[pandas] 기초 공부 2주차(E~H)

다음은 책 '모두의 딥러닝'의 부록 부분에 해당하는 내용입니다.

모두의 딥러닝 - YES24

 

 

E. 행과 열 추출하기

28. 특정 행과 열을 지정해 가져오기

# df.loc[가져올 행, 가져올 열] 형태로 불러온다.
df.loc[:, 'a':'c'] # 모든 인덱스에서 a열부터 c열까지 가져오라는 의미이다.

실행 결과

29. 인덱스로 특정 행과 열 가져오기

# 0 인덱스부터 2 인덱스까지 0번째 열과 2번째 열을 가져오라는 의미(첫 열이 0번째)
df.iloc[0:3, [0, 2]]

실행 결과

30. 특정 열에서 조건을 만족하는 행과 열 가져오기

# a열 값이 5보다 큰 경우 a열과 c열을 출력하라는 의미이다.
df.loc[df['a']>5, ['a', 'c']]

실행 결과

31. 인덱스를 이용해 특정 조건을 만족하는 값 불러오기

df.iat[1, 2] # 1번째 인덱스에서 2번째 열 값을 가져온다.

# 실행결과
# 13

 

F. 중복 데이터 다루기

# 실습을 위해 중복된 값이 포함된 데이터 프레임을 만든다.
df = pd.DataFrame(
    {"a":[4, 5, 6, 7, 7],
     "b":[8, 9, 10, 11, 11],
     "c":[12, 13, 14, 15, 15]},
     index=pd.MultiIndex.from_tuples(
         [('d', 1),('d', 2),('e', 1),('e', 2),('e', 3)],
         names=['n', 'v']))

실행 결과(df)

32. 특정 열에 어떤 값이 몇 개 들어 있는지 알아보기

df['a'].value_counts()

실행 결과

33. 데이터 프레임의 행이 몇 개인지 세어 보기

len(df)

# 실행 결과
# 5

34. 데이터 프레임의 행과 열이 몇 개인지 세어 보기

df.shape

# 실행 결과
# (5, 3)

35. 특정 열에 유니크한 값이 몇 개인지 세어 보기

df['a'].nunique()

# 실행 결과
# 4

36. 데이터 프레임의 형태 한눈에 보기

df.describe()

실행 결과

37. 중복된 값 제거하기

df = df.drop_duplicates()

실행 결과

 

G. 데이터 파악하기

38. 각 열의 합 보기

df.sum()

실행 결과

39. 각 열의 값이 모두 몇 개인지 보기

df.count()

실행 결과

40. 각 열의 중간 값 보기

df.median()

실행 결과

41. 특정 열의 평균값 보기

df['b'].mean()

# 실행 결과
# 9.5

42. 각 열의 25%, 75%에 해당하는 수 보기

df.quantile([0.25, 0.75])

실행 결과

43. 각 열의 최솟값 보기

df.min()

실행 결과

44. 각 열의 최댓값 보기

df.max()

실행 결과

45. 각 열의 표준편차 보기

df.std()

실행 결과

46. 데이터 프레임 각 값에 일괄 함수 적용하기

import numpy as np
df.apply(np.sqrt) # 제곱근 구하기

실행 결과

 

H. 결측치 다루기

# 넘파이 라이브러리를 이용해 null 값이 들어 있는 데이터 프레임 만들기

df = pd.DataFrame(
    {"a":[4, 5, 6, np.nan],
     "b":[7, 8, np.nan, 9],
     "c":[10, np.nan, 11, 12]},
     index=pd.MultiIndex.from_tuples(
         [('d', 1), ('d', 2), ('e', 1), ('e', 2)],
         names=['n', 'v']))

실행 결과(df)

47. null 값인지 확인하기

isnull : 결측값이면 True 반환, 정상값이면 False 반환. df.isna( )와 동일함.

pd.isnull(df)

실행 결과

48. null 값이 아닌지 확인하기

notnull : 결측값이면 False 반환, 정상값이면 True 반환. df.notna( )와 동일함.

pd.notnull(df)

실행 결과

49. null 값이 있는 행 삭제하기

기본 사용법

df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

axis : {0: index / 1: columns} 결측치 제거를 진행 할 레이블이다.

how : {'any' : 존재하면 제거 / 'all' : 모두 결측치면 제거} 제거할 유형이다. 포함만 시켜도 제거할지, 전부 NA여야 제거할지 정할 수 있다.

thresh : 결측값이 아닌 값이 몇 개 미만일 경우에만 적용시키는 인수이다.

subset : dropna 메서드를 수행할 레이블을 지정한다.

inplace : 원본을 변경할지의 여부이다.

 

df_notnull = df.dropna()

실행 결과

50. null 값을 특정 값으로 대체하기

df_fillna = df.fillna(13) # 13으로 대체하는 예

실행 결과

51. null 값을 특정 계산 결과로 대체하기

df_fillna_mean = df.fillna(df['a'].mean()) # a열의 평균값으로 대체한다.

실행 결과