DataFrame 데이터 보기

페이지정보

글쓴이 관리자 조회 18,985 조회 날짜 20-02-28 17:56 / Update:20-03-05 14:47

댓글 0 댓글

SNS 공유

내용

DataFrame 데이터 보기

출처 : https://pandas.pydata.org/pandas-docs/stable/reference/frame.html

데이터 생성은 아래의 코드와 같다.

import numpy as np

import pandas as pd

data = pd.read_excel('datasample.xlsx')

데이터 보기

1. 데이터 전체보기

print(data)

print(data.size)

결과

번호 국어 영어 수학 과학
0 1번 70 56 65 45
1 2번 65 95 98 95
2 3번 80 65 54 68
3 4번 68 95 68 78
4 5번 95 85 75 95
5 6번 62 75 95 45
6 7번 35 65 84 95
7 8번 78 68 92 65
8 9번 56 94 34 84
9 10번 50 51 68 95
10 11번 64 67 95 68
11 12번 89 84 78 79
12 13번 65 92 95 45
13 14번 59 65 64 92
14 15번 32 78 95 68
15 16번 21 65 46 94

2. 데이터 columns 확인

data_columns = data.columns

print(data_columns )

결과

Index(['번호', '국어', '영어', '수학', '과학'], dtype='object')

column 길이를 아래와 같이 구한다.

columns_len = len(data_columns)

3. 데이터 values 확인

DataFrame의 values는 row를 순차적으로 numpy.ndarray 타입으로 반환한다.

data_values = data.values

print(data_values)

결과

[['1번' 70 56 65 45]
['2번' 65 95 98 95]
['3번' 80 65 54 68]
['4번' 68 95 68 78]
['5번' 95 85 75 95]
['6번' 62 75 95 45]
['7번' 35 65 84 95]
['8번' 78 68 92 65]
['9번' 56 94 34 84]
['10번' 50 51 68 95]
['11번' 64 67 95 68]
['12번' 89 84 78 79]
['13번' 65 92 95 45]
['14번' 59 65 64 92]
['15번' 32 78 95 68]
['16번' 21 65 46 94]]

row 길이를 아래와 같이 구한다.

rows_len = len(data_values)

4. 데이터 통계

data_describe = data.describe()

print(data_describe)

결과

국어 영어 수학 과학
count 16.000000 16.0000 16.000000 16.00000
mean 61.812500 75.0000 75.375000 75.68750
std 20.030706 14.3527 19.643065 18.78907
min 21.000000 51.0000 34.000000 45.00000
25% 54.500000 65.0000 64.750000 67.25000
50% 64.500000 71.5000 76.500000 78.50000
75% 72.000000 86.7500 95.000000 94.25000
max 95.000000 95.0000 98.000000 95.00000

5. 데이터 head(), tail() 보기

head(n), tail(n) - n수만큼 보여준다. n = 5 default

data_head = data.head()

data_tail = data.tail()

print(data_head)

print(data_tail)

결과

번호 국어 영어 수학 과학
0 1번 70 56 65 45
1 2번 65 95 98 95
2 3번 80 65 54 68
3 4번 68 95 68 78
4 5번 95 85 75 95

번호 국어 영어 수학 과학
11 12번 89 84 78 79
12 13번 65 92 95 45
13 14번 59 65 64 92
14 15번 32 78 95 68
15 16번 21 65 46 94

6. 데이터 행과 열 바꾸기

행과 열을 바꾸어서 보여주는 속성값은 T이다. T도 DataFrame으로 반환되며 DataFrame.transpose()와 같은 결과를 반환한다.

data_T = data.T

print(data_T)

결과

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
번호 1번 2번 3번 4번 5번 6번 7번 8번 9번 10번 11번 12번 13번 14번 15번 16번
국어 70 65 80 68 95 62 35 78 56 50 64 89 65 59 32 21
영어 56 95 65 95 85 75 65 68 94 51 67 84 92 65 78 65
수학 65 98 54 68 75 95 84 92 34 68 95 78 95 64 95 46
과학 45 95 68 78 95 45 95 65 84 95 68 79 45 92 68 94

7. 데이터 정렬하기

1) sort_index()

sort_index() 메서드는 axis와 ascending argument를 가진다.

axis = 0 : index 기준 정렬(default)

axis = 1 : columns 기준 정렬

ascending = True 오름차순(default)

ascending = False 내림차순

2) sort_value()

sort_value() 메서드는 by와 ascending argument를 가진다.

by = column name : 선택한 column 값을 기준으로 정렬

ascending = True 오름차순(default)

ascending = False 내림차순

예제 코드

data_sort_index = data.sort_index(axis=0, ascending=False)

data_sort_value = data.sort_values(by='영어', ascending=False)

