JINHEE's lab

Pandas DataFrame으로 아래 세가지 일을 진행해보자

- 값 뽑아내기

-새로운 항목 추가

-항목 삭제하기

1. 필요한 값만 뽑아내기 

(1) column 방식 : 데이터프레임['행이름']

fruitFrame['fruitName']

출력>
0     apple
1    banana
2    cherry
3      peer
Name: fruitName, dtype: object

(1) 속성 방식 : 데이터프레임.속성이름

fruitFrame.fruitName

출력>
0     apple
1    banana
2    cherry
3      peer
Name: fruitName, dtype: object

2. 새로운 항목 추가

데이터프레임['새로운 항목이름'] = 값

fruitFrame['Year'] = 2023     # 존재하지 않는 columns생성
fruitFrame

출력:
	fruitPrice	num	fruitName	Year
0	2500	10	apple	2023
1	3800	5	banana	2023
2	6000	3	cherry	2023
3	1200	8	peer	2023

+ 새로 만든 항목 자리에 값이 없으면 NaN값이 들어감

variable = Series([4,2,1], index=[0,2,3])  
fruitFrame['stock'] = variable
fruitFrame

출력>

fruitPrice	num	fruitName	Year	stock
0	2500	10	apple	2023	4.0
1	3800	5	banana	2023	NaN
2	6000	3	cherry	2023	2.0
3	1200	8	peer	2023	1.

3. 항목 삭제

​

(1) 항목 자체 삭제

데이터구조명.drop('떨굴 데이터')

​

<예시용 데이터구조, 시리즈>

fruit = Series([2500,3800,1200,6000],
               index=['apple','banana','peer','cherry'])

new_fruit = fruit.drop('banana')        # 여러 항목을 숨기고 싶다면 더 써도 좋다 (예시) new_fruit = fruit.drop(['banana','apple'])  
new_fruit                              

출력>
apple     2500
peer      1200
cherry    6000
dtype: int64

이때 알아야 할 점은 banana가 원본 데이터구조에는 살아있다는 것이다.

new_fruit에서만 바나나를 삭제한 데이터를 리턴해준거지, 아예 원본에서 삭제한게 아니다

​

​

(2) 값만 삭제하기

데이터구조['삭제할 데이터'] = 0

fruit['banana'] = 0
fruit

출력>
apple     2500
banana       0
peer      1200
cherry    6000
dtype: int64

0으로 초기화 시켜준 것이다

​

(3) column 삭제하는 방법 : 데이터구조.drop('항목', axis = 0/1)

fruitPrice	num
apple	2500	10
banana	3800	5
cherry	6000	3
peer	1200	8

<△예시용 데이터프레임>

fruitFrame.drop('num', axis = 1)   

출력>

fruitPrice
apple	2500
banana	3800
cherry	6000
peer	1200

(4) DataFrame 슬라이싱

fruitFrame['banana':'cherry']  # 숫자와 달리 문자는 슬라이싱할때 문자:문자2 에서 문자2까지 포함해줌

출력>
fruitPrice	num
banana	3800	5
cherry	6000	3

DataFrame ?

Series가 여러개 묶인 것

DataFrame 만들기(1)

기본적인 방법, 시리즈를 만들어줄 때와 다르게 데이터프레임을 만들 때는 인덱스가 먼저오고 그다음에 값들이 온다.

fruitData = {'fruitName':['apple','banana','cherry','peer'],
 'fruitPrice':[2500,3800,6000,1200],
 'num':[10,5,3,8]
 }
 
 
 출력>
 DataFrame(fruitData)  

fruitName	fruitPrice	num
0	apple	2500	10
1	banana	3800	5
2	cherry	6000	3
3	peer	1200	8

DataFrame 만들기(2)

필요하다면 column의 순서를 바꿔주기

fruitFrame = DataFrame(fruitData, columns = ['fruitPrice','num','fruitName'])
fruitFrame


출력>
fruitPrice	num	fruitName
0	2500	10	apple
1	3800	5	banana
2	6000	3	cherry
3	1200	8	peer

 예시용 Series

fruit = Series([2500,3800,1200,6000], index=['apple','banana','peer','cherry'])     # 시리즈 객체 생성
fruit

출력>
apple     2500
banana    3800
peer      1200
cherry    6000
dtype: int64

Pandas Series로 아래 두 가지를 진행해봅시다. 

(1) 값 or 인덱스만 뽑기

(2) Series에 이름 붙이기

(1)값 or 인덱스만 뽑기

print(fruit.values)           # 값만 뽑기
print(fruit.index)            # 인덱스만 뽑기

출력>
[2500 3800 1200 6000]
Index(['apple', 'banana', 'peer', 'cherry'], dtype='object')

(2)Series에 이름 붙이기

fruit.name = 'fruitPrice'
fruit.index.name = 'fruitName'            # clumm의 이름 = 색인
print(fruit)

출력>
fruitName
apple     2500
banana    3800
peer      1200
cherry    6000
Name: fruitPrice, dtype: int64

1. import 방법

import pandas as pd                    #pandas 임포트 및 별명 명명
from pandas import Series, DataFrame   #두가지 모듈 부르기 , 엑셀과 비슷한 기능을 해준다

2. Series 생성방법 (1)

값과 인덱스를 차례로 []에 넣어주면 됩니다. 인덱스가 뒤에 오는걸 유의

fruit = Series([2500,3800,1200,6000], index=['apple','banana','peer','cherry'])     # 시리즈 객체 생성
fruit

출력>
apple     2500
banana    3800
peer      1200
cherry    6000
dtype: int64

Series 생성방법 (2) 딕셔너리로 만들기

 Series(딕셔너리이름) 해주면 됩니다

fruitData = {'apple':2500, 'banana':3800, 'peer':1200, 'cherry':6000}
print(type(fruitData))
fruit = Series(fruitData)
print(type(fruit))
print(fruit)

출력>
<class 'dict'>
<class 'pandas.core.series.Series'>
apple     2500
banana    3800
peer      1200
cherry    6000
dtype: int64

Pandas

​

1. 데이터를 전처리할 때 가장 많이 사용하는 모듈, numpy의 확장

​

2. 두가지 객체를 만들 수 있는데, Series 객체는 인덱스(색인)-밸류(값)이 있는 하나의 column, 이 시리즈들이 쭈루룩 붙으면 하나의 표가 될 텐데 그러면 그게 Data frame​ 객체입니다.

​

거꾸로 말하자면 데이터 프레임 안에 요소 하나하나는 numpy로 이뤄져있고 이 numpy 요소를 하나하나 모으면 시리즈 객체, 시리즈를 모으면 데이터 프레임입니다.