Pandas 기초 (데이터 분석을 위한 판다스 입문)

data analytics
,

행 단위 데이터 추출하기

  • loc : 인덱스를 기준으로 행 데이터 추출
  • iloc : 행 번호를 기준으로 행 데이터 추출

인덱스와 행 번호 개념

loc 속성으로 행 데이터 추출하기

1
2
3
4
5
6
7
     country     continent year

0 Afghanistan Asia 1952
1 Afghanistan Asia 1957
2 Afghanistan Asia 1962
3 Afghanistan Asia 1967
4 Afghanistan Asia 1972
  • 왼쪽의 번호가 인덱스이다
  • 실제 데이터 프레임에서는 확인할 수 없는 값이다
1
2
3
4
5
6
7
8
9
print(df.loc[0])
----------------
country      Afghanistan
continent           Asia
year                1952
lifeExp           28.801
pop              8425333
gdpPercap        779.445
Name: 0, dtype: object
  • loc 을 사용하면 행 데이터를 추출할 수 있다
  • loc[-1] 을 사용하면 뒤에서 첫 번째 데이터를 보여주지 않고 오류가 난다
  • 마지막 행 데이터를 추출하려면 데이터의 shape을 알아야 한다
1
2
3
4
5
6
7
8
print(df.tail(n=1))

print(df.loc[[0, 99, 999]])
----------------------------
     country     continent  year  lifeExp       pop    gdpPercap
0    Afghanistan      Asia  1952   28.801   8425333   779.445314
99    Bangladesh      Asia  1967   43.453  62821884   721.186086
999     Mongolia      Asia  1967   51.253   1149500  1226.041130
  • tail(n=1) 을 사용하면 마지막 데이터를 알 수 있다
  • loc[[0, 99, 999]] 을 사용하면 원하는 인덱스 데이터를 알 수 있다

tail 과 loc 속성이 반환하는 자료형은 다르다

1
2
3
4
5
sub_loc = df.loc[0]
sub_tail = df.tail(n=1)
-----------------------
<class 'pandas.core.series.Series'>
<class 'pandas.core.frame.DataFrame'>
  • loc 이 반환하는 자료형은 Series 이고 tail 이 반환하는 자료형은 DataFrame 이다

iloc 속성으로 행 데이터 추출하기

1
2
3
4
5
6
7
8
9
print(df.iloc[1])
------------------
country      Afghanistan
continent           Asia
year                1957
lifeExp           30.332
pop              9240934
gdpPercap        820.853
Name: 1, dtype: object
  • iloc 속성으로 행 데이터를 추출할 수 있다
  • loc 속성은 데이터 프레임의 인덱스를 사용해서 추출했지만, iloc 속성은 데이터 순서를 의미하는 행 번호를 사용하여 데이터를 추출한다
  • loc 속성과는 다르게 df.iloc[-1] 로 마지막 데이터를 추출할 수 있다
  • 여러 행을 추출하는 것은 loc 과 동일하게 iloc[[0, 99, 999]] 로 사용하면 된다

슬라이싱과 range 메서드

1
2
3
4
5
6
7
8
sub_sli = df.loc[:, ['year', 'pop']]
------------------------------------
   year       pop
0  1952   8425333
1  1957   9240934
2  1962  10267083
3  1967  11537966
4  1972  13079460
  • 모든 행에 대해 year과 pop 열을 추출하는 방법이다
1
2
3
4
5
6
7
8
9
sub_range = df.iloc[:, list(range(5))]
print(sub_sli.head())
--------------------------------------
   country      continent  year  lifeExp       pop
0  Afghanistan      Asia  1952   28.801   8425333
1  Afghanistan      Asia  1957   30.332   9240934
2  Afghanistan      Asia  1962   31.997  10267083
3  Afghanistan      Asia  1967   34.020  11537966
4  Afghanistan      Asia  1972   36.088  13079460
  • 모든 행의 5번째 열까지 출력을 한다
  • df.iloc[:, list(range(3))] 와 df.iloc[:, :3] 의 결과는 동일하다
  • 큰 규모의 데이터 분석에서는 loc 속성이 유리하다

기초적인 통계 계산하기

그룹화한 데이터의 평균 구하기

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
grouped_year_df = df.groupby('year')
lifeExp = grouped_year_df['lifeExp']
print(lifeExp.mean())
------------------------------------
year
1952    49.057620
1957    51.507401
1962    53.609249
1967    55.678290
1972    57.647386
1977    59.570157
1982    61.533197
1987    63.212613
1992    64.160338
1997    65.014676
2002    65.694923
2007    67.007423
Name: lifeExp, dtype: float64
  • groupby() 로 속성끼리 묶어서 데이터를 확인할 수 있다
  • 위 코드는 연도별로 그룹화한 lifeExp 열을 얻을 수 있다
  • mean() 메서드를 사용해 평균값을 알 수 있다
1
2
3
4
5
6
7
8
9
unique = df.groupby('continent')['country'].nunique()
-----------------------------------------------------
continent
Africa      52
Americas    25
Asia        33
Europe      30
Oceania      2
Name: country, dtype: int64
  • nunique() 를 사용하면 빈도수를 알 수 있다

그래프 그리기

1
2
3
global_year_lifeExp = df.groupby('year')['lifeExp'].mean()
print(global_year_lifeExp.plot())
plt.show()

matplot

  • plot() 메서드를 사용해서 그래프를 그릴 수 있다