결과

번호 국어 영어 수학 과학
15 16번 21 65 46 94
14 15번 32 78 95 68
13 14번 59 65 64 92
12 13번 65 92 95 45
11 12번 89 84 78 79
10 11번 64 67 95 68
9 10번 50 51 68 95
8 9번 56 94 34 84
7 8번 78 68 92 65
6 7번 35 65 84 95
5 6번 62 75 95 45
4 5번 95 85 75 95
3 4번 68 95 68 78
2 3번 80 65 54 68
1 2번 65 95 98 95
0 1번 70 56 65 45

번호 국어 영어 수학 과학
1 2번 65 95 98 95
3 4번 68 95 68 78
8 9번 56 94 34 84
12 13번 65 92 95 45
4 5번 95 85 75 95
11 12번 89 84 78 79
14 15번 32 78 95 68
5 6번 62 75 95 45
7 8번 78 68 92 65
10 11번 64 67 95 68
2 3번 80 65 54 68
6 7번 35 65 84 95
13 14번 59 65 64 92
15 16번 21 65 46 94
0 1번 70 56 65 45
9 10번 50 51 68 95

3) 순서 뒤집기

입력된 데이터의 순서를 거꾸로 뒤집는 방법은 역순서 슬라이싱을 사용하면 된다.

역순서 슬라이싱은 전체 값을 뒤에서 부터 받는 방법이다. ( ::-1 )

# columns의 역순 이용하기 - 본 강좌의 8번 참고

data[data.columns[::-1]]

# iloc의 역순 이용하기 - 본 강좌의 11번 참고

data.iloc[:, ::-1]

rdata = data[data.columns[::-1]]
print(rdata)

rdata = data.iloc[:, ::-1]
print(rdata)

결과

과학 수학 영어 국어 번호
0 45 65 56 70 1번
1 95 98 95 65 2번
2 68 54 65 80 3번
3 78 68 95 68 4번
4 95 75 85 95 5번
5 45 95 75 62 6번
6 95 84 65 35 7번
7 65 92 68 78 8번
8 84 34 94 56 9번
9 95 68 51 50 10번
10 68 95 67 64 11번
11 79 78 84 89 12번
12 45 95 92 65 13번
13 92 64 65 59 14번
14 68 95 78 32 15번
15 94 46 65 21 16번

데이터 선택

8. column 데이터 선택

column은 column 이름을 indexing하여 얻을 수 있다. 또는 DataFrame.Column 형식으로도 얻을 수 있다.

여러개의 columns을 얻기 위해서는 리스트 안에 여러개의 column 이름을 입력하면 된다.

data_1 = data['국어']

data_2 = data.국어

data_3 = data[ ['국어','수학'] ]

print(data_1)

print(data_2)

print(data_3)

결과

0 70
1 65
2 80
3 68
4 95
5 62
6 35
7 78
8 56
9 50
10 64
11 89
12 65
13 59
14 32
15 21
Name: 국어, dtype: int64

국어 수학
0 70 65
1 65 98
2 80 54
3 68 68
4 95 75
5 62 95
6 35 84
7 78 92
8 56 34
9 50 68
10 64 95
11 89 78
12 65 95
13 59 64
14 32 95
15 21 46

9. row 데이터 선택

rows는 index의 슬라이스를 통해 얻을 수 있다. index가 문자열로 되어 있더라도 적용된다.

data_1 = data[0:5]

print(data_1)

결과

번호 국어 영어 수학 과학
0 1번 70 56 65 45
1 2번 65 95 98 95
2 3번 80 65 54 68
3 4번 68 95 68 78
4 5번 95 85 75 95

index가 문자열로 되어 있다면 아래처럼도 사용 가능하다.

data_1 = data['1번':'5번']

print(data_1)

결과

번호 국어 영어 수학 과학
0 1번 70 56 65 45
1 2번 65 95 98 95
2 3번 80 65 54 68
3 4번 68 95 68 78
4 5번 95 85 75 95

10. 여러 rows, columns 데이터 선택

loc(rows, columns) 메서드는 여러개의 row와 column을 선택할 수 있다.

row는 index와 슬라이스로 설정 가능하고,

column은 list로 column 이름을 입력하면 된다. columns을 설정하지 않으면 모든 column들이 설정된다.

data_1 = data.loc[4, ['수학']]

data_2 = data.loc[0:3, ['국어','영어']]

print(data_1)

print(data_2)

결과

수학 75
Name: 4, dtype: object

국어 영어
0 70 56
1 65 95
2 80 65
3 68 95

만약 set_index()로 index가 문자열로 지정되어 있다면

data.loc['4번':'6번',['국어','영어']] 형식으로 데이터를 선택할 수 있다.

index가 문자열로 되어 있으면 rows에 정수 index는 사용할 수 없다.

