Python pandas - DataFrame PDS 함수

색인(Indexing)

DataFrame pds을 indexing 하기 위한 method로는 loc, iloc, at, iat 네 가지가 있습니다. 아래 예제를 통해 살펴보겠습니다.

iloc, iat은 index를 사용해서 값을 가져오며 loc, at은 key, column명으로 값을 가져오는 것을 알 수 있습니다.

 

- 하나씩 가져오기

 

- 한개의 column 가져오기

>> df.loc[:]['Age']
11    45
12    36
13    21
Name: Age, dtype: int64

>> df['Age']
11    45
12    36
13    21
Name: Age, dtype: int64

>> df.Age
11    45
12    36
13    21
Name: Age, dtype: int64

 

- 두 개 이상의 Column 가져오기

Column label들로 구성된 list를 pds key로 넣어줍니다.

 

>> df[['Name', 'Gender']][1:3]

        Name	Gender
12	Judy	F
13	Fred	M

한가지 살펴보면 좋은 점은, 위와 같이 조회했을 때 뒤에 [1:3]은 row 1~2 번째 자리의 값을 가져온다는 뜻입니다.

하지만 아래와 같이 조회하면 [11:13]은 자리가 아닌 index 자체를 뜻하기 때문에 11~13 값을 가진 index를 조회합니다.

>> df.loc[11:13]['State']
11    NY
12    CA
13    PA
Name: State, dtype: object

 

첨가(Add)

- Add row

>> df.loc[len(df)] = ['Hellen', 'TX', 4, 'F']

    	Name	State	Age	Gender
11	Tom	NY	45	M
12	Judy	CA	36	F
13	Fred	PA	21	M
3	Hellen	TX	4	F

 

 

- Add column

>> df['Major'] = ['Eng','Math','Physics','Arts']

    	Name	State	Age	Gender	Major
11	Tom	NY	45	M	Eng
12	Judy	CA	36	F	Math
13	Fred	PA	21	M	Physics
3	Hellen	TX	4	F	Arts

 

** lambda를 사용해서 조건에 맞는 컬럼 추가

>> adult = lambda x : '어른' if int(x)>18 else '아이'
>> df['Adult'] = list(map(adult, list(df.Age))); df

    	Name	State	Age	Gender	Major	Adult
11	Tom	NY	45	M	Eng	어른
12	Judy	CA	36	F	Math	어른
13	Fred	PA	21	M	Physics	어른
3	Hellen	TX	4	F	Arts	아이

 

제거(Remove)

- Remove row

drop() method를 사용합니다. 기존 df값을 변경하고 싶으면 (inplace=True) 매개변수를 사용합니다.

 

row가 삭제돼서 index가 흐트러졌다면, reset_index를 사용해서 맞출 수 있습니다.

DataFrame.reset_index(drop=True, inplace=False)

• drop : 이전 인덱스를 DataFrame 내에서 삭제할지 여부입니다. True로 설정하지 않으면 아래와 같이 level_0 column이 생성됩니다.

>> df.reset_index(inplace=True); df

    level_0	index	Name	State	Age	Gender	Major	Adult
0	0	0	Tom	NY	45	M	Eng	어른
1	2	2	Hellen	TX	4	F	Arts	아이

 

- Remove Column

drop() method를 사용합니다. (axis=1) 을 붙여서 컬럼 제거로 사용합니다. 

(inplace=True) 메소드를 사용해서 변경 값을 DataFrame에 바로 적용할 수 있습니다.

>> df.drop('Gender', axis=1, inplace=True)

 

 

 

그 외 다양한 함수들

 

먼저, 함수들을 사용하기 위해 DataFrame 세팅합니다.

# setting
dic = {'Name': ['Tom','Judy','Fred'],
       'State': ['NY','CA','PA'],
       'Age': [45,36,21],
       'Gender': ['M','F','M']}

df = pd.DataFrame(dic);
df.loc[len(df)] = ['Hellen', 'TX', 4, 'F']
df['Major'] = ['Eng','Math','Physics','Arts']

adult = lambda x : '어른' if int(x)>18 else '아이'
df['Adult'] = list(map(adult, list(df.Age))); df

 

특정 행/열 골라내기(Reindexing)

>> df.reindex(index=[0,2], columns=['Name','Major'])

	Name	Major
0	Tom	Eng
2	Fred	Physics

 

 

열 이름(Column Label) 변경하기

newcols = {'Age':'age', 'Major':'major'} # dict
df.rename(columns=newcols, inplace=True)

 

문자열 변경하기

TX -> Tex, PA->Pen으로 변경됩니다.

>> df.replace(['TX','PA'], ['Tex','Pen'], inplace=True); df

	Name	State	age	Gender	major
0	Tom	NY	45	M	Eng
1	Judy	CA	36	F	Math
2	Fred	Pen	21	M	Physics
3	Hellen	Tex	4	F	Arts

 

 

숫자 변경하기

pd.to_numeric() 함수를 사용합니다. 대상을 확실히 숫자형으로 지정한 후에 변경하기 위해 downcast를 사용해서 타입을 지정합니다.

>> df['age'] = pd.to_numeric(df['age'], downcast='float')*2; df

	Name	State	age	Gender	major	Adult
0	Tom	NY	90.0	M	Eng	어른
1	Judy	CA	72.0	F	Math	어른
2	Fred	PA	42.0	M	Physics	어른
3	Hellen	TX	8.0	F	Arts	아이

 

 

행/열의 배열 순서 변경하기

>> df = pd.DataFrame(df, index=df.index[::-1], columns=df.columns[::-1])

 

 

index/column에 이름 지정하기

>> df.index.name='Index'; df.columns.name='Item'; df

 

 

행과 열을 서로 바꾸기(Transpose)

T method를 사용합니다.

 

 

Column Label 앞/뒤에 문자열 덧붙이기(Prefix/Suffix)

 

 

 

References

Python(파이썬)과 Matplotlib, Numpy, Pandas - 양원영, 고병천 외 3명