편집
1,408
번
바뀜
편집 요약 없음
{{Pandas:DataFrame}}
== 개요 ==
== 개요 ==
데이터의 전체 구조를 조작하는 방법에 대해.
데이터의 전체 구조를 조작하는 방법에 대해.
!방법
!방법
|-
|-
|행 삭제
|열 삭제
|칼럼을 삭제한다. 시리즈로 변환하여 반환한 후 삭제한다.
|칼럼을 삭제한다. 시리즈로 변환하여 반환한 후 삭제한다.
|col = df.pop('열이름')
|col = df.pop('열이름')
|-
|-
|행 삭제
|열 삭제
|그냥 삭제.
|그냥 삭제.
|df.del('열이름')
|df.del('열이름')
df.drop(columns = '열이름')
df.drop(columns = ['열1', '열2', ...]) # 여러 개의 열을 지울 경우.
|-
|
|
|
|}
|}
== 자르기 ==
== 자르기 ==
|리스트를 가장 아래 행으로.
|리스트를 가장 아래 행으로.
|<syntaxhighlight lang="python">
|<syntaxhighlight lang="python">
# 붙이기 위해 리스트를 시리즈화 한다.
a = pd.Series(item, index=df.columns) # index=df.columns이 없으면 새로운 열을 만들어 붙인다.
df = df.append(a,
ignore_index=True) # 인덱스를 무시하고 df에 순차적으로 넣고 싶은 경우.
</syntaxhighlight>
</syntaxhighlight>
|}
|}
=== dataframe끼리 붙이기 ===
=== dataframe끼리 붙이기 ===
[아직 완성하지 않음;;;]
[아직 완성하지 않음;;;]
=== 끼어넣기 ===
=== 끼어넣기 ===
{| class="wikitable"
{| class="wikitable"
|}
|}
== 데이터 프레임끼리의 연산 ==
== 열 선택 ==
{| class="wikitable"
!의도
!설명
!방법
|-
|인덱스로 선택
|이중대괄호로 선택하는 경우는 dataframe으로,
대괄호 하나로 선택하는 경우엔 series로 추출한다.
|<code>df.loc[:, ['열이름', '열이름2', ...]]</code>
df<nowiki>[['열이름', '열이름2', ...]]</nowiki> # dataframe으로 반환
df['열이름', '열이름2', ...] # series로 반환
|-
|순서로 선택
|인덱스가 아닌, df의 순서로 선택할 경우.
|처음의 :는 모든 행에 대해 선택한다는 의미.
<code>df.iloc[:, [1,2,3,5,6,...]]</code>
연속된 걸 선택할 땐 다음과 같이.
<code>df.iloc[:, 0:3]</code>
|}
{| class="wikitable"
|-
|칼럼 순서 바꾸기
|<syntaxhighlight lang="python">
데이터프레임2 = DataFrame(데이터프레임1, columns=[열이름1, 열이름2, ...])
</syntaxhighlight>
|}
= 데이터 프레임끼리의 연산 =
사칙연산 뿐 아니라 ==, !=, > 등의 논리연산도 가능하다. 기본적으로 칼럼과 레이블이 같은 위치의 값들끼리 연산한다.
사칙연산 뿐 아니라 ==, !=, > 등의 논리연산도 가능하다. 기본적으로 칼럼과 레이블이 같은 위치의 값들끼리 연산한다.
===열 조작===
{| class="wikitable"
!의도
!방법
!설명
|-
|열 선택
|df.<nowiki>[['열1', '열2', ...]]</nowiki>
|해당 df에서 열을 선택하는 방법.
열이 1개일 땐 대괄호 하나에 열이름으로 선택이 되지만, 2개 이상일 땐 대괄호 2개로 묶어주어야 한다.
|-
|열 리스트 얻기
|df.columns
|어떤 칼럼이 있는지 알려준다.
|-
|열 이름 바꾸기
|데이터프레임.rename(columns={'구이름':'신이름', '구이름2':'신이름2'}, inplace=True)
|inplace=True 이 옵션이 뭔진 모르겠네;; 숫자칼럼을 바꾸려면 붙어야 적용이 된다.
|-
|열 순서 바꾸기 및 추출
|df<nowiki>[['열이름1', '열이름2']]</nowiki>
|열이름에 해당하는 순서로 해당 열들만 추출된다.
|-
| 열 제거
|df = df.drop(columns='열이름')
|
|-
|열 붙이기
|df['새로운 칼럼'] = 칼럼
|행의 크기가 같은 칼럼을 붙일 수 있다.
|-
|새로운 칼럼 만들기
|df['새 칼럼'] = df['열이름'].rank()
|크기가 같은 칼럼을 만든 후 덧붙일 수 있다.
|-
|
|
|
|-
|최댓값 구하기
| df['열이름'].max()
|
|-
|최댓값의 인덱스
|df['열이름'].idxmax()
|
|-
|최솟값 구하기
|df['열이름'].min()
|
|-
|정규화
|norm(df, '열이름')
|최솟값을 0, 최대값을 1로 정규화한다.
전체 데이터에서 최솟값을 빼고, 최댓값과 최솟값의 차로 나눈다.
|}
== 파생변수 만들기 ==
데이터프레임 행별 연산을 통해 파생변수를 만들 수 있다.
{| class="wikitable"
!의도
!설명
!방법
|-
|대괄호로 생성
|
* 행별 연산을 통해 새로운 열 생성.
* np.where로 조건문의 사용도 가능하다.
|<code>df['새로운열'] = df['열1'] + df['열2']</code>
|-
|assign으로 생성
|위와 동일.
|<code>df.assign(새로운열1 = df['열1'] + df['열2'], 새로운열2 = 연산...)</code> # 새로운 열은 따옴표로 감싸지 않는 것에 유의.
|}
= 정렬 =
{| class="wikitable"
!의도
!설명
!방법
|-
|특정 열을 기준으로 정렬
|기본적으로 오름차순.
ascending=False 옵션을 주면 내림차순.
|
* df.sort_values('열이름', inplace=True, ascending=False)
* df.sort_values(['열1', '열2', ...], inplace=True, ascending=[Ture, False, ...]) # 여러 열에 대하여 각각의 정렬조건을 지정 가능. 앞에서부터 정렬한다.
|}
[[분류:Pandas:DataFrame]]
[[분류:Pandas:DataFrame]]