[Day1] 판다스 시작하기

import pandas as pd

df = pd.read_csv('gapminder.tsv', sep = '\t')

print(type(df)) # 자료형 확인

print(df.shape) # (행,열)을 튜플로 반환

print(df.columns) # 열(칼럼) 이름 확인

print(df.dtypes) # 데이터 프레임 객체의 각 열은 같은 자료형이지만, 각 행은 여러가지 자료형일 수 있다.

#자료형 object = string , int64 = 64 , float64 = float , datetime64 = datetime    왼쪽 판다스 오른쪽 파이선

print(df.info) # 다양한 정보 반환

 

loc 는 행 이름을 기준으로 데이터를 추출

iloc는 행 번호(위치)를 기준으로 데이터를 추출

print(df.loc[0])   # 1번째 행 한줄 출력
print(df.loc[99]) # 100번째

# 마지막 행 추출
print(df.iloc[-1])

# == 

number_of_rows = df.shape[0]  # shape 속성을 이용해서 행과 열의 수를 튜플로 구해서 행의 수를 변수에 저장
last_row_index = number_of_rows - 1  #(행 개수 -1)이 마지막 행 번호임
print(df.loc[last_row_index]) # 자료형 시리즈

# == 

print(df.tail(n = 1)) # 자료형 데이터 프레임

print(df.loc[:,['year','pop']]) # year 과 pop 열의 모든 행 데이터를 가져옴
print(df.loc[0:3,['year','pop']]) # 처음부터 3번째 데이터까지 가져옴

print(df.iloc[:,[2,4,-1]]) # 3,5번째와 마지막 열의 모든 데이터를 추출
print(df.iloc[0:3,[2,4,-1]]) # 3,5번째와 마지막 열의 4개의 데이터만 추출

 

range()와 슬라이싱도 이용할 수 있다.

#range 로 데이터 추출

small_range = list(range(5))
subset = df.iloc[:,small_range] # 5개의 칼럼의 모든 행 데이터 추출


# 슬라이싱 사용 가능
subset = df.iloc[:,0:3] # 0 부터 3 열의 모든 데이터

 
subset = df.iloc[:, 3:6] # 3 부터 6 열의 모든 데이터


subset = df.iloc[:, 1:6:2]  # 1 부터 6까지 2 간격으로


print(df.loc[42,'country']) # 컨트리 열에서 행 이름이 42인 것 출력
# ==
print(df.iloc[42,0]) # 컨트리 열에서 행 번호가 42번인 것을 출력


print(df.iloc[[0,99,999],[0,3,5]])
# ==
print(df.loc[[0,99,999],['country','lifeExp','gdpPercap']])

 

groupby() 사용법

# 연도별 평균 기대 수명
print(df.groupby('year')['lifeExp'].mean()) #1. 연도별로 그룹화 2. 'lifeExp'열 선택 3. mean() 평균 계산​

# 세분화

# 연도별로 그룹화된 객체 생성
groupped_year_df = df.groupby('year')

# 그룹화한 데이터에서 계산하고 싶은 특정 열 선택 [대괄호]
groupped_year_df_lifeExp = groupped_year_df['lifeExp']

# 평균 계산하기
mean_lifeExp_by_year = groupped_year_df_lifeExp.mean()
mean_lifeExp_by_year

 

2개 이상의 열을 그룹화할 때는 아래와 같이 하면된다.

#2개 이상의 열 그룹화하기

mulit_group_var = df.groupby(['year','continent'])[['lifeExp','gdpPercap']].mean()

year 과 continent를 기준으로 그룹화 하여 lifeExp, gdpPercap의 평균을 계산하여 아래와 같은 결과가 나옴.

ㅇ

평균을 구하는 것 만큼 그룹화한 데이터 개수를 구하는 것도 중요하다고 한다.

# 그룹화한 데이터 개수 구하기

# nunique() # 중복을 제외한 개수를 구한다.

print(df.groupby('continent')['country'].nunique()) # continent 별 country 개수

# value_counts() 지정한 열이나 행의 개수(빈도수)를 구한다.

print(df.groupby('continent')['country'].value_counts())​