Kaggle-Pandas 코스 내용 정리

Pandas

Solve short hands-on challenges to perfect your data manipulation skills.

Lesson 1. Creating, Reading and Writing

판다스 불러오기

import pandas as pd

판다스에는 데이터프레임(DataFrame)과 시리즈(Series)라는 2개의 핵심적인 객체가 있다.

데이터프레임

데이터프레임(DataFrame)은 표이다. 개별 항목들(entries)로 이루어진 행렬을 포함하는데, 이때 각 항목은 특정 값(value)을 가지며 하나의 행(row 또는 record)과 열(column)에 대응한다. 데이터프레임 항목들은 꼭 정수일 필요는 없다.

pd.DataFrame({'Bob': ['I liked it.', 'It was awful.'], 'Sue': ['Pretty good.', 'Bland.']})

데이터프레임의 선언은 파이썬의 딕셔너리(dictionary) 형식으로 한다. 키(key)에는 열 이름, 값(value)에는 기재할 항목들로 구성된 리스트(list)를 넣는다.

보통 데이터프레임 선언 시 열 레이블에는 그 열의 이름이 할당되지만, 행 레이블에는 0, 1, 2…의 정수가 할당된다. 필요하다면 행 레이블을 수동으로 지정해줄 수 있다. 데이터프레임에서 행 레이블들의 리스트를 인덱스(Index)라고 하며, index 매개변수를 사용하여 값을 지정할 수 있다.

pd.DataFrame({'Bob': ['I liked it.', 'It was awful.'], 
              'Sue': ['Pretty good.', 'Bland.']},
             index=['Product A', 'Product B'])

시리즈

시리즈(Series)는 데이터 값들로 이루어진 수열(sequence)이다.

pd.Series([1, 2, 3, 4, 5])

시리즈는 본질적으로 데이터프레임의 단일 열과 같다. 따라서 마찬가지로 인덱스를 지정할 수 있다. 다만 차이점은, ‘열 이름’ 대신 ‘이름’, name을 가진다는 것이다.

pd.Series([30, 35, 40], index=['2015 Sales', '2016 Sales', '2017 Sales'], name='Product A')

시리즈와 데이터프레임은 밀접한 관련이 있다. 데이터프레임을 그냥 시리즈들의 묶음이라고 생각하면 이해하는 데 도움이 된다.

데이터 파일 읽어들이기

많은 경우에 데이터를 직접 작성하기보다는 이미 있는 데이터를 가져와서 사용한다. 데이터는 다양한 형식으로 저장되어 있을 수 있는데, 가장 기본적인 형태는 CSV 파일이다. CSV 파일의 내용물은 보통 아래와 같다.

Product A,Product B,Product C,
30,21,9,
35,34,1,
41,11,11

즉 CSV 파일은 각 값들을 쉼표(comma)로 구분하는 표이다. 그래서 이름이 “Comma-Separated Values”, CSV이다.

CSV 파일 형식의 데이터를 데이터프레임으로 불러올 때는 pd.read_csv() 함수를 사용한다.

shape 속성을 사용하여 데이터프레임의 크기를 확인할 수 있다.

head() 명령을 사용하여 데이터프레임의 첫 다섯 행을 확인할 수 있다.

pd.read_csv() 함수에는 30개가 넘는 매개변수들이 있다. 예를 들어 불러오려는 CSV 파일이 자체적으로 인덱스를 포함할 경우, index_col 매개변수의 값을 지정하여 판다스에서 자동으로 인덱스를 매기는 대신 해당 열을 인덱스로 사용하도록 할 수 있다.

데이터 기록하기

to_csv() 메서드를 사용하면 데이터프레임을 CSV 파일로 내보낼 수 있다. 다음과 같이 사용한다.

(데이터프레임 이름).to_csv("(CSV 파일 경로)")

Lesson 2. Indexing, Selecting & Assigning

판다스 데이터프레임 또는 시리즈에서 사용할 특정 값들을 선택하는 것은 거의 모든 데이터를 이용하는 작업에서 거치는 단계이다.