JINHEE's lab

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.

기초 통계 함수 이전 알아야 할 개념 : axis

axis?

다차원 배열의 차원을 나타내는 매개변수.

각 차원(axis)에 따라 연산이 수행되거나 배열의 모양(shape)이 결정된다. axis는 일반적으로 numpy 함수의 매개변수로 사용됩니다. 예를 들어, numpy.sum() 함수의 경우 axis 매개변수는 어느 축(axis)을 따라 합산을 수행할지 지정한다.

axis의 값은 정수이며, 배열의 차원 수에 따라 다릅니다. 예를 들어, 2차원 배열의 경우 axis=0은 행(row) 방향을 의미하고, axis=1은 열(column) 방향을 의미한다. axis=-1은 마지막 차원(axis)을 나타내며, axis=None은 모든 요소를 합산하거나 연산하는 것을 의미한다.

즉 연산기능을 쓸 때 axis = 0일때는 세로축을 구하고, axis = 1일때는 가로축 값을 구한다

​

대표적인 기초 통계 함수 

예시1. 전체 데이터의 합계 / 동일한 항목끼리의 합계 / 동일한 항목끼리의 평균값

print(redwine.sum()) 
print(redwine.sum(axis=0))            
print(redwine.mean(axis=0))

print(redwine.max(axis=0))             # 최고 점수만 뽑기
print(redwine.min(axis=0))             # 최저 점수만 뽑기

print(redwine[:,0].mean())                # 전체 데이터 출력인데 0으로 슬라이스 기법으로 0번축만, 평균을 구해라

Numpy로 데이터 불러오기

​

1.colab에서 csv 파일을 불러오고 싶다면 그냥 폴더 창에 드래그 드롭을 해주면 된다.

​

2. 그 후 np.loadtxt(fname='', delimiter = '', skiprows =n) 로 파일을 불러와준다.

여기서 fname은 파일 이름, delimiter은 파일에서 데이터의 구분자(, 이나 ;), skiprow는 n번째 줄은 건너뛰라는 명령이다.

<예시용 데이터>

이번 예시에서는 위와 같은 와인에 대한 데이터를 불러와본다.

redwine = np.loadtxt(fname = 'winequality-red.csv', delimiter=';', skiprows=1)

△예시용으로 위 파일을 불러올 때 일단 부르기 쉽게 redwine으로 변수명을 지정해주었다.

<fname> 파일이름을 넣어주고 <delimeter>그 파일의 구분자는 ;이었다.

그리고<skiprows> 첫번째줄은 와인 기준에 대한 나열이라 필요가 없다.

오히려 있으면 숫자가 아니라 파일을 불러올 수 없기 때문이다.