판다스(Pandas) 세션 #1 판다스 기본 데이터 구조, 데이터 확인 방법

240513 Today I Learn

Basic data structures in pandas

판다스에서 제공하는 두가지 데이터 타입

• Series : 1차원 형태의 데이터 (파이썬의 대부분의 타입들이 들어갈 수 있음)
• DataFrame : 2차원 형태의 표로 이루어진 데이터 (행,열의 개념이 존재함)

💡 데이터에서 이야기하는 차원이란?
데이터의 속성(Attribute) 개수에 따라 차원을 구분한다.

• 0차원 : schalar(스칼라) → 값
• 1차원 : vector(벡터)  → 리스트
• 2차원 : matrix(행렬)  → 2중 중첩 리스트
• 3차원이상 : tensor(텐서) → 3중 이상 중첩 리스트

Object Creation

1. Series 만들기 : 리스트에 값을 넣어서 만들기

s = pd.Series([1,3,5,np.nan, 6, 8])
s

 

2. DataFrame 만들기

• 리스트를 데이터 프레임으로 만들기

💡 pd.DataFrame(리스트, index = 인덱스 리스트)

s = [1,3,5, np.nan, 6, 8]
s2 = pd.DataFrame(s, index = [3,4,5,6,7,8])

• Numpy array 이용하기

💡 pd.DataFrame(numpy array,  index = 인덱스 리스트, colums = 컬럼 리스트)
→ 컬럼 리스트와 인덱스 리스트의 경우 별도로 입력하지 않으면 0부터 n까지의 정수로 채워진다.

# data_range 함수를 이용해서 연속된 날짜 정보 만들기
dates = pd.date_range("20240513", periods=6)

# numpy array 만들기
data_np = np.random.randn(6, 4)

# numpy array로 데이터 프레임 만들기
df = pd.DataFrame(data_np, index=dates, columns=list("ABCD"))

• 딕셔너리 이용하기 

💡 pd.DataFrame({딕셔너리})
→ 딕셔너리의 키는 column으로 지정되고 딕셔너리의 값은 각 column의 값으로 지정된다.

df2 = pd.DataFrame(
    {
        "A": 1.0,
        "B": pd.Timestamp("20130102"),
        "C": pd.Series(1, index=list(range(4)), dtype="float32"),
        "D": np.array([3] * 4, dtype="int32"),
        "E": pd.Categorical(["test", "train", "test", "train"]),
        "F": "foo"
    }
)

인덱스 함수 알아보기

• pd.RangeIndex (시작값, 끝값 +1, step = 띄어 셀 단위) 

list(pd.RangeIndex(2,20, step = 2))

## [2, 4, 6, 8, 10, 12, 14, 16, 18]

• pd.date_range(시작 날짜값, periods = 간격) : 연속된 날짜정보 만들기

dates = pd.date_range("20240513", periods=6)

dates

## DatetimeIndex(['2024-05-13', '2024-05-14', '2024-05-15', '2024-05-16','2024-05-17', '2024-05-18'],
##              dtype='datetime64[ns]', freq='D')

Viewing data

1. 데이터의 처음과 마지막 행 출력하기

• df.head(n=5) : 전체 데이터 중 처음 n개의 데이터를 출력 (기본값 = 5)

df.head()

• df.tail(n = 5) : 전체 데이터중 끝에서부터 n개의 데이터를 출력 (기본값 = 5)

df.tail()

2. 인덱스, 컬럼 정보 확인하기

• df.index : 데이터 프레임의 모든 인덱스를 리스트 형태로 반환

df.index

## DatetimeIndex(['2024-05-13', '2024-05-14', '2024-05-15', '2024-05-16','2024-05-17', '2024-05-18'],
##	          dtype='datetime64[ns]', freq='D')

• df.columns : 데이터 프레임의 모든 컬럼들을 리스트 형태로 반환

df.columns

## df.columns

 

💫 index와 colum를 모두 제외하고 데이터만 Numpy array 형태로 만들고 싶은 경우 (numpy 활용하기)

 

💡DataFrame.to_numpy() 함수를 사용할 수 있다.

df.to_numpy()

## array([[ 3.21567053e-02, -1.29128233e+00, -1.02287862e+00,8.73569791e-01],
##        [ 6.07973925e-01,  7.35387927e-01,  1.15698778e+00,-4.03356622e-01],
##        [ 5.78983686e-01,  1.27494522e+00, -2.82980371e-01,-1.34906403e-01],
##        [ 2.32098681e-03, -2.83601746e+00,  3.41215491e-01,2.51560840e-01],
##        [ 9.87280461e-02,  1.38162050e-01, -5.03397289e-01,-3.13047598e-01],
##        [ 2.32528712e-02,  8.17136536e-02,  8.03615859e-01,-1.26408542e+00]])

3. 대략적인 통계값 확인하기

• df.describe() : 데이터 프레임의 대략적인 통계값을 확인할 수 있다.

df.describe()

Sorting data

1. 인덱스 기준 정렬

💡 df.sort_index(axis = 0/1, ascending = True/False)

• axis = 0 (행방향, default)/ 1 (열방향)
• ascending = True(오름차순) / False(내림차순)

df.sort_index(axis = 0, ascending = True)

2. 값 기준 정렬 

💡 df.sort_values(by = '기준 칼럼', ascending = True/False)

df.sort_values(by="B")

→ 인덱스 기준 정렬과 동일하게 ascending  = True/ False를 이용할 수 있다.