Pandas 는 테이블 형태(row 와 columns 으로 구성된)인 tabular 데이터를 다루는데 특화된 Python 라이브러리입니다. Tabular 데이터는 SQL 과 Excel 데이터와 같은 기능을 하지만, Pandas 는 여기에 Python 의 강점을 더했습니다.

Create a DataFrame

Pandas 는 DataFrame이라는 rows 와 columns 를 포함하는 특별한 형태의 Object 를 다룹니다. SQL 의 테이블을 생각하면 쉽습니다. Pandas 를 통해 SQL 쿼리나 Excel 스프레드시트, CSV 파일로부터 DataFrame을 쉽게 생성할 수 있습니다.

Python 의 dictionary 로도 DataFrame을 생성할 수 있습니다. pd.DataFrame() 의 파라미터로 dictionary 를 주면, key 가 column 의 name 이 되고 value 가 columns 의 value 가 됩니다. 각 column 의 값들은 동일한 길이여야 합니다.

import pandas as pd

df1 = pd.DataFrame({
    'name': ['John Smith', 'Jane Doe', 'Joe Schmo'],
    'address': ['123 Main St.', '456 Maple Ave.', '789 Broadway'],
    'age': [34, 28, 51]
})

df1 을 출력하면 다음과 같습니다.

Python 의 dictionary 의 key 는 순서를 가지지 않기 때문에, 출력된 DataFrame의 컬럼 이름은 알파벳 순서로 정렬됩니다. 만약 컬럼 이름의 순서를 지정하고 싶다면 다음과 같이 작성할 수 있습니다.

df2 = pd.DataFrame([
    ['John Smith', '123 Main St.', 34],
    ['Jane Doe', '456 Maple Ave.', 28],
    ['Joe Schmo', '789 Broadway', 51]
    ],
    columns=['name', 'address', 'age'])

그러면 다음과 같이 컬럼 이름이 정렬됩니다.

Loading and Saving CSVs

만약 CSV 포맷으로 작성된 데이터가 존재한다면, DataFrame으로 불러올 수 있습니다. Pandas 에서 제공하는 .read_csv() 함수를 사용합니다.

pd.read_csv('my-csv-file.csv')

또한 DataFrame을 CSV 포맷으로 저장할 수 있습니다.

df.to_csv('new-csv-file.csv')

Inspect a DataFrame

적은 양의 데이터에 대해선 그냥 print(df) 명령으로 DataFrame의 구조를 살펴볼 수 있습니다. 하지만 데이터가 많으면 몇 가지 row 만 살펴보는 것이 좋은 방법일 수 있습니다. .head(n) 함수는 처음 n 개의 rows 를 반환합니다. Default 로 5 개를 반환합니다.

df.head(10)		# 처음 10개의 rows를 반환합니다.

추가로 df.info() 함수는 각 column 에 대한 통계치를 나타냅니다.

Select Columns

DataFrame에서 colums 을 선택하는 방법은 두 가지가 있습니다.

1. Python 의 dictionary 를 key 로 참조하는 것과 같은 방법으로 DataFrame의 column 을 선택할 수 있습니다.(i.e., customers[‘age’])
2. 만약 column 이름이 변수 명명 규칙을 따른다면(숫자로 시작하지 않고, 공백이 없으며, 특수문자를 포함하지 않는 등), 다음과 같이 column 을 참조할 수 있습니다: customers.age

만약 단 하나의 column 을 선택하면 이를 Series 라고 합니다. 여러 컬럼을 선택하면 type 은 DataFrame이며, 코드는 다음과 같이 작성할 수 있습니다.

new_df = customers[['name', 'email']]		# name과 email column의 값들을 모두 가져옵니다.

Select Rows

다음과 같은 DataFrame이 있다고 가정해 봅시다.

DataFrame은 zero-indexed 입니다. 즉, 0 번 부터 시작합니다. 위 데이터에서 0 번부터 시작해서 2 번째 row 를 가져오고 싶다면 다음과 같이 코드를 작성할 수 있습니다.

orders.iloc[2]

단 하나의 row 를 선택할때도 마찬가지로 Series 가 반환됩니다. 여러개의 row 를 선택하고 싶은 경우 다음과 같이 코드를 작성할 수 있습니다.

orders.iloc[3:7]		# 3번 ~ 6번 까지(7번 미포함)의 row를 반환합니다.
orders.iloc[:4]			# 0번 ~ 3번 까지(4번 미포함)의 row를 반환합니다.
orders.iloc[-3:]		# 뒤에서 부터 시작해서 3개의 row를 반환힙니다.

위의 방법은 데이터가 원하는 순서로 정렬된 상태에서 유용하게 쓰일 수 있습니다. 그러나 순서와 상관없이 논리적인 방법으로 row 를 선택하고 싶은 경우, 다음과 같이 코드를 작성할 수 있습니다.

df[df.ColumnName == column_value]

만약 customers 란 DataFrame에서 age 가 30 인 row 를 선택하고 싶다면 다음과 같이 작성할 수 있습니다.

customers[customers.age == 30]
# 만약 age 가 30 보다 낮은 row를 찾고싶다면
customers[customers.age < 30]		# 이렇게도 가능합니다.

이러한 방법으로 복잡한 로직을 수행한 결과를 가져올 수도 있습니다.

# age가 30보다 낮거나 name이 'Martha Jones'인 row를 찾습니다.
df[(df.age < 30) |
   (df.name == 'Martha Jones')]

만약 특정 값이 어떠한 범주에 속하는지 알고싶다면 다음과 같이 작성할 수 있습니다.

# name이 'Martha Jones','Rose Tyler', 'Amy Pond'에 포함된 row를 선택합니다.
df[df.name.isin(['Martha Jones',
     'Rose Tyler',
     'Amy Pond'])]

Setting indices

만약 DataFrame의 index 가 어떠한 이유에 의해서 비연속적이라면, index 를 reset 해 줄 필요가 있습니다. 다음과 같은 데이터가 있다고 가정해 봅시다.

df.reset_index() 명령을 실행하면 위 DataFrame을 다음과 같이 변경할 수 있습니다.

이는 기존의 index 를 새로운 컬럼으로 만든 뒤 DataFrame 에 새로운 index 를 부여합니다. 만약 새로운 index column 을 만들고 싶지 않다면 drop=True 옵션을 부여할 수 있습니다. 또 .reset_index() 명령은 새로운 DataFrame 을 반환하는데, 새로운 걸 만들지 않고 기존의 것을 수정하고자 한다면 inplace=True 옵션을 부여할 수도 있습니다.

Review

이번 포스팅에서는 Pandas 에 대해서 다음과 같은 내용을 알아보았습니다:

• Create a table
• Loading data from another file
• Selecting certain rows or columns of a table

훌륭한 데이터 분석 도구인 Pandas 공부를 계속해봅시다.😆

References

• Codecademy