파이썬으로 시작하는 데이터 사이언스 3 - Pandas 기초

 

Pandas : 수식으로 계산할 수 있고 시각화도 할 수 있는 데이터 분석도구입니다.

엑셀로도 데이터를 분석할 수 있는데 왜 판다스를 사용하는 것일까요?

엑셀로는 힘든 대용량의 데이터를 판다스는 분석할 수 있기 때문입니다.

아래에 첨부된 10 minutes to pandas를 한 번씩 실행해보시면 판다스의 전반적인 것을 익힐 수 있습니다.
(다만, 10 minutes는 문서를 스크롤 하는데 걸리는 시간입니다ㅎㅎ 실제로는 더 오래 걸립니다.)

추가로 같이 첨부된 Pandas Cheat Sheet도 추천드립니다.


우선 판다스를 불러보겠습니다.

import pandas as pd

일반적으로 as pd라고 정해줍니다. 이는 쉽게 별칭을 지어준다고 보시면 됩니다.

별칭을 지어주시면 나중에 불러올 때 굳이 다 적지 않으셔도 됩니다.

예를들어, pandas.DataFrame이 아닌 pd.DataFrame로 좀 더 간결하게 사용하실 수 있습니다.

일반적으로 파이썬 라이브러리들은 각각의 통용되는 별칭이 있습니다.

앞으로 나오는 것들은 일반적으로 사용되는 별칭이라고 보시면 됩니다.

DataFrame

Cheet Sheet에 있는 DataFrame을 가져와서 따라해 보도록 하겠습니다.

df = pd.DataFrame(
{"a" : [4, 5, 6],
"b" : [7, 8, 9],
"c" : [10, 11, 12]},
index = [1, 2, 3])
df

결과 : 

결과를 보시면 a, b, c 컬럼을 가진 DataFrame이 생성된 것을 보실 수 있습니다.



Series

df["a"]라고 컬럼을 출력하게 되면 a 컬럼에 있는 4,5,6의 값이 출력이 되는데 이것을 Series 데이터라고 부릅니다.

df["a"]

결과 :

 

하지만 대괄호를 하나 더 쓰게 된다면 DataFrame 형태로 출력되는 것을 볼 수 있습니다.

df[["a"]]

결과 : 

결과를 보시면 이렇듯 DataFrame은 2차원의 구조를 가지고 있고,

Series는 1차원의 구조를 가지고 있는 것을 알 수 있습니다.



Subset (일부 값만 불러오기)

# Rows 기준 예시
df[df.Length > 7]

# Columns 기준 예시
df[['width', 'length', 'species']]

* 주의 : 두 개 이상의 값을 불러 올때는 DataFrame 형태로 불러와야 합니다.

df["a", "b"]
# 두 개 이상의 값을 불러올 때 Series형태로 불러올 경우 키값 오류가 발생합니다.

df[["a", "b"]]
# DataFrame 형태로 불러와야 합니다.

 

Summarize Data

Categorical한 값의 빈도수를 구하는 방법입니다.

df["a"].value_counts()

결과 :

Reshaping

sort_values, drop

1) "a"컬럼을 기준으로 정렬하기

df["a"].sort_values()

결과 :

2) DataFrame 전체에서 "a"값을 기준으로 정렬하기

df.sort_values("a")

결과 :

3) 역순으로 정렬하기

df.sort_values("a", ascending=False)

결과 :

 

4) "c"컬럼 drop 하기

df = df.drop(["c"], axis=1)
df

 

결과 : 

Group Data

Groupby, pivot_table

1) "a" 컬럼값을 Groupby하여 "b"의 컬럼값 평균값 구하기 

df.groupby(["a"])["b"].mean()

결과 :

2) pivot_table로 평균값 구하기

pd.pivot_table(df, index="a")

결과 :

--> "a" 컬럼에 있는 값이 4가 두 개가 있기 때문에 그 값의 평균값이 적용이 됩니다.



Plotting

데이터를 가지고 다양한 시각화를 해보실 수 있습니다.

1) 꺾은선 그래프 그리기

df.plot()

결과 :

2) 막대그래프 그리기

df.plot.bar()

결과 : 

3) 밀도함수 그리기

df.plot.density()

결과 :

 

 

판다스 라이브러리 공식 사이트

pandas - Python Data Analysis Library

 

 

 10 minutes to pandas

10 minutes to pandas — pandas 1.0.0 documentation

http://pandas.pydata.org/Pandas_Cheat_Sheet.pdf