Pandas 사용법 - 파일 저장 및 열기 [기본]

pandas를 활용하면 간단하게 파일을 열고 저장할 수 있다. 이전에 활용했던 DataFrame을 활용하자.

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.index.name = '지원번호'

Pandas에서는 csv, hdf, SQL, excel, json 등 굉장히 많은 형식으로 파일을 저장할 수 있다. 사용방법은 모두 비슷하니 몇가지만 알아보자.

---

파일 저장

 

#csv파일로 저장
df.to_csv('score.csv',encoding='utf-8-sig')#인코딩 해주면 한글이 안깨짐

#csv파일인데, index(지원번호)를 빼고 파일 저장
df.to_csv('score.csv',encoding='utf-8-sig',index=False)

위와 같이 to_csv('파일 이름', ...)을 활용하면 생성한 DataFrame을 csv파일로 내보낼 수 있고, index의 포함여부까지 설정할 수 있다.

비슷한 방법으로 다른 확장자로 파일을 저장하고 싶다면 to_[___]를 사용할 수 있다.

##텍스트(.txt)파일로 저장
df.to_csv('score.txt',sep='\t') #tab으로 구분된 텍스트 파일

#엑셀 파일로 저장
df.to_excel('score.xlsx')

---

파일 열기

또한 저장된 파일을 가져와서 열 수 있다. 

'to_확장자' 대신 이번에는 'read_확장자'를 사용하면 된다.

#csv파일 열기
df=pd.read_csv('score.csv')
df

또 데이터 파일들을 열어보면, 가끔 쓸데없는 인덱스들이 상단에 배치된 경우가 있다. 이런 경우에는 옵션을 사용하여 쓸데 없는 행을 삭제하고 파일을 불러 올 수 있다. 위의 df의 columns는 '이름', '학교'등의 정보가 들어가 있지만 skiprows 옵션을 사용하면 이를 건너뛰고 불러올 수 있다.

#1
df = pd.read_csv('score.csv',skiprows=1) #지정된 갯수 만큼의 row를 건너뜀
df
#2
df = pd.read_csv('score.csv',skiprows=[1,3,5])
df
#3
df = pd.read_csv('score.csv',nrows=4) #지정된 갯수 만큼의 row만 가져옴
df

아까와 다르게 df의 columns에 채치수, 북산고 등의 정보가 들어간 것을 확인할 수 있다. 

 

두번째 방법처럼 skiprows의 입력을 배열형태로 입력하면 제외하고 싶은 행을 직접 선택해서 빼고, 파일을 불러올 수도 있다. 

 

세번째 방법은 지정된 갯수만큼만 행을 가져오는 것이다. nrows 옵션을 활용하여 원하는 갯수만큼의 행만 가져올 수 있다.