Pandas

• Python Data Analysis Library
• 대표적인 Python 기반 정형 데이터 분석 라이브러리

<특징>

1. 테이블 형태의 데이터를 분석/처리할 수 있는 다양한 함수 제공
2. Excel로 할 수 있는 모든 연산/기능 수행 가능
3. 데이터 통계, 크롤링, 시각화 등 가능
4. Python 자료구조와 호환
5. 외부 데이터를 불러올 수 있음

Series : 1차원 데이터

1) index 없이

pd.Series(['초코파이','오리온',171,5830])
# 0 초코파이
# 1 오리온
# 2 171
# 3 5830
# dtype: object

2-1) index 생성

pd.Series(['초코파이','오리온',171,5830],
		  index =['상품명','제조사','열량','가격'])
# 상품명 초코파이
# 제조사 오리온
# 열량  171
# 가격  5830
# dtype: object        

2-2) tuple 사용

food_info = ('초코파이','오리온',171,5830)
index_name = ('상품명','제조사','열량','가격')
series = pd.Series(food_info,index=index_name)

2-3) dictionary 사용

series = pd.Series({'상품명':'초코파이','제조사':'오리온','열량':171,'가격':5830})

Series 속성 확인

• obj.isnull() : 결측치 확인
• obj.notnull() : 결측치 확인
• obj.index
• obj.values

Series 데이터 선택

• obj['제조사']
• obj.loc['제조사'] : index 이름
• obj.iloc[1] : index 위치

Series 연산

• obj1.add(obj2,fill_value= )
• obj1.sum(obj2,fill_value= )
• obj1.mul(obj2,fill_value= )
• obj1.div(obj2,fill_value= )

DataFrame : 2차원 데이터

1) index 없이

data = [['초코파이','몽쉘','오예스'],['오리온','롯데','해태'],
		[171,170,150],[5830,5290,4790]]
df = pd.DataFrame(data)
#     0.    1.    2
# 0 초코파이  몽쉘   오예스
# 1 오리온   롯데   해태
# 2 171    170   150
# 3 5830   5290  4790

2-1) index 생성

data = [['초코파이','몽쉘','오예스'],['오리온','롯데','해태'],
		[171,170,150],[5830,5290,4790]]
df = pd.DataFrame(data,
				  index = ['상품명','제조사','열량','가격'],
                  columns = ['상품1','상품2','상품3'])
#        상품1    상품2    상품3
# 상품명 초코파이    몽쉘    오예스
# 제조사  오리온    롯데    해태
# 열량    171     170    150
# 가격   5830     5290   4790

2-2) dictionary 사용

data = {'상품1':['초코파이','오리온',171,5830],
        '상품2':['몽쉘','롯데',170,5290],
        '상품3':['오예스','해태',150,4790]}
df = pd.DataFrame(data,index=['상품명','제조사','열량','가격'])

2-3) dictionary + series 사용

product_1 = pd.Series({'상품명':'초코파이','제조사':'오리온','열량':171,'가격':5830})
product_2 = pd.Series({'상품명':'몽쉘','제조사':'롯데','열량':170,'가격':5290})
product_3 = pd.Series({'상품명':'오예스','제조사':'해태','열량':150,'가격':4790})
df = pd.DataFrame({'상품1':product_1,'상품2':product_2,'상품3':product_3})

DataFrame 데이터 선택

• df.index
• df.columns
• df.shape

DataFrame 속성 확인

• df.discribe() : 열 별 기술통계량 출력(ex) 평균, 표준편차, 삼분위수 등...)
• df.info()

DataFrame 데이터 선택

• df.loc['부산'] : 행 선택
• df.iloc[1] : 행 선택
• df['최고기온'] : 열 선택
• df[df.columns[1]] :열 선택
• df.loc['울산'][0]
• df.loc['울산','최고기온']
• df.iloc[1][0]
• df.iloc[1,0]
• df['최고기온'][1]

DataFrame 데이터 수정(추가/삭제)

• df['새로운 열 이름'] = 데이터 값
• df.drop(행 이름, axis = 0)
• df.drop(열 이름, axis = 1)

DataFrame 데이터 수정(정렬)

ascending = True/False

• df.sort_index()
• df.sort_values('최고기온')

DataFrame 데이터 연산

.apply() : 괄호 안 함수를 모든 데이터에 적용

f = lambda x : x.max() - x.min()
df.apply(f,axis=0) 열 방향
df.apply(f,axis=1) 행 방향