Pandas 사용법 - 데이터에서 정보 확인하기 [기본]

이전에 사용했던 DataFrame을 가지고 데이터의 정보를 확인하는 방법을 알아보자.

data = {
    '이름' : ['채치수', '정대만', '송태섭', '서태웅', '강백호', '변덕규', '황태산', '윤대협'],
    '학교' : ['북산고', '북산고', '북산고', '북산고', '북산고', '능남고', '능남고', '능남고'],
    '키' : [197, 184, 168, 187, 188, 202, 188, 190],
    '국어' : [90, 40, 80, 40, 15, 80, 55, 100],
    '영어' : [85, 35, 75, 60, 20, 100, 65, 85],
    '수학' : [100, 50, 70, 70, 10, 95, 45, 90],
    '과학' : [95, 55, 80, 75, 35, 85, 40, 95],
    '사회' : [85, 25, 75, 80, 10, 80, 35, 95],
    'SW특기' : ['Python', 'Java', 'Javascript', '', '', 'C', 'PYTHON', 'C#']
}
df = pd.DataFrame(data,index =['1번','2번','3번','4번','5번','6번','7번','8번'])
df

숫자형으로 나타난 데이터들에 대해 갯수, Mean 값, std, Max 값 등을 쉽게 한눈에 나타낼 수 있는 메서드가 있다. 계산이 가능한 데이터에 대해서는 열(Column) 별로 정보를 나타낸다.

df.describe() #계산이 가능한 데이터에 대해서는 column 별로 정보를 설명해줌

숫자형 데이터보다 데이터의 타입이나 null의 갯수 등의 정보를 한 눈에 확인하고 싶을 때는 info() 메서드를 사용하면 된다.

df.info() #각 column에 대해서 Dtype,NUll값의 갯수 등...

이제 데이터의 값들을 확인해보자.

굉장히 많은 데이터를 한 번에 보는 것보다, 일단 맨 위부터 5개만 보고 싶을 때 혹은 아래부터 5개 등 (갯수는 설정가능) 보고싶을 때는 다음과 같은 코드를 사용한다.

df.head() #처음 5개의 row를 가져옴
df.head(7) #처음 7개의 row를 가져옴
df.tail() #마지막 5개의 row를 가져옴
df.tail(10) #마지막 10개 row를 가져옴

df안의 값들을 모두 확인하고 싶다면? values메서드를 사용하자

df.values

기본적으로 index나 columns, shape 등 기본적인 Data의 정보도 출력으로 받을 수 있다.

>>> df.index
Index(['1번', '2번', '3번', '4번', '5번', '6번', '7번', '8번'], dtype='object', name='지원번호')

>>> df.columns
Index(['이름', '학교', '키', '국어', '영어', '수학', '과학', '사회', 'SW특기'], dtype='object')

>>> df.shape #row,column
(8, 9)

---

Series의 데이터 정보 확인

DataFrame 전체에 대한 정보 말고도 각 Series(Column 등)를 선택해서 정보를 확인할 수도 있다.

예를 들어 '키'에 대한 정보만 보고 싶다면 다음과 같이 코드를 구성하면 된다.

 

>>> df['키'].describe()
count      8.000000
mean     188.000000
std        9.985704
min      168.000000
25%      186.250000
50%      188.000000
75%      191.750000
max      202.000000
Name: 키, dtype: float64

>>> df['키'].max()\
202

>>> df['키'].nlargest(3) #키 큰사람 순서대로 3명 데이터

지원번호
6번    202
1번    197
8번    190
Name: 키, dtype: int64

>>> df['키'].mean()
188.0

>>> df['키'].sum()
1504

>>> df['SW특기'].count()
1504

>>> df['학교'].unique() #unique한 값의 list를 보여줌
array(['북산고', '능남고'], dtype=object)

>>> df['학교'].nunique() #unique한 값의 갯수를 보여줌
2

---

Column 선택

이미 했지만, DataFrame에서 열만 따로 선택할 수 있다.

열을 선택하는 방법에는 열의 이름(label)을 직접 사용해도 되고, 정수를 사용하는 방법이 있다.

>>> df['이름']
지원번호
1번    채치수
2번    정대만
3번    송태섭
4번    서태웅
5번    강백호
6번    변덕규
7번    황태산
8번    윤대협
Name: 이름, dtype: object

>>> df['키']
지원번호
1번    197
2번    184
3번    168
4번    187
5번    188
6번    202
7번    188
8번    190
Name: 키, dtype: int64

>>> df[['이름','키']]

한개의 열을 선택할 때는 df['이름']과 같이 입력하면 되지만, 여러개의 열을 선택할때에는 list형태로 입력해야 한다.

 

다음은 정수 index를 사용하여 column을 선택하는 방법이다. 사실 위 방법과 일맥상통하는 방법이다.

>>> df.columns
Index(['이름', '학교', '키', '국어', '영어', '수학', '과학', '사회', 'SW특기'], dtype='object')

>>> df.columns[0]
'이름'

df.columns의 0번째 원소는 '이름'이 선택되므로 df[df.columns[0]]는 df['이름']과 동일한 동작을 하게 된다.

 

>>> df[df.columns[-1]] #맨 끝에 있는 값을 가져옴
지원번호
1번        Python
2번          Java
3번    Javascript
4번           NaN
5번           NaN
6번             C
7번        PYTHON
8번            C#
Name: SW특기, dtype: object

---

슬라이싱

슬라이싱은 데이터 분석이 아니더라도 많이 쓰이기 때문에 잘 알아두면 좋다.

>>> df['영어'][0:5] #0,1,2,3,4 영어 데이터 가져옴
지원번호
1번    85
2번    35
3번    75
4번    60
5번    20
Name: 영어, dtype: int64

>>> df[['이름','키']][:3] #처음 3명의 이름, 키 정보를 가져옴

df[3:]