Pandas 사용법 - Series와 DataFrame [기본]

데이터 분석을 하다 보면 Pandas 라이브러리를 필수적으로 사용한다. Pandas란 데이터 분석 라이브러리인데 위키백과에서는 다음과 같이 나타내고 있다.

Pandas는 데이터 조작 및 분석을 위한 Python 프로그래밍 언어 용으로 작성된 소프트웨어 라이브러리 입니다. 특히 숫자 테이블과 시계열 을 조작하기 위한 데이터 구조 와 연산을 제공합니다.

https://pandas.pydata.org/

pandas - Python Data Analysis Library

필자도 Pandas를 따로 공부하기 보단 그냥 데이터 분석을 하면서 이것저것 쓰게 되었는데, 이번 기회에 주요 기능들에 대한 것들을 정리하려 한다. 

 

---

1. Series - 1차원 데이터 (정수, 실수, 문자열 등)

Series는 1차원 데이터를 의미한다. 

>>> import pandas as pd
>>> series1 = pd.Series([-20,-10,10,20])
>>> print(series1)


0   -20
1   -10
2    10
3    20
dtype: int64

간단한 Series는 위와같이 생성할 수 있다. 객체를 생성하고 1월부터 4월까지 평균 온도와 같은 데이터를 Series로 표현할 수 있다. Index도 설정 가능하다.

 

>>> series1 = pd.Series([-20,-10,10,20], index = ['Jan', 'Feb', 'Mar', 'Apr'])
>>> print(Series1)

Jan   -20
Feb   -10
Mar    10
Apr    20
dtype: int64

 

Pandas Series가 제공하는 메서드는 다음과 같다.

class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

Pandas의 Series를 생성할 때 dtype을 설정할 수 있는데, 아까와 같은 평균 온도 값을 정수가 아닌 string 형태로 설정하면 다음과 같이 결과가 나타난다.

 

>>> import pandas as pd
>>> temp = pd.Series([-20,-10,10,20],dtype = 'str')
>>> print(temp)

0    -20
1    -10
2     10
3     20
dtype: object

Pandas 자료형에서 Object는 문자열을 의미한다. 헷갈리지 말자!

 

각 parameter에 대한 설명은 공식 Document를 참고하자!

https://pandas.pydata.org/docs/reference/api/pandas.Series.html

pandas.Series — pandas 1.3.5 documentation

 

---

2. DataFrame - 2차원 데이터 (Series 들의 모음)

DataFrame은 2차원 데이터로 Series들이 두개 이상 모인 것이다.

 

아까와 같이 1~4월의 온도 뿐만 아니라 습도, 날씨, 일출 시간 등등...의 데이터가 추가로 더 있다면 DataFrame을 만들 수 있는 것이다.

 

>>> temp = pd.DataFrame([[-20,-10,10,20],[64,32,53,12],['맑음','흐림','비','맑음']], columns = ['Jan','Feb','Mar','Apr'],index = ['온도','습도','날씨'])
>>> temp


      Jan 	Feb	 Mar	 Apr
온도	-20	-10	10	20
습도	64	32	53	12
날씨	맑음	흐림	비	맑음

객체를 설정하고, 원하는 값들을 2차원 배열 형태로 입력하여 DataFrame을 만들 수 있다. 혹은 사전(dictionary) 자료구조를 통해 생성할 수도 있다.

>>> 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)
>>> print(df)

DataFrame 형태

다음과 같이 DataFrame이 생성되는 것을 볼 수 있다. 추가로 이렇게 생성된 DataFrame 내의 Data에 접근할 수 있다.

df['이름']
df[['이름','키']] #하나의 열만 가지고 오려면 하나만 적으면 되지만 두개 이상 가지고 오려면 리스트로 묶어줘야함

하나의 열만 가져오려면 df뒤에 []를 사용하여 열의 이름을 적으면 되지만, 여러 개의 열을 가져오려면 배열로 묶은 후 입력해야 한다.  왼쪽에 0~7의 숫자가 마음에 안든다면 index를 변경해주면 된다.

#DataFrame 객체 생성  (Index 지정)
df = pd.DataFrame(data,index = ['1번','2번','3번','4번','5번','6번','7번','8번'])
df

index의 이름을 설정하고 싶다면 ?

##index 이름 설정
df.index.name = '지원번호'
df

인덱스의 이름이 지원번호로 설정되었다. 근데 이전처럼 0~7의 숫자를 다시 붙이고 싶다면?

#index 초기화
df.reset_index()

다음과 같이 인덱스가 초기화 되었다. reset_index의 변수 중에는 drop이 있는데, drop을 True로 설정하면 '지원번호'열이 삭제된다.

df.reset_index(drop=True, inplace=False) #원래 쓰던 '지원번호' 인덱스 삭제 -> 실제 데이터에는 반영이 안됨. 따라서 지금 df를 출력하면 위에 결과랑 같은 결과를 출력

현재는 '지원번호'가 삭제된 것처럼 보이지만, df를 출력해보면 그대로 있다. 삭제된 상태를 df에 저장하고 싶다면 inplace를 True로 해주면 된다.

 

혹은 자기가 원하는 열을 인덱스로 설정할 수 있다.

df.set_index('이름',inplace=True)

이제는 사람 별로 정보를 알 수 있게 되었다. 하지만 정렬이 안되어 있으므로.. 이를 정렬하고 싶다면 sort_index를 사용한다.

df.sort_index(ascending=True)  #오름차순 정렬