시리즈 만들기¶
In [1]:
import pandas as pd
s = pd.Series(['banana', 42]) # 리스트 전달하여 시리즈 생성
print(s)
0 banana
1 42
dtype: object
In [2]:
# 시리즈 생성시 문자열을 인덱스로 지정 가능
s = pd.Series(['Wes Mckinney', 'Creator of Pandas'])
print(s)
0 Wes Mckinney
1 Creator of Pandas
dtype: object
In [3]:
s = pd.Series(['Wes Mckinney', 'Creator of Pandas'], index = ['Person', 'Who'])
print(s)
Person Wes Mckinney
Who Creator of Pandas
dtype: object
데이터프레임 만들기¶
In [5]:
# 딕셔너리를 data frame 클래스에 전달해야 함
scientists = pd.DataFrame({
'Name' : ['Rosaline Franklin', 'Wiliam Gosset'],
'Occupation' : ['Chemist', 'Statistician'],
'Born' : ['1920-07-25', '1876-06-13'],
'Died' : ['1958-04-19', '1937-10-16'],
'Age' : [37,61]})
print(scientists)
Name Occupation Born Died Age
0 Rosaline Franklin Chemist 1920-07-25 1958-04-19 37
1 Wiliam Gosset Statistician 1876-06-13 1937-10-16 61
In [6]:
# index 인자와 columns 인자를 사용해서 데이터 프레임 구성 가능
scientists = pd.DataFrame({
'Occupation' : ['Chemist', 'Statistician'],
'Born' : ['1920-07-25', '1876-06-13'],
'Died' : ['1958-04-19', '1937-10-16'],
'Age' : [37,61]},
index = ['Rosaline Franklin', 'Wiliam Gosset'],
columns = ['Occupation', 'Born', 'Age', 'Died'])
print(scientists)
Occupation Born Age Died
Rosaline Franklin Chemist 1920-07-25 37 1958-04-19
Wiliam Gosset Statistician 1876-06-13 61 1937-10-16
In [9]:
# 딕셔너리는 데이터의 순서를 보장하지 않는다. 그래서 OrderedDict 클래스를 사용해야 한다.
from collections import OrderedDict
scientists = pd.DataFrame(OrderedDict([
('Name' , ['Rosaline Franklin', 'Wiliam Gosset']),
('Occupation' , ['Chemist', 'Statistician']),
('Born' , ['1920-07-25', '1876-06-13']),
('Died' , ['1958-04-19', '1937-10-16']),
('Age' , [37,61])
]))
print(scientists)
Name Occupation Born Died Age
0 Rosaline Franklin Chemist 1920-07-25 1958-04-19 37
1 Wiliam Gosset Statistician 1876-06-13 1937-10-16 61
데이터프레임에서 시리즈 선택하기¶
In [11]:
scientists = pd.DataFrame({
'Occupation' : ['Chemist', 'Statistician'],
'Born' : ['1920-07-25', '1876-06-13'],
'Died' : ['1958-04-19', '1937-10-16'],
'Age' : [37,61]},
index = ['Rosaline Franklin', 'Wiliam Gosset'],
columns = ['Occupation', 'Born', 'Age', 'Died'])
print(scientists)
Occupation Born Age Died
Rosaline Franklin Chemist 1920-07-25 37 1958-04-19
Wiliam Gosset Statistician 1876-06-13 61 1937-10-16
In [13]:
