행=가로=ROW=HORIZONTAL=엑셀쉬트의 숫자 방향 
행가(Hanger) + 가 로(ROW)라고 외우면 쉬울듯

행가로우~ 

 

열=세=COLUMN=VERTICAL=엑셀쉬트의 영어 방향
열세(쉽세) + 기둥(COLUMN)은 수직으로 서 있다고 외우면 쉬울듯

 

열세콜!

5. pandas

5-1 pandas와 DataFrame

numpy array : 복잡한 수학 연산을 할 때 사용

  • 가독성이 떨어짐
  • 정보에 대한 레이블 삽입 불가
  • 한 가지 데이터 타입만 사용 가능

 

pandas : 표 형태의 데이터를 간편하게 다루고 싶을 때

  • 데이터 불러오기
  • 데이터 가공
  • 데이터 분석
  • 데이터 시각화

 

 

5-2 DataFrame을 만드는 다양한 방법

이번 레슨에서는 DataFrame을 만드는 다양한 방법에 대해 알아보도록 하겠습니다. 일단 아래와 같이 NumPy와 pandas 라이브러리를 불러올게요.

import pandas as pd 
import numpy as np

 

그리고 지난 시간에 배운 것처럼 pd.DataFrame() 안에 DataFrame으로 만들 재료를 넣어 주면 되는데요. 이때, 아래와 같이 딕셔너리를 넣기도 하지만, 리스트나 NumPy array를 넣을 수도 있습니다.

 

dict_df = pd.DataFrame({ 
	'category': ['skirt', 'sweater', 'coat', 'jeans'], 
    'quantity': [10, 15, 6, 11], 
    'price': [30000, 60000, 95000, 35000] 
})

 

그러면 이번엔 2차원 리스트와 2차원 NumPy array를 가지고 DataFrame을 만들어 볼게요. 아래 코드를 보면, two_dimensional_list라는 2차원 리스트(list of lists)를 가지고 list_df를 만들었고 two_dimensional_array라는 2차원 NumPy array를 가지고 array_df를 만들었습니다.

 

two_dimensional_list = [ 
	['skirt', 10, 30000], 
    ['sweater', 15, 60000], 
    ['coat', 6, 95000], 
    ['jeans', 11, 35000] 
] 
two_dimensional_array = np.array(two_dimensional_list) 

list_df = pd.DataFrame(two_dimensional_list) 
array_df = pd.DataFrame(two_dimensional_array)

 

이렇게 만든 list_df와 array_df를 출력해 보면, 둘다 아래와 같은 결과물이 나오는데요. DataFrame을 만들 때 컬럼의 이름을 따로 설정하지 않았기 때문에, 컬럼 자리에 그냥 0부터 시작하는 숫자값이 들어 있습니다. 이러면 각 컬럼이 무엇을 의미하는 지 알 수 없어서 불편하겠죠?

DataFrame을 만들 때 columns라는 옵션을 사용해서 컬럼명을 설정하는 것도 가능합니다.

 

list_df = pd.DataFrame(two_dimensional_list, columns=['category', 'quantity', 'price']) 
array_df = pd.DataFrame(two_dimensional_array, columns=['category', 'quantity', 'price'])

 

위와 같이 컬럼명을 설정한 뒤 다시 list_df와 array_df를 출력해 보면, 컬럼명이 아래 이미지처럼 잘 바뀌어 있는 것을 확인할 수 있죠.

마지막으로, 딕셔너리가 담겨 있는 리스트로 DataFrame을 만들 수도 있는데요. 아래 코드에서는 dict_list라는 리스트를 가지고 dict_list_df라는 DataFrame을 만들었습니다. 이것 또한 위에서 만든 DataFrame과 동일한 형태를 가지고 있죠.

dict_list = [ 
	{'category': 'skirt', 'quantity': 10, 'price': 30000}, 
    {'category': 'sweater', 'quantity': 15, 'price': 60000}, 
    {'category': 'coat', 'quantity': 6, 'price': 95000}, 
    {'category': 'jeans', 'quantity': 11, 'price': 35000} 
] 

df4 = pd.DataFrame(dict_list)

 

지금까지 DataFrame을 만드는 여러 가지 방법을 알아봤는데요. 이번 레슨에서 배운 내용을 모두 외울 필요는 없지만, 코드를 보고 대략 어떤 형태의 DataFrame이 만들어지는지 이해할 수 있다면 앞으로 데이터 분야를 학습하실 때 많은 도움이 될 겁니다.

5-3 데이터 불러오기

CSV 파일 : Comma - Separated Values

: 값들은 쉼표로 나뉘어져 있다

 

5-4 프리미어 리그 데이터 탐색하기

int64 뜻

  • int : 이 데이터가 정수형
  • 뒤의 숫자 : 데이터를 표현하기 위해 사용하는 저장 공간의 크기(bit)

5-5 DataFrame에서 일부만 선택하기

  • iloc : inter location, 즉 정수 값의 인덱스를 통해서 데이터를 받아옴
  • loc : location, 위치를 통해서 데이터를 받아온다
  • 그냥 대괄호 쓰는 방식

 

5-7 DataFrame과 불린 인덱싱

5-9 데이터 수정 및 추가하기

 

5-11 pandas에서 그래프 그리기

 

 

 

저작자표시

'데이터 사이언스 > 인강' 카테고리의 다른 글

[코드잇] DataFrame 마스터하기  (2) 2024.09.09
[코드잇] 데이터 사이언스 수료증들  (0) 2024.09.09
[코드잇] 데이터 사이언스 Toolkit 3. Matplotlib  (0) 2024.08.07
[코드잇] 데이터 사이언스 Toolkit 2. Numpy  (0) 2024.08.07
[코드잇] 기초 통계와 데이터 시각화  (0) 2024.08.05

티스토리툴바