[Python] Pandas_대학원 입학과 스펙의 연관성 #1

우리가 흔히 말하는 '스펙' (GRE 점수, Research 여부, TOEFL 시험 성적 등)이 대학원 입학에 미치는 영향과 가장 중요한 역할을 하는 요소에 관한 데이터 분석

#1 에서는 기본적인 환경 세팅하는 방법, 테이블 구조 등 정보 확인 및 변경, 간단한 결과 출력 방법에 대해서 적었습니다

***해당 분석은 Google Colab를 활용하여 출력한 자료들입니다

---

환경 세팅하기

경고 무시

import warnings
warnings.filterwarnings('ignore')

kaggle 설치

!pip install kaggle

.json token 업로드

from google.colab import files
files.upload()

kaggle.json을 사용 가능하도록 설정

!mkdir -p ~/.kaggle
!cp kaggle.json ~/.kaggle/
!chmod 600 ~/.kaggle/kaggle.json

Kaggle 데이터 불러오기 (zip 파일일 경우 unzip 해주는 방법)

!kaggle datasets download -d [Kaggle 데이터 작성자 / 데이터 이름]
!unzip '*.zip'

pandas 불러오기

import pandas as pd

.csv 파일 불러오기 & 변수'data'에 저장하기

data = pd.read_csv('CSV파일이름.csv')

---

파일 Manipulation

shape 함수로 테이블 전체 ROW(행)과 COLUMN(열)의 수를 파악하기

data.shape

(n, m)으로 출력되며 n은 ROW m은 COLUMN수를 표현한다
***shape함수에는 ()에 유의하자

~.describe() 함수로 전체 COLUMN에 대한 파생 정보 확인

data.describe()

각 열에 대하여 위와 같이 min, max 등의 자료를 보여준다

~.info()함수로 NON-NULL 데이터 갯수와 데이터타입 확인하기

data.info()

데이터타입 그룹으로 갯수 반환 및 memory usage또한 출력해준다

~.isna().(sum) 함수로 NULL 데이터 갯수 확인

data.isna().(sum)

info와 다르게 NULL인 각 COLUMN에 대한 NULL 데이터 갯수를 확인하고 싶을 때 활용한다

data.index로 start, stop, step 확인하기

data.index

start는 시작하는 행의 ROW_NUMBER
stop은 마지막 행의 ROW_NUMBER
step은 각 행의 증가율이다 (위 예시에서 출력된 1은 각 ROW_NUMBER가 1씩 증가하고 있음을 보여준다

~.columns로 각 COLUMN명 확인하기

data.columns

파일 내 존재하는 모든 COLUMN을 위와 같이 표기해준다

---

테이블 구조 변경하기

~.drop함수로 원하지 않는 COLUMN은 빼고 출력하기

data.drop(columns = ['Serial No.'])

주의해야할 점은 위와 같이 출력하면 원본 파일에서는 계속 살아있다 그 결과로 아래와 같이 data.head()로 다시 출력해보면 'Serial No.' COLUMN을 다시 출력할 수 있다

~.drop (+ inplace = True) 함수로 원하지 않는 COLUMN 완전 삭제 처리

data.drop(columns = ['Serial No.], inplace = True)
data.head()

data.head() 적용해야 변경된 테이블 구조가 출력된다

~.rename(columns = {'기존컬럼명' : '새로운컬럼명'} 함수로 COLUMN명 변경하기

data.rename(columns = {'GRE Score' : 'GRE', 'TOEFL Score' : 'TOEFL', 'University Rating': 'Univ.', 'LOR ': 'LOR', 'Chance of Admit ':'Admit'}, inplace = True)
data.head()

위 함수도 drop 함수와 동일하게 inplace = True없이는 원본 파일을 변경시키지 않는다

---

Data를 출력하는 여러가지 방법

head() 함수

data.head()

위에서 보는 것과 같이 테이블이 구성되어 있다.
~.head()는 테이블 데이터 상단 (default) 5개의 ROW를 출력하여 보여주는 역할을 하며 ()안에 숫자를 넣으면 그 수 만큼 출력한다

tail() 함수

data.tail()

tail함수는 head와 반대로 최하단에 있는 (default) 5개의 ROW를 출력하며 ()안에 숫자를 넣으면 그 수 만큼 출력한다

특정 ROW 출력_슬라이싱

data[1:4]

파이썬의 슬라이싱 기법을 활용할 경우 위와 같이 출력된다.
***최상단 row는 0 부터 시작하는 것을 명시할 것

특정 COLUMN 출력_컬럼명

data[['TOEFL', 'SOP']]

data[['컬럼명']] 으로 사용하며 원하는 만큼 출력이 가능하다

특정 ROW와 COLUMN 출력_슬라이싱 & 컬럼명

data[0:1][['SOP']]

iloc을 활용한 출력방법_Only 숫자

data.iloc[0:2, 2:7]

[n1:n2, m1:m2]로 구분지어 사용한다
n과 m은 모두 숫자이다

loc을 활용한 출력방법_with 문자

data.loc[1:4, 'TOEFL Score': 'CGPA']

[n1:n2, a1:a2]로 구분지어 사용한다
n은 숫자이며 a는 문자열이다