11. 원하는 범위 데이터 선택

iloc(rows, columns) 메서드는 여러개의 row와 column을 선택할 수 있다.

index가 문자열로 지정되어 있더라도 자체 정수 index를 사용한다.

rows 또는 columns에 콜론(:)만 넣으면 모든 행 또는 열을 반환한다. 파이썬의 슬라이싱 사용법과 동일

data_1 = data.iloc[0:3, 1:4]

data_2 = data.iloc[0:3, [1,3,4]]

data_3 = data.iloc[[3,5,7], [1,4]]

print(data_1)

print(data_2)

print(data_3)

결과

국어 영어 수학
0 70 56 65
1 65 95 98
2 80 65 54

국어 수학 과학
0 70 65 45
1 65 98 95
2 80 54 68

국어 과학
3 68 78
5 62 45
7 78 65

12. 특정 데이터 선택

loc(row, column) = at(row, column)

iloc(row, column = iat(row, column)

loc과 at은 index가 문자열일 경우 row에 문자열 index를 입력해야 한다.

iloc과 iat은 문자열 index에 상관없이 row에 정수 index를 사용한다.

data_1 = data.loc[4, ['수학']]

data_2 = data.at[4, '수학']

data_3 = data.iloc[4, 3]

data_4 = data.iat[4, 3]

print("data_1", data_1)

print("data_2", data_2)

print("data_3", data_3)

print("data_4", data_4)

결과

data_1 수학 75
Name: 4, dtype: object
data_2 75
data_3 75
data_4 75

13. 조건을 이용한 데이터 선택

조건문을 이용하여 데이터를 선택할 수 있다.

만약 국어 점수가 50점 이상인 사람들만 선택하고 싶다면

data[data.국어 >= 50] 또는 data[data['국어'] >= 50]로 사용할 수 있다.

조건은 ( ) 안에 넣어서 여러 개를 동시에 사용할 수 있다.

국어 점수가 50, 수학 점수가 90점 이상인 사람들을 선택하려면 아래와 같이 한다.

data[(data.국어 >= 50) & (data.수학 >=90)]

조건을 And로 연결하고 싶으면 &

조건을 Or로 연결하고 싶으면 | 로 연결한다.

data_1 = data[data.국어 > 50]

data_2 = data[data.수학 > 90]

print(data_1)

print(data_2)

결과

번호 국어 영어 수학 과학
0 1번 70 56 65 45
1 2번 65 95 98 95
2 3번 80 65 54 68
3 4번 68 95 68 78
4 5번 95 85 75 95
5 6번 62 75 95 45
7 8번 78 68 92 65
8 9번 56 94 34 84
10 11번 64 67 95 68
11 12번 89 84 78 79
12 13번 65 92 95 45
13 14번 59 65 64 92

번호 국어 영어 수학 과학
1 2번 65 95 98 95
5 6번 62 75 95 45
7 8번 78 68 92 65
10 11번 64 67 95 68
12 13번 65 92 95 45
14 15번 32 78 95 68

14. 필터를 이용한 데이터 선택

isin() 메서드 사용, 특정 칼럼에 문자열이 들어있는지 검사

새로운 column을 추가한다.

data['group'] = ['A','B','C','A','B','C','A','B','C','A','B','C','A','B','C','A']

isin을 이용한 조건문도 &와 |를 이용하여 여러 개를 동시에 사용할 수 있다.

data['group'] = ['A','B','C','A','B','C','A','B','C','A','B','C','A','B','C','A']

data_1 = data[data['group'].isin(['A','B'])]

print(data_1)

결과

번호 국어 영어 수학 과학 group
0 1번 70 56 65 45 A
1 2번 65 95 98 95 B
3 4번 68 95 68 78 A
4 5번 95 85 75 95 B
6 7번 35 65 84 95 A
7 8번 78 68 92 65 B
9 10번 50 51 68 95 A
10 11번 64 67 95 68 B
12 13번 65 92 95 45 A
13 14번 59 65 64 92 B
15 16번 21 65 46 94 A

번호	제목	글쓴이	조회	날짜
1	Pandas 차트 그리기 - matplotlib를 통한 차트 그리기	관리자	33551	03-06
2	Pandas - Data Analysis를 위한 모듈 설치	관리자	31646	12-13
3	Scikit-learn - 머신 러닝을 위한 모듈 설치	관리자	26580	12-20
4	Pandas 데이터 생성	관리자	26396	02-28
5	DataFrame 데이터 계산	관리자	19461	03-06
열람중	DataFrame 데이터 보기	관리자	18986	02-28
7	DataFrame 데이터 조작	관리자	18778	02-29

DataFrame 데이터 보기 > Pandas for Data Analysis and Machine Learning

회원로그인

Pandas for Data Analysis and Machine Learning