행 인덱스/ 열 이름 설정¶
In [2]:
import pandas as pd
import numpy as np
index = 행 인덱스 배열, columns = 열 이름 배열¶
In [25]:
df = pd.DataFrame([[15, '남', '덕영중'], [17, '여', '수리중']], index = ['준서', '예은'], columns = ['나이', '성별', '학교'])
In [26]:
print(df)
나이 성별 학교 준서 15 남 덕영중 예은 17 여 수리중
행 / 열 이름 변경¶
In [34]:
df.index = ['학생1', '학생2']
df.columns = ['연령', '남녀', '소속']
In [35]:
print(df)
연령 남녀 소속 학생1 15 남 덕영중 학생2 17 여 수리중
In [29]:
# 나이-> 연령, 성별-> 남녀, '학교'-> 소속
# 준서-> 학생1, 예은-> 학생2
df.rename(columns={'나이':'연령', '성별':'남녀', '학교':'소속'}, inplace=True)
df.rename(index={'준서':'학생1', '예은': '학생2'}, inplace=True)
In [30]:
print(df)
연령 남녀 소속 학생1 15 남 덕영중 학생2 17 여 수리중
행/ 열 삭제¶
In [33]:
exam_data = {'수학': [90, 80, 70], '영어': [98, 89, 95], '음악': [85, 95, 100], '체육': [100, 90, 90]}
df = pd.DataFrame(exam_data, index = ['서준', '우현', '인아'])
print(df)
수학 영어 음악 체육 서준 90 98 85 100 우현 80 89 95 90 인아 70 95 100 90
행 삭제 -> axis = 0 or 별도로 입력하지 않아도 됨¶
In [34]:
df2 = df[:]
df2.drop('우현', inplace=True)
print(df2)
수학 영어 음악 체육 서준 90 98 85 100 인아 70 95 100 90
C:\Users\for\AppData\Local\Temp\ipykernel_24256\2087369725.py:2: 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
df2.drop('우현', inplace=True)
In [35]:
df3 = df[:]
df3.drop(['우현', '인아'], inplace=True)
print(df3)
수학 영어 음악 체육 서준 90 98 85 100
C:\Users\for\AppData\Local\Temp\ipykernel_24256\864553166.py:2: 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 df3.drop(['우현', '인아'], inplace=True)
열 삭제 -> axis=1¶
In [36]:
df4 = df.copy()
df4.drop('수학', axis=1, inplace=True)
print(df4)
영어 음악 체육 서준 98 85 100 우현 89 95 90 인아 95 100 90
In [37]:
df5 = df.copy()
df5.drop(['영어', '음악'], axis = 1, inplace=True)
print(df5)
수학 체육 서준 90 100 우현 80 90 인아 70 90
행 선택¶
In [38]:
label1 = df.loc['서준']
print(label1, '\n')
position1 = df.iloc[0]
print(position1)
수학 90 영어 98 음악 85 체육 100 Name: 서준, dtype: int64 수학 90 영어 98 음악 85 체육 100 Name: 서준, dtype: int64
In [39]:
label2 = df.loc[['서준', '우현']]
position2 = df.iloc[[0,1]]
print(label2, '\n', position2)
수학 영어 음악 체육
서준 90 98 85 100
우현 80 89 95 90
수학 영어 음악 체육
서준 90 98 85 100
우현 80 89 95 90
In [40]:
label3 = df.loc['서준':'우현']
position3 = df.iloc[0:1]
print(label3, ' \n', position3)
수학 영어 음악 체육
서준 90 98 85 100
우현 80 89 95 90
수학 영어 음악 체육
서준 90 98 85 100
열 선택¶
In [44]:
exam_data = {'이름' : ['서준', '우현', '인아'], '수학': [90, 80, 70], '영어': [98, 89, 95], '음악': [85, 95, 100], '체육': [100, 90, 90]}
df = pd.DataFrame(exam_data)
print(df)
print(type(df))
이름 수학 영어 음악 체육 0 서준 90 98 85 100 1 우현 80 89 95 90 2 인아 70 95 100 90 <class 'pandas.core.frame.DataFrame'>
In [45]:
math1 = df['수학']
print(math1)
print(type(math1))
0 90 1 80 2 70 Name: 수학, dtype: int64 <class 'pandas.core.series.Series'>
In [46]:
english = df.영어
print(english)
print(type(english))
