나만의 데이터 만들기
시리즈와 데이터프레임 직접 만들기
1
2
3
4
5
6
s = pd.Series(['banana', 42])
print(s)
-----------------------------
0 banana
1 42
dtype: object
Series메서드에 리스트를 전달하여 시리즈를 생성
1
2
3
4
5
6
s = pd.Series(['Wes MC', 'Createor'], index=['person', 'who'])
print(s)
-------------------------------------------------------------
person Wes MC
who Createor
dtype: object
index인자를 이용해서 인덱스로 사용하고자 하는 문자열을 리스트에 담아 전달하면 된다
Data Frame
1
2
3
4
5
6
7
8
9
scientist = pd.DataFrame({
'Name': ['frankllin', 'willam'],
'Occupation': ['chemist', 'statistician'],
'Born': ['1920', '1876']
})
----------------------------------------------
Name Occupation Born
0 frankllin chemist 1920
1 willam statistician 1876
1
2
3
4
5
6
7
8
9
10
scientist_col = pd.DataFrame(
data={'Occupation': ['chemist', 'statistician'],
'Born': ['1920', '1876']
},
index=['Rosaline', 'willam'],
columns=['Occupation', 'Born'])
----------------------------------------------------
Occupation Born
Rosaline chemist 1920
willam statistician 1876
- 인자를 사용해
index와colums를 지정할 수 있다
1
2
3
4
5
6
7
8
9
scientist_dict = pd.DataFrame(OrderedDict([
('Name', ['Rosaline', 'Willam']),
('Occupation', ['chemist', 'statistician']),
('Born', ['1920', '1876'])
]))
-----------------------------------------------
Name Occupation Born
0 Rosaline chemist 1920
1 Willam statistician 1876
- 딕셔너리는 데이터의 순서가 보장되지 않는다.
- 순서가 보정된 딕셔너리를 사용하기 위해
OrderedDirct를 사용한다
시리즈 다루기 (기초)
데이터프레임에서 시리즈 선택하기
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
scientist = pd.DataFrame(
data={'Occupation': ['chemist', 'statistician'],
'Born': ['1920', '1876'],
'Died': ['1958', '1937']},
index=['Rosaline', 'William'],
columns=['Occupation', 'Born', 'Died'])
first_row = scientist.loc['William']
print(type(first_row))
print(first_row)
-------------------------------------------------
<class 'pandas.core.series.Series'>
Occupation statistician
Born 1876
Died 1937
Name: William, dtype: object
loc속성을 이용해서 Willam의 정보를 얻을 수 있다
index, values 속성과 keys 메서드 사용하기
1
2
3
4
5
6
7
8
9
10
print(first_row.index)
print(first_row.values)
print(first_row.keys())
------------------------
# index
Index(['Occupation', 'Born', 'Died'], dtype='object')
# values
['statistician' '1876' '1937']
# keys()
Index(['Occupation', 'Born', 'Died'], dtype='object')
시리즈 다루기 (응용)
1
2
3
4
5
6
scientist = pd.read_csv('../doit_pandas/data/scientists.csv')
ages = scientist['Age']
print(ages.max())
---------------------------------
90
- 시리즈의
max()min()std()등의 메서드를 호출해서 해당 열의 통계 수치를 알 수 있다
시리즈와 브로드캐스팅
1
2
3
print(ages)
print(ages + ages)
print(ages * ages)
- 같은 길이의 벡터로 더하기 연산과 곱하기 연산 수행이 가능하다
- 스칼라 값을 곱하거나 더해도 벡터의 모든 값에 스칼라를 적용하여 브로드캐스팅 된다
1
2
3
4
5
6
7
8
9
10
11
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
- 길이가 다른 벡터를 연산하면 길이를 벗어난 값들은
NaN이 반환되고 길이가 일치하는 만큼 연산이 이뤄진다
1
2
3
4
5
6
7
8
9
10
11
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
sort_index메서드에ascending인자 값을False로 지정해 인덱스 역순으로 데이터를 정렬가능하다- 벡터와 벡터의 연산은 일치하는 인덱스 끼리 연산을 진행한다
시리즈와 데이터프레임의 데이터 처리하기
1
2
3
4
5
born_datetime = pd.to_datetime(scientist['Born'], format='%Y-%m-%d')
died_datetime = pd.to_datetime(scientist['Died'], format='%Y-%m-%d')
scientist['born_dt'], scientist['died_dt'] = (born_datetime, died_datetime)
print(scientist.head())
scientist['born_dt']을 사용해서 새로운 열을 만들 수 있다
1
scientist_dropped = scientist.drop(['Age'], axis=1)
- 열을 삭제하기 위해
drop()을 사용한다 axis=1을 사용하면 Age 열을 삭제할 수 있다
데이터 저장하고 불러오기
데이터를 피클, CSV, TSV 파일로 저장하고 불러오기
1
2
3
4
names = scientist['Name']
names.to_pickle('output/scientist_name.pickle')
read_name = pd.read_pickle('PATH')
.pickle을 확장자로 가지는 파일을 생성할 수 있다- pickle 파일을 읽어올 때는
read_pickle을 사용해야 한다