[데이터 분석] Pandas 기초 정리

판다스(Pandas)는 Python에서 데이터를 쉽고 효율적으로 분석하기 위해

데이터 분석을 할 때 사용되는 라이브러리이다.

 

쉽게 생각하면 파이썬으로 작동하는 엑셀이라 보면 되지만

프로그램(파일)이 아니라 파이썬에서 데이터를 다루는 라이브러리(도구)이기 때문에

엑셀과는 다른 개념이다.

---

판다스 설치하기

우선 아래 코드를 터미널 영역에 입력하여 판다스를 설치해준다.

# 방법1
pip install pandas
# 방법2
python -m pip install pandas

 

설치 후 실행을 시켜주어어야 하는데

코드셀에서 아래 코드를 입력하여 실행시켜주면 된다.

# 실행코드
import pandas as pd

# 버전확인
pd.__version__

※ as를 사용하여 별칭을 등록할 수 있다.

※ 실행 시 특별한 동작은 발생하지않고 실행만 된다.

---

Series

Series는 판다스에서 사용하는 가장 기본적은 1차원 데이터 구조이다.

값(value)과 인덱스(Index)가 함께 구성하고 있는 자료형이다.

 

넘파이(Numpy)의 1차원 배열과 비슷해보이긴 하지만

각 데이터에 이름표역할을 하는 인덱스(Index)가 추가되어 

데이터를 보다 더 체계적으로 관리할 수 있는 장점을 가지고있다.

---

시리즈(Series) 만들기

# 이름표(Index)로 쓸 리스트
idx = ['김사과', '반하나', '오렌지', '이메론', '배애리']

# 값(data)로 쓸 리스트
data = [67, 75, 90, 62, 98]

# 판다스 시리즈 함수 사용
pd.Series(data, index)

• 첫번째 자리 : 우측에 들어갈 값(data)
• 두번째 자리 : 각 값 왼쪽에 매칭될 이름표(index)

 

1) 인덱스를 지정하지 않고 시리즈를 만들면?

시리즈의 이름표(idx)를 지정하지 않고 알맹이(data)만 넣으면

판다스가 자동으로 0부터 시작하는 숫자 이름표(정수형 인덱스)를 만들어 부여한다.

 

2) 데이터와 이름표 조립해서 만들기

이름표(idx)를 왼쪽구역, 알맹이(data)를 오른쪽 구역에 넣으면

왼쪽에는 지정 한 이름(김사과, 반하나,...)로 이름표가 출력된다.

---

Index 객체란?

Index 객체는 시리즈(Series)와 데이터프레임(DataFrame)에서 각 데이터 위치를 식별하고 관리하는

즉, 이름표(Label) 역할을 하는 자료구조이다.

 

일반 리스트처럼 보이긴 하지만

단순히 리스트를 저장하는 용도가 아닌,

데이터를 빠르게 검색하고 정렬하여

서로 다른 데이터끼리 매칭할 수 있도록 도와주는데에 최적화된 판다스 전용 객체이다.

리스트	Index
단순 데이터 저장	이름표(Label) 관리
수정 가능	수정 불가능
검색 최적화 X	검색 최적화 O
Numpy 기반 아님	Numpy 기반

---

DataFrame이란?

데이터프레임(DataFrame)은 판다스 라이브러리에서 제공하는 데이터 구조로,

2차원의 테이블 형태 데이터를 다루는데 사용된다.

※ 2차원 테이블 : 행과 열로 구성되어있는 테이블을 말한다.

 

각 요소는 인덱스(Index), 열(Column), 값(Data)으로 구성되어 있고

데이터프레임은 행과 열로 이루어져있다.

• 인덱스(Index) : 각 행(Row)의 이름표 역할을 한다. 숫자뿐만 아닌 문자열 등 다양한 데이터타입을 가질 수 있다.
• 컬럼(Column) : 각 열(Column)의 이름표 역할을 한다.
• 값(Data) : 표 내부에 들어가는 실제 데이터로 넘파이의 ndarray기반으로 저장된다.

※ 시리즈1과 시리즈2를 합치면 데이터프레임이 되는 형태

---

데이터프레임 출력하기

# 기본구조
pd.DataFrame(값, 인덱스, 컬럼)

# 데이터프레임을 만들기 위한 리스트

# 인덱스
idx = ['김사과', '반하나', '오렌지', '이메론', '배애리']
# 컬럼
col = ['국어', '영어', '수학']
# 값
data = [[67, 93, 91],
        [75, 68, 96],
        [87, 81, 82],
        [62, 70, 75],
        [98, 56, 87]]

 

1) 값만 넣어 출력하기

pd.DataFrame(data)

실행결과 ▶

 

2) 값과 인덱스만 넣어 출력하기

pd.DataFrame(data, idx)

실행결과 ▶

 

3) 값, 인덱스, 컬럼 모두 넣어 출력하기

pd.DataFrame(data, idx, col)

실행결과 ▶

 

4) 마음대로 순서 바꾸고 싶을 때 (이름 지정하기)

pd.DataFrame(data, idx, col) 처럼 판다스가 정해둔

값 → 인덱스 → 컬럼 순서에 맞춰서 코드를 작성했지만

 

마음대로 인덱스를 먼저 넣거나 컬럼을 먼저 넣고싶을때는

이름표(매개변수 명)을 직접 입력하여 넣을 수 있다.

# 순서에 상관없이 데이터프레임 만들기
df = pd.DataFrame(index=idx, columns=col, data=data)

---

딕셔너리와 함께 사용하기

데이터프레임을 생성할때는 딕셔너리를 사용하여 만들수 있으며

딕셔너리의 key는 무조건 데이터프레임의 컬럼으로 지정된다.

 

실제로 딕셔너리를 사용하여 데이터프레임을 많이 생성하는편이다.

---

데이터프레임 요소 확인하기

데이터프레임을 만들었다면 표에서

인덱스, 컬럼, 데이터를 각각 독립적으로 분리하여 확인할수도 있다.

 

데이터프레임 뒤에 점(.)을 찍어 호출이 가능하다.

# 인덱스 확인
print(df.index)

# 컬럼 확인
print(df.columns)

# 데이터 확인
print(df.values)