0 98 1 89 2 95 Name: 영어, dtype: int64 <class 'pandas.core.series.Series'>
In [47]:
music_gym = df[['음악', '체육']]
print(music_gym)
print(type(music_gym))
음악 체육 0 85 100 1 95 90 2 100 90 <class 'pandas.core.frame.DataFrame'>
In [48]:
math2 = df[['수학']]
print(math2)
print(type(math2))
수학 0 90 1 80 2 70 <class 'pandas.core.frame.DataFrame'>
원소 선택¶
In [49]:
exam_data = {'이름' : ['서준', '우현', '인아'], '수학': [90, 80, 70], '영어': [98, 89, 95], '음악': [85, 95, 100], '체육': [100, 90, 90]}
df = pd.DataFrame(exam_data)
df.set_index('이름', inplace=True)
print(df)
수학 영어 음악 체육 이름 서준 90 98 85 100 우현 80 89 95 90 인아 70 95 100 90
In [50]:
a = df.loc['서준', '음악']
print(a)
b = df.iloc[0, 2]
print(b)
85 85
In [51]:
c = df.loc['서준', ['음악', '체육']]
print(c)
음악 85 체육 100 Name: 서준, dtype: int64
In [52]:
d = df.iloc[0, [2,3]]
print(d)
음악 85 체육 100 Name: 서준, dtype: int64
In [53]:
e = df.loc['서준', '음악': '체육']
print(e)
음악 85 체육 100 Name: 서준, dtype: int64
In [54]:
f = df.iloc[0, 2:]
print(f)
음악 85 체육 100 Name: 서준, dtype: int64
열 추가¶
기존 열과 중복되는 경우 기존 열의 원소값을 변경¶
In [65]:
exam_data = {'이름' : ['서준', '우현', '인아'], '수학': [90, 80, 70], '영어': [98, 89, 95], '음악': [85, 95, 100], '체육': [100, 90, 90]}
df = pd.DataFrame(exam_data)
In [67]:
df['국어'] = 80
print(df)
이름 수학 영어 음악 체육 국어 0 서준 90 98 85 100 80 1 우현 80 89 95 90 80 2 인아 70 95 100 90 80
행 추가¶
기존 인덱스와 중복되는 경우 기존 행의 원소값을 변경¶
In [68]:
exam_data = {'이름' : ['서준', '우현', '인아'], '수학': [90, 80, 70], '영어': [98, 89, 95], '음악': [85, 95, 100], '체육': [100, 90, 90]}
df = pd.DataFrame(exam_data)
print(df)
이름 수학 영어 음악 체육 0 서준 90 98 85 100 1 우현 80 89 95 90 2 인아 70 95 100 90
In [69]:
df.loc[3] = 0
print(df)
이름 수학 영어 음악 체육 0 서준 90 98 85 100 1 우현 80 89 95 90 2 인아 70 95 100 90 3 0 0 0 0 0
In [70]:
df.loc[4] = ['동규', 90, 80, 70, 60]
print(df)
이름 수학 영어 음악 체육 0 서준 90 98 85 100 1 우현 80 89 95 90 2 인아 70 95 100 90 3 0 0 0 0 0 4 동규 90 80 70 60
In [72]:
# 기존 행 복사
df.loc['행5'] = df.loc[3]
print(df)
이름 수학 영어 음악 체육 0 서준 90 98 85 100 1 우현 80 89 95 90 2 인아 70 95 100 90 3 0 0 0 0 0 4 동규 90 80 70 60 행5 0 0 0 0 0
원소 값 변경¶
In [76]:
exam_data = {'이름' : ['서준', '우현', '인아'], '수학': [90, 80, 70], '영어': [98, 89, 95], '음악': [85, 95, 100], '체육': [100, 90, 90]}
df = pd.DataFrame(exam_data)
print(df)
이름 수학 영어 음악 체육 0 서준 90 98 85 100 1 우현 80 89 95 90 2 인아 70 95 100 90
In [77]:
# 이름 열을 새로운 인덱스로 지정
df.set_index('이름', inplace=True)
print(df)
수학 영어 음악 체육 이름 서준 90 98 85 100 우현 80 89 95 90 인아 70 95 100 90
In [79]:
df.iloc[0][3] = 80
print(df)
수학 영어 음악 체육 이름 서준 90 98 85 80 우현 80 89 95 90 인아 70 95 100 90
In [81]:
df.loc['서준']['체육'] = 90
print(df)
수학 영어 음악 체육 이름 서준 90 98 85 90 우현 80 89 95 90 인아 70 95 100 90
In [82]:
df.loc['서준', '체육'] = 100
print(df)
수학 영어 음악 체육 이름 서준 90 98 85 100 우현 80 89 95 90 인아 70 95 100 90
In [83]:
df.loc['서준', ['음악', '체육']] = 50
print(df)
