경우 다시 이를 연속 int 숫자형 데이터로 만들 때 주로 사용

 

방금 전 예시에서 Pclass 칼럼의 value_counts()를 수행하면 Pclass의 고유값이 식별자 인덱스 역할을 했는데, 이 때 연속 숫자형 인덱스가 고유 식별자로 더 적합한 경우 reset_index()를 이용하자!

(Series에 reset_index를 적용하면 Series가 아닌 DataFrame이 반환됨을 주의하자)

 

reset_index()의 파라미터 중 drop = True로 설정하면 기존 인덱스는 새로운 칼럼으로 추가되지 않고 드롭됨

 

 

5. 데이터 셀렉션 및 필터링