[Pandas] 데이터 전처리 (1) : 데이터 불러오기, 인덱스, 컬럼

240509 Today I Learn

💡  데이터 전처리
실제 데이터는 원하는 형태로 구축되어있지 않기 떄문에 내가 원하는 데이터를 보기 위해 데이터를 가공해줘야 함. 이 모든 활동을 데이터 전처리라고 한다.

• 데이터를 통해 무엇을 확인할 것인지?
• 어떤 의사결정을 위해 필요한지?
• 데이터를 통해 무엇을 얻고자 하는지?

시리즈 vs. 데이터 프레임

• DataFrame = 표 형태
  • index : 각 아이템을 특정할 수 있는 고유의 값 (엑셀에서는 좌측 열순서로 생각하면됨)
  • columns : 하나의 속성을 가진 데이터 집합
• Series = 하나의 속성을 가진 데이터 집합 (= DataFrame 표에서 열 1줄이라고 생각하면 쉬움)
  • value + index

데이터 불러오기 / 저장하기

💡 데이터 불러오기 / 저장하기

# 데이터 불러오기
df = read_확장자명("경로/파일명.확장자명",index_col = 인덱스칼럼) 

# 데이터 저장하기
to_확장자명("저장할경로/파일명.확장자명", index = True/False)​

• 데이터 불러오기

df = pd.read_csv("tips_data.csv")
print(df.head())

##    Unnamed: 0  total_bill   tip     sex smoker  day    time  size
## 0           0       16.99  1.01  Female     No  Sun  Dinner     2
## 1           1       10.34  1.66    Male     No  Sun  Dinner     3
## 2           2       21.01  3.50    Male     No  Sun  Dinner     3
## 3           3       23.68  3.31    Male     No  Sun  Dinner     2
## 4           4       24.59  3.61  Female     No  Sun  Dinner     4

→ 엑셀 파일의 확장자명(.xlsx)

• 데이터 저장하기

data.to_csv("tips_data.csv", index = True)

• `index = True`인 경우 인덱스가 출력됨

• `index = False`인 경우 인덱스가 출력되지 않음

인덱스

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})

→ 인덱스를 따로 지정하지 않을 경우 인덱스는 0부터 시작되는 정수이다.

 

💡 인덱스명 지정하기

df2 = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']}, index=['idx3', 'idx1', 'idx2'])

• 인덱스명 확인하기

df2.index

## Index(['idx1', 'idx2', 'idx3'], dtype='object')

• 인덱스명 변경하기

df2.index = ['one', 'two', 'three']
df2

• 인덱스명 정렬하기 

df.sort_index()

• 특정 컬럼에 들어있는 값을 인덱스로 활용하기

df → data

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})
data = df.set_index('A')

• 현재 인덱스를 0부터 시작하는 정수로 변경하기

df → df2 → df3

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})
df.index=['ㄱ','ㄴ','ㄷ']

df2 = df.reset_index()
df3 = df.reset_index(drop=True)

컬럼

newjeans = {
    'name' : ['Minji','Danielle','Hanni','Haerin','Hyein'],
    'age' : [20, 19, 19, 17, 16],
    'nationality' : ['Korea', 'Australia', 'Australia','Korea','Korea']
}

newjeans = pd.DataFrame(newjeans)

• 원하는 컬럼을 추출하기

# 뉴진스 멤버들의 이름을 출력하라

newjeans['name']

## 0       Minji
## 1    Danielle
## 2       Hanni
## 3      Haerin
## 4       Hyein
## Name: name, dtype: object

→ 이때 추출된 컬럼을 시리즈(Series) 타입이라고 한다.

• 데이터 프레임에 있는 모든 컬럼명 출력하기 `.columns`

newjeans.columns

## Index(['name', 'age', 'nationality'], dtype='object')

• 컬럼명 바꾸기

newjeans.columns = ['이름','나이','국적']
newjeans

 

💡일부 컬럼명만 바꾸고 싶은 경우 rename 사용하기

일부 컬럼명만 바꾸고 싶은 경우 사용할 수 있는 방법

일부 컬럼명만 바꾸고 싶은 경우 columns를 사용하게 되면 위와 같은 오류가 발생한다. 따라서 columns 대신 rename을 활용해 바꾸고 싶은 컬럼명과 바꿀 컬럼명을 일대일로 지정해주어야 한다.

new_jeans = newjeans.rename(columns={'name':'이름', 'nationality' : '국적'})
new_jeans

💡 rename을 활용할 때에는 `new_jeans newjeans.rename(~)`과 같이 반드시 새로 이름을 지정해주어야 한다. (왜 그런지는 모르겠음..ㅎ) 물론 이 전에 있던 dataframe의 이름과 같은 newjeans로 지정해도 무방하다.

• 컬럼 추가하기

# 뉴진스 멤버들은 각각 Chanel, Celine, Gucci, Dior, LouisVuitton의 앰버서더이다.
# 앰버서더로 활동중인 브랜드를 나타내는 컬럼 'brands'를 만들어라.

newjeans['brands'] = ['Chanel','Celine','Gucci','Dior','LouisVuitton'] 
newjeans

 

💡 동일한 값으로 한 컬럼을 채우고 싶은 경우 다음과 같이 작성할 수 있다.

# 뉴진스 멤버들의 직업을 나타내는 'occupation'이라는 컬럼을 만들어라.

newjeans['occupation'] = 'singer'
newjeans

• 컬럼 삭제하기

# brands 컬럼을 삭제하세요.

del newjeans['brands']
newjeans