[Pandas 기초]3.Pandas의 자료구조-DataFrame

안녕하세요. PSYda입니다.

이번 포스팅에서는 Pandas의 DataFrame에 대해 알아보겠습니다.

소개할 내용은 아래와 같습니다.

• DataFrame 생성
• DataFrame에 Data추가/삭제/조회

2. DataFrame

DataFrame 이란?

• 2차원 데이터
• 인덱스가 같은 하나 이상의 Series가 모여진 데이터
• DBMS 의 관계형 Table 과 매우 유사

먼저 DataFrame을 사용하기 위해 Pandas 라이브러리를 import 합니다.

# pandas library import
import pandas as pd
from pandas import Series, DataFrame

2.1 DataFrame 데이터 생성

DataFrame을 생성하기 위해 셀에 DataFrame() 이라고 입력하고 괄호 안에서 Shift+tab 을 눌러보면 아래와 같은 정보가 보입니다.

DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

값을 입력해줄 수 있고, Default 가 None이기 때문에 값이 없으면 아무 동작도 하지 않습니다. 속성값들을 하나씩 알아보겠습니다.

• data : 저장되는 데이터
• index : index에 대한 정보(미입력시 0부터 순차적으로 부여)
• columns : 열에 대한 이름값(미입력시 0부터 순차적으로 부여)
• dtype : 데이터에 대한 타입 명시(미입력시 자체적으로 판단)

예제를 확인하겠습니다.

Data1 = DataFrame([[180,75],[160,65],[170,75], [175,80]],
                  index = ["사람1","사람2","사람3","사람4"],
                  columns = ["키","몸무게"])
Data1

	키	몸무게
사람1	180	75
사람2	160	65
사람3	170	75
사람4	175	80

index와 columns의 경우 선언후에도 별도로 입력할 수도 있습니다.

Data1 = DataFrame([[180,75],[160,65],[170,75], [175,80]])
Data1

	0	1
0	180	75
1	160	65
2	170	75
3	175	80

# 인덱스 저장
Data1.index = ["Man1","Man2","Man3","Man4"]
Data1

	0	1
Man1	180	75
Man2	160	65
Man3	170	75
Man4	175	80

# 컬럼명 저장
Data1.columns = ["Height","Weight"]
Data1

	Height	Weight
Man1	180	75
Man2	160	65
Man3	170	75
Man4	175	80

2.2 데이터 추가, 삭제

2.2.1 Column 추가

2.2.1.1 값으로 추가

Data1["나이"] = [30,40,32,33]
Data1

	Height	Weight	나이
Man1	180	75	30
Man2	160	65	40
Man3	170	75	32
Man4	175	80	33

2.2.1.2 Series 또는 DataFrame에서 추가

# bmi = 몸무게(kg) / 키(m)*키(m)
Data1["BMI"] = Data1["Weight"] / ((Data1["Height"] / 100) * (Data1["Height"] / 100))
Data1

	Height	Weight	나이	BMI
Man1	180	75	30	23.148148
Man2	160	65	40	25.390625
Man3	170	75	32	25.951557
Man4	175	80	33	26.122449

2.2.2 행 추가

append 함수를 이용해서 행기준으로 데이터를 추가 할 수 있습니다.

2.2.2.1 Series와 List를 이용한 행추가

listOfSeries = [pd.Series([187, 85, 34, 0], index = Data1.columns),
               pd.Series([183, 80, 32, 0], index = Data1.columns)]
Data1 = Data1.append(listOfSeries)
Data1

	Height	Weight	나이	BMI
Man1	180	75	30	23.148148
Man2	160	65	40	25.390625
Man3	170	75	32	25.951557
Man4	175	80	33	26.122449
0	187	85	34	0.000000
1	183	80	32	0.000000

2.2.2.2 DataFrame을 행기준으로 추가

df = DataFrame([[180,75,30,33],[160,65,40,22]],
               index = ["사람5","사람6"],
               columns = ["Height","Weight","나이","BMI"])
df

	Height	Weight	나이	BMI
사람5	180	75	30	33
사람6	160	65	40	22

Data1.append(df)

	Height	Weight	나이	BMI
Man1	180	75	30	23.148148
Man2	160	65	40	25.390625
Man3	170	75	32	25.951557
Man4	175	80	33	26.122449
0	187	85	34	0.000000
1	183	80	32	0.000000
사람5	180	75	30	33.000000
사람6	160	65	40	22.000000

2.2.3 데이터 삭제

drop 함수를 쓰면 행과 열을 삭제 할 수 있습니다.

axis option

• 0 : 행 기준 삭제
• 1 : 열 기준 삭제

2.2.3.1 열 삭제

Data1 = Data1.drop("BMI", axis = 1)
Data1

	Height	Weight	나이
Man1	180	75	30
Man2	160	65	40
Man3	170	75	32
Man4	175	80	33
0	187	85	34
1	183	80	32

2.2.3.2 행 삭제

Data1 = Data1.drop("Man1", axis = 0)
Data1

	Height	Weight	나이
Man2	160	65	40
Man3	170	75	32
Man4	175	80	33
0	187	85	34
1	183	80	32

2.3 DataFrame 조회

# 예제를 위한 데이터 생성
Data2 = DataFrame([[180,75,30],[160,65,40],[170,75,32], [175,80,33]],
                  index = ["사람1","사람2","사람3","사람4"],
                  columns = ["키","몸무게","나이"])
Data2

	키	몸무게	나이
사람1	180	75	30
사람2	160	65	40
사람3	170	75	32
사람4	175	80	33

2.3.1 Column 조회

DataFrame명["속성명"] 또는 DataFrame명.속성명을 통해 특정 속성명만 조회 할 수 있다.

