DataFrame
DataFrame
1. create
# 컬럼 설정
pd.DataFrame(columns=["Email","Name"])
# 데이터 삽입
df["Name"] = ["fcamp","dss"] #Name컬럼에 fcamp, dss 추가하가
df["Email"] = ["yea@gmail.com", "jjj@daum.net"]
---
# 하나의 컬럼의 type은 Series 이다.
type(df["Email"])
=> pandas.core.series.Series
---
# 딕셔너리 DataFrame만들기
dic = {
"Name": ["fcamp", "dss"],
"email": ["pdj@gmail.com", "dss@daum.net"],
"id": [1, 2],
}
pd.DataFrame(dic)
#리스트로 DataFrame 만들기
ls = [
{"Name": "fcamp", "email": "pdj@gmail.com", "id": 1},
{"Name": "dss", "email": "dss@daum.net", "id": 2},
]
pd.DataFrame(ls)
---
# DataFrame만들때 index 값도 같이 만들어 주기
idx = ["one", "two"]
pd.DataFrame(ls, index=idx)
#데이터 갖고 오는 방법들
df.index
=> Index(['one', 'two'], dtype='object')
df.columns
=> Index(['Name', 'email', 'id'], dtype='object')
df.values
=> array([['fcamp', 'pdj@gmail.com', 1],
['dss', 'dss@daum.net', 2]], dtype=object)
# 컴럼별 데이터 타입 확인하기
df.dtypes
=> Name object
email object
id int64
dtype: object
2. insert
- row 추가
- colunm 추가
row 데이터 추가하기
df.loc[2] = {"email":"ee@gmail.com", "Name":"dad", "id":3}
Name email id
0 fcamp pdj@gmail.com 1
1 dss dss@daum.net 2
2 data data@gmail.com 3
#빠르게 추가하기
len(df)
df.loc[len(df)] = {"email":"dae@gamil.com", "Name":"e32", "id":4}
Name email id
0 fcamp pdj@gmail.com 1
1 dss dss@daum.net 2
2 data data@gmail.com 3
3 data2 data2@gmail.com 4
row 데이터 보기 & offset index
df.loc[1]
=> Name dss
email dss@daum.net
id 2
Name: 1, dtype: objec
df.loc[1:2] #index 1에서
df.loc[::-1] #반다로 출력
df.loc[1:2, ["email","id"]] #index 1에서 2까지 그리고 column "email","id" 함께 출력
=>
email id
1 dss@daum.net 2
2 data@gmail.com 3
df.loc[[1,3], ["email","id"]] #index 1과 3 그리고 column "email","id" 함께 출력
=>
email id
1 dss@daum.net 2
3 data2@gmail.com 4
컬럼 데이터 추가하기
df["Address"] = ["Seoul", "Busan", "Jeju", "Deagu"]
=>
Name email id Address
0 fcamp pdj@gmail.com 1 Seoul
1 dss dss@daum.net 2 Busan
2 data data@gmail.com 3 Jeju
3 data2 data2@gmail.com 4 Deagu
df[["Address", "email"]]
=>
Address email
0 Seoul pdj@gmail.com
1 Busan dss@daum.net
2 Jeju data@gmail.com
3 Deagu data2@gmail.com
index 수정
pd.DataFrame(data=df.values, columns=df.columns, index=list("ABCD"))
=>
Name email id Address
A fcamp pdj@gmail.com 1 Seoul
B dss dss@daum.net 2 Busan
C data data@gmail.com 3 Jeju
D data2 data2@gmail.com 4 Deagu
df.index = list("QWER")
=>
Name email id Address
Q fcamp pdj@gmail.com 1 Seoul
W dss dss@daum.net 2 Busan
E data data@gmail.com 3 Jeju
R data2 data2@gmail.com 4 Deagu
df.index = range(4)
=>
Name email id Address
0 fcamp pdj@gmail.com 1 Seoul
1 dss dss@daum.net 2 Busan
2 data data@gmail.com 3 Jeju
3 data2 data2@gmail.com 4 Deagu
3. apply
- 모든 컬럼 요소에 함수를 적용해서 결과를 저장하는 방법
- function의 map과 유사
```python df[“Address”] = df[“Address”].apply( lambda addr: “{}({})”.format(addr, len(addr)) )
df[“Domain”] = df[“email”].apply( lambda data: re.findall(“[\w]+@([0-9a-z]+)[.][0-9a-z]+”, data)[0])
s = “pdj@gmail.com” p = “[\w]+@([0-9a-z]+)[.][0-9a-z]+” re.findall(p, s)[0] => ‘gmail’
### 4. append
- 데이터 프레임을 합치고 싶을때
```python
df3 = df1.append(df2) #기본적으로 세로로 합쳐짐
df1.append(df2, ignore_index = True)
reset_index
df3.reset_index()
=>
index Age Name
0 0 26 Alan
1 1 33 Alex
2 2 33 Jin
3 3 40 Science
4 4 32 Jin
5 0 29 Data
6 1 25 Jin
7 2 28 Alvin
8 3 29 Alan
9 4 39 Fast
df3.reset_index(drop=True, inplace=True)
=>
Age Name
0 26 Alan
1 33 Alex
2 33 Jin
3 40 Science
4 32 Jin
5 29 Data
6 25 Jin
7 28 Alvin
8 29 Alan
9 39 Fast
df3["Age"].reset_index()
df3["Age"]
#둘의 차이점은 .reset_index()하면 DataFrame으로 만들어 준다.
5. concat
- row, column으로 데이터 프레임을 합치는 함수
pd.concat([df1, df2]).reset_index(drop=True) #세로로 합치기
pd.concat([df3, df1], axis=1) #가로로 합치
pd.concat([df3, df1], axis=1, join='inner') # nan 부분 제외
6. groupby, aggregate
- 특정 컬럼의 중복되는 row를 합쳐서 새로운 데이터 프레임을 만드는 방법
- size : 데이터의 갯수를 출력
- sort_values : 정렬
- agg : min, max, mean등 기능을 사용할수 있는 함수
df.groupby("Name").size() #Name 안의 값들의 갯수를 알려준다.
=>
Name
Adam 2
Alan 1
Alex 2
Andrew 1
Billy 1
Data 2
Jin 1
dtype: int64
df.groupby("Name").size().reset_index(name = "counts")
=>
Name counts
0 Adam 2
1 Alan 1
2 Alex 2
3 Andrew 1
4 Billy 1
5 Data 2
6 Jin 1
#정렬
df.sort_values(by=["counts", "Name"], ascending=False)
#agg 함수
df.groupby("Name").agg("sum").reset_index()
=>
Name Age
0 Adam 77
1 Alan 28
2 Alex 41
3 Andrew 22
4 Billy 28
5 Data 64
6 Jin 36
df.groupby("Name").agg(["min","max","mean"]).reset_index()
=>
Name Age
min max mean
0 Adam 38 39 38.5
1 Alan 28 28 28.0
2 Alex 20 21 20.5
3 Andrew 22 22 22.0
4 Billy 28 28 28.0
5 Data 30 34 32.0
6 Jin 36 36 36.0
7. select
Name Age
min max mean
0 Adam 38 39 38.5
1 Alan 28 28 28.0
2 Alex 20 21 20.5
df.loc[2]["Age"]["max"]
=> 21
8. merge
- 두개 이상의 데이터 프레임을 합쳐서 하나의 데이터 프레임으로 만드는 방법
money_df.merge(user_df, left_on="ID", right_on="UserID")
pd.merge(money_df, user_df)
df.["ID"].unique()
df.rename(columns={"UserID":"ID"})
 |
댓글남기기