수학 영어 음악 체육 이름 서준 90 98 50 50 우현 80 89 95 90 인아 70 95 100 90
In [84]:
df.loc['서준', ['음악', '체육']] = 100, 50
print(df)
수학 영어 음악 체육 이름 서준 90 98 100 50 우현 80 89 95 90 인아 70 95 100 90
행, 열의 위치 바꾸기¶
In [85]:
exam_data = {'이름' : ['서준', '우현', '인아'], '수학': [90, 80, 70], '영어': [98, 89, 95], '음악': [85, 95, 100], '체육': [100, 90, 90]}
df = pd.DataFrame(exam_data)
print(df)
이름 수학 영어 음악 체육 0 서준 90 98 85 100 1 우현 80 89 95 90 2 인아 70 95 100 90
In [86]:
df = df.transpose()
print(df)
0 1 2 이름 서준 우현 인아 수학 90 80 70 영어 98 89 95 음악 85 95 100 체육 100 90 90
In [93]:
#한번 더 바꾸면 원본 데이터프레임
df = df.T
print(df)
이름 수학 영어 음악 체육 0 서준 90 98 85 100 1 우현 80 89 95 90 2 인아 70 95 100 90
인덱스 활용¶
In [94]:
exam_data = {'이름' : ['서준', '우현', '인아'], '수학': [90, 80, 70], '영어': [98, 89, 95], '음악': [85, 95, 100], '체육': [100, 90, 90]}
df = pd.DataFrame(exam_data)
print(df)
이름 수학 영어 음악 체육 0 서준 90 98 85 100 1 우현 80 89 95 90 2 인아 70 95 100 90
In [96]:
ndf = df.set_index(['이름'])
print(ndf)
수학 영어 음악 체육 이름 서준 90 98 85 100 우현 80 89 95 90 인아 70 95 100 90
In [97]:
ndf2 = ndf.set_index('음악')
print(ndf2)
수학 영어 체육 음악 85 90 98 100 95 80 89 90 100 70 95 90
In [98]:
ndf3 = ndf.set_index(['수학', '음악'])
print(ndf3)
영어 체육 수학 음악 90 85 98 100 80 95 89 90 70 100 95 90
행 인덱스 재배열¶
In [99]:
dict_data = {'c0' : [1,2,3], 'c1': [4,5,6], 'c2': [7,8,9], 'c3': [10,11,12], 'c4':[13,14,15]}
df = pd.DataFrame(dict_data, index=['r0', 'r1', 'r2'])
print(df)
c0 c1 c2 c3 c4 r0 1 4 7 10 13 r1 2 5 8 11 14 r2 3 6 9 12 15
In [101]:
new_index = ['r0', 'r1', 'r2', 'r3', 'r4']
ndf = df.reindex(new_index)
print(ndf)
# NaN = "Not a Number", 누락데이터
c0 c1 c2 c3 c4 r0 1.0 4.0 7.0 10.0 13.0 r1 2.0 5.0 8.0 11.0 14.0 r2 3.0 6.0 9.0 12.0 15.0 r3 NaN NaN NaN NaN NaN r4 NaN NaN NaN NaN NaN
In [102]:
ndf2 = df.reindex(new_index, fill_value = 0)
print(ndf2)
c0 c1 c2 c3 c4 r0 1 4 7 10 13 r1 2 5 8 11 14 r2 3 6 9 12 15 r3 0 0 0 0 0 r4 0 0 0 0 0
행 인덱스 초기화¶
In [103]:
dict_data = {'c0' : [1,2,3], 'c1': [4,5,6], 'c2': [7,8,9], 'c3': [10,11,12], 'c4':[13,14,15]}
df = pd.DataFrame(dict_data, index=['r0', 'r1', 'r2'])
print(df)
c0 c1 c2 c3 c4 r0 1 4 7 10 13 r1 2 5 8 11 14 r2 3 6 9 12 15
In [104]:
ndf = df.reset_index()
print(ndf)
index c0 c1 c2 c3 c4 0 r0 1 4 7 10 13 1 r1 2 5 8 11 14 2 r2 3 6 9 12 15
행 인덱스를 기준으로 데이터프레임 정렬¶
In [105]:
dict_data = {'c0' : [1,2,3], 'c1': [4,5,6], 'c2': [7,8,9], 'c3': [10,11,12], 'c4':[13,14,15]}
df = pd.DataFrame(dict_data, index=['r0', 'r1', 'r2'])
print(df)
c0 c1 c2 c3 c4 r0 1 4 7 10 13 r1 2 5 8 11 14 r2 3 6 9 12 15
In [106]:
ndf = df.sort_index(ascending=False)
print(ndf)
c0 c1 c2 c3 c4 r2 3 6 9 12 15 r1 2 5 8 11 14 r0 1 4 7 10 13
특정 열의 데이터 값을 기준으로 데이터프레임 정렬¶
In [108]:
# c1 열을 기준으로 데이터프레임을 내림차순 정렬
ndf = df.sort_values(by='c1', ascending=False)
print(ndf)