# 시리즈를 선택하려면 과학자 이름인 인덱스를 전달하면 된다.
first_row = scientists.loc['Wiliam Gosset']
print(type(first_row))
<class 'pandas.core.series.Series'>
In [14]:
# 데이터프레임을 만들 때 age 열에 정수형 리스트를 전달해도 시리즈 출력해 보면 시리즈의 자료형을 오브젝트로 인식함
print(first_row)
Occupation Statistician
Born 1876-06-13
Age 61
Died 1937-10-16
Name: Wiliam Gosset, dtype: object
index, values, keys 사용하기¶
In [15]:
# index 속성 사용하기 - 시리즈의 인덱스
print(first_row.index)
Index(['Occupation', 'Born', 'Age', 'Died'], dtype='object')
In [16]:
# values 속성 사용하기 - 시리즈의 데이터
print(first_row.values)
['Statistician' '1876-06-13' 61 '1937-10-16']
In [17]:
# Keys 메서드 사용하기 - 속성 아님! index속성과 같은 역할을 함
print(first_row.keys())
Index(['Occupation', 'Born', 'Age', 'Died'], dtype='object')
In [18]:
# index 속성 응용하기
print(first_row.index[0])
Occupation
In [19]:
# keys 메서드 응용하기
print(first_row.keys()[0])
Occupation
시리즈의 mean, min, max, std 메서드 사용하기¶
In [20]:
ages = scientists['Age']
print(ages)
Rosaline Franklin 37
Wiliam Gosset 61
Name: Age, dtype: int64
In [22]:
print(ages.mean())
print(ages.min())
print(ages.max())
print(ages.std())
49.0
37
61
16.97056274847714
In [23]:
print(ages.describe())
count 2.000000
mean 49.000000
std 16.970563
min 37.000000
25% 43.000000
50% 49.000000
75% 55.000000
max 61.000000
Name: Age, dtype: float64
시리즈와 불린 추출 사용하기¶
In [24]:
# 인덱스를 모르는 경우가 더 많음 - 불린 추출 = 특정 조건을 만족하는 값만 추출 가능
scientists = pd.read_csv('C:/Users/USER/Doit/data/scientists.csv')
In [25]:
ages = scientists['Age']
print(ages.max())
90
In [26]:
print(ages.mean())
59.125
In [27]:
# 평균 나이보다 나이가 많은 사람의 데이터 추출
print(ages[ages > ages.mean()])
1 61
2 90
3 66
7 77
Name: Age, dtype: int64
In [28]:
print(ages > ages.mean()) # 해당 인덱스가 참인지 거짓인지 알 수 있다. 조건식을 만족한 값만 출력이 된다.
0 False
1 True
2 True
3 True
4 False
5 False
6 False
7 True
Name: Age, dtype: bool
In [30]:
# 참인 인덱스 번호가 전달이 되면 해당 데이터만 추출 가능 - 불린 추출
manual_bool_values = [True, True, False, False, True, True, False, True]
print(ages[manual_bool_values]) #시리즈가 인덱스 번호로
0 37
1 61
4 56
5 45
7 77
Name: Age, dtype: int64
시리즈와 브로드캐스팅¶
In [33]:
# 결과값이 여러개인 이유 - 시리즈나 데이터 프레임에 있는 모든 데이터에 대해 한 번에 연산하는 것 = 브로드캐스팅
# 시리즈처럼 여러 개의 값을 가진 데이터 = 벡터
# 단순 크기를 나타내는 데이터 = 스칼라
print(ages + ages) # 벡터끼리 연산 - 같은 길이의 베터 출력
print(ages * ages)
0 74
1 122
2 180
3 132
4 112
5 90
6 82
7 154
Name: Age, dtype: int64
0 1369
1 3721
2 8100
3 4356
4 3136
5 2025
6 1681
7 5929
Name: Age, dtype: int64
In [35]:
print(ages + 100) # 벡터에 스칼라 연산, 모든 값에 스칼라를 적용하여 브로드캐스팅한 결과
print(ages * 2)
0 137
1 161
2 190
3 166
4 156
5 145
6 141
7 177
Name: Age, dtype: int64
0 74
1 122
2 180
3 132
4 112
5 90
6 82
7 154
Name: Age, dtype: int64
In [36]:
# 서로 길이가 다른 벡터 연산 - 누락값 NaN 발생
print(pd.Series([1,100]))
0 1
1 100
dtype: int64
In [37]:
print(ages + pd.Series([1,100]))
0 38.0
1 161.0
2 NaN
3 NaN
4 NaN
5 NaN
6 NaN
7 NaN
dtype: float64
In [38]:
# sort_index 메서드
# ascending = False 데이터 역순
rev_ages = ages.sort_index(ascending = False)
print(rev_ages)
7 77
6 41
5 45
4 56
3 66
2 90
1 61
0 37
Name: Age, dtype: int64
In [39]:
