기본 설정
pandas 라이브러리를 pd라는 이름으로 불러온다
import pandas as pd데이터프레임의 chained indexing을 금지시키기 위한 설정을 지정한다. Pandas 3.0 버전부터는 기본 옵션으로 지정된다.
pd.options.mode.copy_on_write = True데이터 저장소 디렉토리
앞으로 사용할 데이터셋들의 기본 저장소를 지정한다.
data_url = 'https://raw.githubusercontent.com/codingalzi/statsRev/refs/heads/master/data/'17.1데이터셋 불러오기¶
위 url의 ‘ch01_sport_test.csv’ 파일은 아래 그림처럼 학생 10명의 체력 테스트 결과가 쉼표로 구분해 저장한 것이다. 이런 식으로 엑셀 형식으로 표현되는 데이터를 태뷸러 데이터tabular data라 한다.
아래 코드는 Pandas의 read_csv() 함수를 이용해 위 태블렛 데이터를 읽어온다. 학생번호를 인덱스로 지정하고,
생성된 데이터프레임을 변수 sports_df에 할당한다. 출력된 결과를 보면 학생번호가 인덱스로 지정된 것을 알 수 있다.
sports_df = pd.read_csv(data_url+'ch01_sport_test.csv', index_col='학생번호')
sports_df17.2데이터프레임 기초 정보¶
데이터프레임이 제공하는 기능을 이용하여 저장된 데이터셋의 다양한 정보를 확인할 수 있다.
모양 정보
모양 정보는 shape 속성으로 확인할 수 있다. 출력된 튜플의 첫째 항목은 데이터셋에 포함된 샘플의 개수를, 둘째 항목은 각 샘플에 포함된 특성의 개수를 의미한다. 데이터프레임 sports_df는 총 10개의 데이터 샘플이 5개의 특성들로 표현되어 있음이 확인된다.
sports_df.shape(10, 5)특성의 종류
데이터 샘플의 특성 종류는 columns 속성과 info() 함수를 통해 확인할 수 있다.
sports_df.columnsIndex(['학년', '악력', '윗몸일으키기', '점수', '순위'], dtype='object')sports_df.info()<class 'pandas.core.frame.DataFrame'>
Index: 10 entries, 1 to 10
Data columns (total 5 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 학년 10 non-null int64
1 악력 10 non-null float64
2 윗몸일으키기 10 non-null int64
3 점수 10 non-null int64
4 순위 10 non-null int64
dtypes: float64(1), int64(4)
memory usage: 480.0 bytes
특성은 수치형 특성과 범주형 특성으로 나뉘고, 수치형 특성은 이산형과 연속형으로 나눌 수 있다. 위 데이터의 경우, 학년은 범주형 특성, 나머지는 모두 수치형 특성인데, 악력을 제외한 수치형 특성들은 모두 이산형임을 알 수 있다.
데이터셋의 수치형 특성의 기본 통계 정보
sports_df.describe()17.3인덱싱¶
여기서는 불러들인 데이터셋을 이용해 앞에서 배운 행과 열 인덱싱을 간단하게 복습하기로 하자.
17.3.1행 인덱싱¶
loc메서드
데이터프레임 sports_df를 생성할 때, 학생번호를 인덱스로 지정했던 것을 기억할 것이다. 따라서 loc 메서드를 이용하면 학생번호가 1인 학생의 체력 테스트 결과를 별도의 시리즈로 추출할 수 있다.
sports_df.loc[1]학년 1.0
악력 40.2
윗몸일으키기 34.0
점수 15.0
순위 4.0
Name: 1, dtype: float64iloc메서드
반면에, iloc 메서드를 사용하면 각 행에 자동으로 매겨진 정수 인덱스를 이용해 학생번호가 1인 학생의 정보를 동일하게 얻을 수 있다.
sports_df.iloc[0]학년 1.0
악력 40.2
윗몸일으키기 34.0
점수 15.0
순위 4.0
Name: 1, dtype: float6417.3.2열 인덱싱¶
데이터프레임에서 악력에 대한 열을 추출하면 모든 학생의 악력에 대한 정보만을 담은 1차원 자료구조인 시리즈Series가 반환된다.
악력1D = sports_df['악력']
악력1D학생번호
1 40.2
2 34.2
3 28.8
4 39.0
5 50.9
6 36.5
7 36.6
8 49.2
9 26.0
10 47.4
Name: 악력, dtype: float64악력1D.ndim1반면에 아래와 같이 리스트를 사용하면 2차원 자료구조인 데이터프레임이 반환된다.
악력2D = sports_df[['악력']]
악력2D악력2D.ndim2악력1D와 악력2D는 내용면에서는 동일하며 거의 동일하게 활용될 수 있다.
하지만 여러 개의 특성을 지정하려면 반드시 리스트 형식으로 사용해야 한다.
예를 들어 아래 코드는 모든 학생에 대해 학년과 악력 정보를 함께 담은 데이터프레임을 가리킨다.
학년과악력 = sports_df[['학년', '악력']]
학년과악력loc과 iloc 메서드를 이용해 열 인덱싱을 할 수도 있는데, 이때는 행 전체를 나타내는 :이 동반되어야 한다.
loc 활용
악력1D = sports_df.loc[:, '악력']
악력1D학생번호
1 40.2
2 34.2
3 28.8
4 39.0
5 50.9
6 36.5
7 36.6
8 49.2
9 26.0
10 47.4
Name: 악력, dtype: float64악력2D = sports_df.loc[:, ['악력']]
악력2D학년과약력 = sports_df.loc[:, ['학년', '악력']]
학년과약력iloc 활용
자동으로 부여된 열 인덱스인 0, 1, 2, ..를 사용하면 된다.
악력1D = sports_df.iloc[:, 1]
악력1D학생번호
1 40.2
2 34.2
3 28.8
4 39.0
5 50.9
6 36.5
7 36.6
8 49.2
9 26.0
10 47.4
Name: 악력, dtype: float64악력2D = sports_df.iloc[:, 1:2]
악력2D학년과약력 = sports_df.iloc[:, :2]
학년과약력17.4연습문제¶
참고: (연습) 데이터 다루기