하나의 속성명을 조회 하면 SeriesType, 여러 속성명을 조회 하면 DataFrame으로 출력된다.

# 키 Column 만 조회
Data2["키"]

사람1    180
사람2    160
사람3    170
사람4    175
Name: 키, dtype: int64

# Type 은 Series
type(Data2.몸무게)

pandas.core.series.Series

# 두 개 이상 컬럼 조회
Data2[["키", "몸무게"]]

	키	몸무게
사람1	180	75
사람2	160	65
사람3	170	75
사람4	175	80

2.3.2 Index 조회

• DataFrame명.loc["index명"] 을 통해 특정 index만 조회 가능하다.
• DataFrame명.iloc[index번호] 를 통해 특정 index만 조회 가능하다.

마찬가지로 하나의 index만 조회 할 경우 Series Type, 여러 index의 경우 DataFrame Type으로 출력한다.

Data2.loc["사람1"]

키      180
몸무게     75
나이      30
Name: 사람1, dtype: int64

# 1번 인덱스 --> 사람2의 정보만 출력
Data2.iloc[1]

키      160
몸무게     65
나이      40
Name: 사람2, dtype: int64

# 두 개 index를 index명으로 조회
Data2.loc[["사람1","사람2"]]

	키	몸무게	나이
사람1	180	75	30
사람2	160	65	40

# 여러 개의 index를 index번호로 조회
Data2.iloc[1:3]

	키	몸무게	나이
사람2	160	65	40
사람3	170	75	32

2.3.3 Index 와 column 동시 조회

하나의 index 명과 컬럼명에 해당하는 하나의 값 찾기

• DataFrame명.at["index명","컬럼명"]
• DataFrame명.loc["index명","컬럼명"]
• DataFrame명.loc["index명"]["컬럼명"]

여러 index명과 컬럼명에 해당하는 여러 값 찾기

• DataFrame명.loc[["index명1","index명2"],["컬럼명1","컬럼명2"]]
• DataFrame명.loc[["index명1","index명2"]][["컬럼명1","컬럼명2"]]

#사람1의 나이 찾기
Data2.loc["사람1","나이"]

30

#사람2의 몸무게 찾기
Data2.loc["사람2"]["몸무게"]

65

#사람3의 키 찾기
Data2.at["사람3","키"]

170

# 사람1, 사람2 의 키 조회
Data2.loc[["사람1","사람2"]]["키"]

사람1    180
사람2    160
Name: 키, dtype: int64

# 사람1,사람2 의 키와 몸무게 조회
Data2.loc[["사람1","사람2"],["키","몸무게"]]

	키	몸무게
사람1	180	75
사람2	160	65

하나의 index 번호와 컬럼번호에 해당하는 하나의 값 찾기

• DataFrame명.iat[index번호,컬럼번호]
• DataFrame명.iloc[index번호,컬럼번호]
• DataFrame명.iloc[index번호][컬럼번호]

여러 index 번호와 컬럼번호에 해당하는 여러 값 찾기

• DataFrame명.iloc[index번호1:index번호2,컬럼번호1:컬럼명번호2]

# 사람1의 나이 찾기
Data2.iloc[0,2]

30

#사람2의 몸무게 찾기
Data2.iloc[1][1]

65

#사람3의 키 찾기
Data2.iat[2,0]

170

# 사람1, 사람2 의 키 조회
Data2.iloc[0:2,0]

사람1    180
사람2    160
Name: 키, dtype: int64

# 사람1,사람2 의 키와 몸무게 조회
Data2.iloc[0:2,0:2]

	키	몸무게
사람1	180	75
사람2	160	65

2.3.4 조건 조회

# 키가 170 이상인 사람만 조회
Data2[Data2["키"] >= 170]

	키	몸무게	나이
사람1	180	75	30
사람3	170	75	32
사람4	175	80	33

2.3.5 상위/하위 데이터 조회

• head(개수) : 위에서부터 개수만큼의 데이터만 출력
• tail(개수) : 밑에서부터 개수만큼의 데이터만 출력

개수를 쓰지 않을 경우 5개만 출력

Data2.head(2)

	키	몸무게	나이
사람1	180	75	30
사람2	160	65	40

Data2.tail(2)

	키	몸무게	나이
사람3	170	75	32
사람4	175	80	33

위의 Jupyter notebook 내용은 여기 Github에서도 확인 할 수 있습니다.

감사합니다.