c0 c1 c2 c3 c4 r2 3 6 9 12 15 r1 2 5 8 11 14 r0 1 4 7 10 13
시리즈 연산¶
시리즈 vs 숫자¶
In [109]:
student1 = pd.Series({'국어':100, '영어':80, '수학':90})
print(student1)
국어 100 영어 80 수학 90 dtype: int64
In [110]:
# student1의 과목별 점수를 100으로 나눔
percentage = student1/100
print(percentage)
print(type(percentage))
국어 1.0 영어 0.8 수학 0.9 dtype: float64 <class 'pandas.core.series.Series'>
시리즈 vs 시리즈¶
In [3]:
student1 = pd.Series({'국어':100, '영어':80, '수학':90})
student2 = pd.Series({'수학':80, '국어':90, '영어':80})
print(student1)
print('\n')
print(student2)
국어 100 영어 80 수학 90 dtype: int64 수학 80 국어 90 영어 80 dtype: int64
In [4]:
addition = student1 + student2 # 덧셈
subtraction = student1 - student2 # 뺄셈
multiplication = student1 * student2 # 곱셈
division = student1 / student2 # 나눗셈
print(type(division))
<class 'pandas.core.series.Series'>
In [118]:
result = pd.DataFrame([addition, subtraction, multiplication, division], index=['덧셈', '뺄셈','곱셈', '나눗셈'])
print(result)
국어 수학 영어 덧셈 190.000000 170.000 160.0 뺄셈 10.000000 10.000 0.0 곱셈 9000.000000 7200.000 6400.0 나눗셈 1.111111 1.125 1.0
In [10]:
student1 = pd.Series({'국어':np.nan, '영어':80, '수학':90})
student2 = pd.Series({'수학':80, '국어':90})
print(student1)
print('\n')
print(student2)
국어 NaN 영어 80.0 수학 90.0 dtype: float64 수학 80 국어 90 dtype: int64
In [11]:
addition = student1 + student2 # 덧셈
subtraction = student1 - student2 # 뺄셈
multiplication = student1 * student2 # 곱셈
division = student1 / student2 # 나눗셈
print(type(division))
<class 'pandas.core.series.Series'>
In [12]:
result = pd.DataFrame([addition, subtraction, multiplication, division], index=['덧셈', '뺄셈','곱셈', '나눗셈'])
print(result)
국어 수학 영어 덧셈 NaN 170.000 NaN 뺄셈 NaN 10.000 NaN 곱셈 NaN 7200.000 NaN 나눗셈 NaN 1.125 NaN
In [13]:
student1 = pd.Series({'국어':np.nan, '영어':80, '수학':90})
student2 = pd.Series({'수학':80, '국어':90})
print(student1)
print('\n')
print(student2)
국어 NaN 영어 80.0 수학 90.0 dtype: float64 수학 80 국어 90 dtype: int64
In [14]:
sr_add = student1.add(student2, fill_value=0) # 덧셈
sr_sub = student1.sub(student2, fill_value=0) # 뺄셈
sr_mul = student1.mul(student2, fill_value=0) # 곱셈
sr_div = student1.div(student2, fill_value=0) # 나눗셈
In [17]:
result = pd.DataFrame([sr_add, sr_sub, sr_mul, sr_div], index=['덧셈', '뺄셈','곱셈', '나눗셈'])
print(result)
# inf -> 80을 0으로 나누어서 무한대
국어 수학 영어 덧셈 90.0 170.000 80.0 뺄셈 -90.0 10.000 80.0 곱셈 0.0 7200.000 0.0 나눗셈 0.0 1.125 inf
데이터프레임 연산¶
In [19]:
pip install seaborn