# 인덱스가 일치하는 값끼리 연산을 하였음.
print(ages * 2)
print(rev_ages + ages)
0 74
1 122
2 180
3 132
4 112
5 90
6 82
7 154
Name: Age, dtype: int64
0 74
1 122
2 180
3 132
4 112
5 90
6 82
7 154
Name: Age, dtype: int64
데이터프레임과 불린 추출¶
In [40]:
print(scientists[scientists['Age'] > scientists['Age'].mean()])
Name Born Died Age Occupation
1 William Gosset 1876-06-13 1937-10-16 61 Statistician
2 Florence Nightingale 1820-05-12 1910-08-13 90 Nurse
3 Marie Curie 1867-11-07 1934-07-04 66 Chemist
7 Johann Gauss 1777-04-30 1855-02-23 77 Mathematician
In [49]:
scientists = pd.read_csv('C:/Users/USER/Doit/data/scientists.csv')
# bool 벡터의 길이가 데이터프레임의 행 길이보다 짧으면 bool 벡터의 길이만큼만 연산한다.
# 참, 거짓을 담은 리스트 bool 벡터
print(scientists.loc[[True, True, False, True, False, True, False, True]])
Name Born Died Age Occupation
0 Rosaline Franklin 1920-07-25 1958-04-16 37 Chemist
1 William Gosset 1876-06-13 1937-10-16 61 Statistician
3 Marie Curie 1867-11-07 1934-07-04 66 Chemist
5 John Snow 1813-03-15 1858-06-16 45 Physician
7 Johann Gauss 1777-04-30 1855-02-23 77 Mathematician
데이터프레임과 브로드캐스팅¶
In [51]:
# 데이터프레임에 스칼라 연산 적용하기
print(scientists *2) # 정수 데이터 2를 곱한 숫자, 문자열 데이터 문자열 2배 증가
Name Born \
0 Rosaline FranklinRosaline Franklin 1920-07-251920-07-25
1 William GossetWilliam Gosset 1876-06-131876-06-13
2 Florence NightingaleFlorence Nightingale 1820-05-121820-05-12
3 Marie CurieMarie Curie 1867-11-071867-11-07
4 Rachel CarsonRachel Carson 1907-05-271907-05-27
5 John SnowJohn Snow 1813-03-151813-03-15
6 Alan TuringAlan Turing 1912-06-231912-06-23
7 Johann GaussJohann Gauss 1777-04-301777-04-30
Died Age Occupation
0 1958-04-161958-04-16 74 ChemistChemist
1 1937-10-161937-10-16 122 StatisticianStatistician
2 1910-08-131910-08-13 180 NurseNurse
3 1934-07-041934-07-04 132 ChemistChemist
4 1964-04-141964-04-14 112 BiologistBiologist
5 1858-06-161858-06-16 90 PhysicianPhysician
6 1954-06-071954-06-07 82 Computer ScientistComputer Scientist
7 1855-02-231855-02-23 154 MathematicianMathematician
열의 자료형 바꾸기와 새로운 열 추가하기¶
In [52]:
print(scientists['Born'].dtype)
object
In [53]:
print(scientists['Died'].dtype)
object
In [54]:
# 날짜를 문자열로 저장한 데이터는 시간 관련 작업을 할 수 있도록 datetime 자료형으로 바꾸는 것이 좋음
# to_datetime
born_datetime = pd.to_datetime(scientists['Born'],format = '%Y-%m-%d')
print(born_datetime)
0 1920-07-25
1 1876-06-13
2 1820-05-12
3 1867-11-07
4 1907-05-27
5 1813-03-15
6 1912-06-23
7 1777-04-30
Name: Born, dtype: datetime64[ns]
In [55]:
died_datetime = pd.to_datetime(scientists['Died'],format = '%Y-%m-%d')
print(died_datetime)
0 1958-04-16
1 1937-10-16
2 1910-08-13
3 1934-07-04
4 1964-04-14
5 1858-06-16
6 1954-06-07
7 1855-02-23
Name: Died, dtype: datetime64[ns]
In [59]:
scientists['born_dt'], scientists['died_dt'] = (born_datetime, died_datetime)
print(scientists.head())
print(scientists.shape)
Name Born Died Age Occupation born_dt \
0 Rosaline Franklin 1920-07-25 1958-04-16 37 Chemist 1920-07-25
1 William Gosset 1876-06-13 1937-10-16 61 Statistician 1876-06-13
2 Florence Nightingale 1820-05-12 1910-08-13 90 Nurse 1820-05-12
3 Marie Curie 1867-11-07 1934-07-04 66 Chemist 1867-11-07
4 Rachel Carson 1907-05-27 1964-04-14 56 Biologist 1907-05-27
died_dt
0 1958-04-16
1 1937-10-16
2 1910-08-13
3 1934-07-04
4 1964-04-14
(8, 7)
In [60]:
scientists['age_days_dt'] = (scientists['died_dt'] - scientists['born_dt'])
print(scientists)
Name Born Died Age Occupation \
0 Rosaline Franklin 1920-07-25 1958-04-16 37 Chemist
1 William Gosset 1876-06-13 1937-10-16 61 Statistician
2 Florence Nightingale 1820-05-12 1910-08-13 90 Nurse
3 Marie Curie 1867-11-07 1934-07-04 66 Chemist
4 Rachel Carson 1907-05-27 1964-04-14 56 Biologist
5 John Snow 1813-03-15 1858-06-16 45 Physician
6 Alan Turing 1912-06-23 1954-06-07 41 Computer Scientist
7 Johann Gauss 1777-04-30 1855-02-23 77 Mathematician
born_dt died_dt age_days_dt
0 1920-07-25 1958-04-16 13779 days
1 1876-06-13 1937-10-16 22404 days
2 1820-05-12 1910-08-13 32964 days
3 1867-11-07 1934-07-04 24345 days
4 1907-05-27 1964-04-14 20777 days
5 1813-03-15 1858-06-16 16529 days
6 1912-06-23 1954-06-07 15324 days
7 1777-04-30 1855-02-23 28422 days
시리즈, 데이터프레임의 데이터 섞어보기¶
In [61]:
print(scientists['Age'])
0 37
1 61
2 90
3 66
4 56
5 45
6 41
7 77
Name: Age, dtype: int64
In [62]:
# 섞으려면 랜덤 라이브러리 불러와야 함
import random
random.seed(42)
random.shuffle(scientists['Age'])
print(scientists['Age'])
0 66
1 56
2 41
3 77
4 90
5 45
6 37
7 61
Name: Age, dtype: int64
C:\Users\USER\anaconda3\lib\random.py:362: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
x[i], x[j] = x[j], x[i]
데이터프레임의 열 삭제하기¶
In [63]:
print(scientists.columns)
Index(['Name', 'Born', 'Died', 'Age', 'Occupation', 'born_dt', 'died_dt',
'age_days_dt'],
dtype='object')
In [64]:
# drop 메소드 사용
# 첫번째 인자에 열 이름을 리스트에 담아 전달하고 두번째 인자에는 axis = 1 전달
scientists_dropped = scientists.drop(['Age'],axis = 1)
print(scientists_dropped.columns)
Index(['Name', 'Born', 'Died', 'Occupation', 'born_dt', 'died_dt',
'age_days_dt'],
dtype='object')
피클 형식으로 저장하기¶
In [ ]:
# 데이터를 바이너리 형태로 직렬화한 오브젝트 저장방법
# 스프레드시트보다 더 작은 용량으로 데이터 저장 가능
# 시리즈, 데이터 프레임 모두 피클 형식으로 저장 가능
names = scientists['Name']
# names.to_pickle('')
CSV 불러오기¶
In [ ]:
# to_csv
import xlwt names_df.to_excel()
import openyxl names_df.to_excel()
'Data Analysis > 완독연습' 카테고리의 다른 글
| 🏄♂[Do it! Pandas] 04 그래프 그리기 (0) | 2022.03.31 |
|---|---|
| 🏄♂[Do it! Pandas] 02 판다스 시작하기 (0) | 2022.03.30 |
댓글