Collecting seaborn Downloading seaborn-0.11.2-py3-none-any.whl (292 kB) Requirement already satisfied: matplotlib>=2.2 in c:\users\for\miniconda3\lib\site-packages (from seaborn) (3.5.1) Requirement already satisfied: numpy>=1.15 in c:\users\for\miniconda3\lib\site-packages (from seaborn) (1.19.5) Collecting scipy>=1.0 Downloading scipy-1.8.0-cp39-cp39-win_amd64.whl (36.9 MB) Requirement already satisfied: pandas>=0.23 in c:\users\for\miniconda3\lib\site-packages (from seaborn) (1.4.2) Requirement already satisfied: pillow>=6.2.0 in c:\users\for\miniconda3\lib\site-packages (from matplotlib>=2.2->seaborn) (9.1.0) Requirement already satisfied: kiwisolver>=1.0.1 in c:\users\for\miniconda3\lib\site-packages (from matplotlib>=2.2->seaborn) (1.4.2) Requirement already satisfied: fonttools>=4.22.0 in c:\users\for\miniconda3\lib\site-packages (from matplotlib>=2.2->seaborn) (4.33.3) Requirement already satisfied: pyparsing>=2.2.1 in c:\users\for\miniconda3\lib\site-packages (from matplotlib>=2.2->seaborn) (3.0.4) Requirement already satisfied: cycler>=0.10 in c:\users\for\miniconda3\lib\site-packages (from matplotlib>=2.2->seaborn) (0.11.0) Requirement already satisfied: python-dateutil>=2.7 in c:\users\for\miniconda3\lib\site-packages (from matplotlib>=2.2->seaborn) (2.8.2) Requirement already satisfied: packaging>=20.0 in c:\users\for\miniconda3\lib\site-packages (from matplotlib>=2.2->seaborn) (21.3) Requirement already satisfied: pytz>=2020.1 in c:\users\for\miniconda3\lib\site-packages (from pandas>=0.23->seaborn) (2022.1) Requirement already satisfied: six>=1.5 in c:\users\for\miniconda3\lib\site-packages (from python-dateutil>=2.7->matplotlib>=2.2->seaborn) (1.15.0) Installing collected packages: scipy, seaborn Successfully installed scipy-1.8.0 seaborn-0.11.2 Note: you may need to restart the kernel to use updated packages.
In [21]:
import seaborn as sns
titanic = sns.load_dataset('titanic')
df = titanic.loc[:, ['age', 'fare']]
print(df.head())
print(type(df))
age fare 0 22.0 7.2500 1 38.0 71.2833 2 26.0 7.9250 3 35.0 53.1000 4 35.0 8.0500 <class 'pandas.core.frame.DataFrame'>
In [23]:
addition = df + 10
print(addition.head())
print(type(addition))
age fare 0 32.0 17.2500 1 48.0 81.2833 2 36.0 17.9250 3 45.0 63.1000 4 45.0 18.0500 <class 'pandas.core.frame.DataFrame'>
In [28]:
titanic = sns.load_dataset('titanic')
df = titanic.loc[:, ['age', 'fare']]
print(df.tail())
print(type(df))
age fare 886 27.0 13.00 887 19.0 30.00 888 NaN 23.45 889 26.0 30.00 890 32.0 7.75 <class 'pandas.core.frame.DataFrame'>
In [29]:
addition = df + 10
print(addition.tail())
print(type(addition))
age fare 886 37.0 23.00 887 29.0 40.00 888 NaN 33.45 889 36.0 40.00 890 42.0 17.75 <class 'pandas.core.frame.DataFrame'>
In [32]:
subtraction = addition - df
print(subtraction.tail())
print(type(subtraction))
age fare 886 10.0 10.0 887 10.0 10.0 888 NaN 10.0 889 10.0 10.0 890 10.0 10.0 <class 'pandas.core.frame.DataFrame'>
'Python > Pandas(판다스)' 카테고리의 다른 글
| 파이썬, matplotlib 한글 깨짐 해결 (0) | 2022.05.23 |
|---|---|
| 판다스 기초) 외부 파일 읽어오기, 원하는 파일형식으로 저장하기 (0) | 2022.05.12 |