판다스(Pandas) Series의 데이터 생성 및 억세스 방법

 

---

판다스(Pandas) Series의 데이터 생성 및 억세스 방법

 

 

 

1. 판다스의 장점

 

판다스(pandas)는 Numpy를

보완해서 만들어진 문법인데요.

이름을 입력할수 있도록 만들어졌습니다.

 

a. 기본적인 통계데이터를 제공하고,

b. NaN values 를 알아서 처리합니다.

c. 숫자 문자열을 알아서 로드합니다.

 

import pandas as pd

 

판다스를 사용하려면

먼저 호출을 해야 합니다.

 

판다스를 다룰때는 인덱스라는 용어는
왼쪽에 붙어있는 것을 가르킵니다.

(쉽게 사람용 인덱스라고 할께요 !!)

 

---

 

2. Series(시리즈) 기본 구조

 

 

Series(시리즈)는 1차원 배열과 같은

자료구조를 가지고 있습니다.

 

시리즈는 1차원 배열과는 다르게

데이터와 관련된 인덱스의 값도

함께 저장이 됩니다.

 

기본 형식

class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

출처 : https://pandas.pydata.org/docs/reference/api/pandas.Series.html

# ------------------------------------------------------------------------------ #
 
import pandas as pd
 
food = pd.Series([30, 6, 'Yes', 'No'])
print(food)
 
>> [결과]
0     30
1      6
2    Yes
3     No
dtype: object
 
# ------------------------------------------------------------------------------ #

인덱스를 따로 지정하지 않으면

기본적으로 0부터 시작하는 정수로

인덱스값이 주어집니다.

 

---

 

3. Series(시리즈) 데이터 생성

 

시리즈는 데이터를 생성할때

리스트, 딕셔너리, 튜플로

만들수가 있습니다.

 

 

(1) 리스트(List)로 생성

# ------------------------------------------------------------------------------ #
 
import pandas as pd
gym = pd.Series(['태권도','합기도','주짓수','유도'])
print(gym)
 
>> [결과]
0    태권도
1    합기도
2    주짓수
3     유도
dtype: object
 
# ------------------------------------------------------------------------------ #

# ------------------------------------------------------------------------------ #
 
import pandas as pd
 
index = ['eggs', 'apples', 'milk', 'bread']
data = [30, 6, 'Yes', 'No']
 
pd.Series(data= data, index= index)
 
>> [결과]
eggs       30
apples      6
milk      Yes
bread      No
dtype: object
 
# ------------------------------------------------------------------------------ #

 

(2) 딕셔너리(Dictionary)로 생성

# ------------------------------------------------------------------------------ #
 
# 판다스 호출
import pandas as pd
 
gym_data = {'a' : '태권도', 'b' : '합기도', 'c' : '주짓수', 'd' : '유도'}
gym_list = pd.Series(gym_data)
gym_list
 
>> [결과]
0    태권도
1    합기도
2    주짓수
3     유도
dtype: object
 
# ------------------------------------------------------------------------------ #

 

파이썬(Python)의 딕셔너리에서는

key(키) : value(밸류)가 존재합니다.

 

시리즈(Series)도 딕셔너리로

데이터를 생성하면 이와 유사합니다.

kye(키) 값은 인덱스값으로 들어갑니다.

 

(3) 튜플(Tuple)로 생성

# ------------------------------------------------------------------------------ #
 
# 판다스 호출
import pandas as pd
 
gym_data = ('태권도','합기도','주짓수','유도')
pd.Series(data= gym_data, index= ['a', 'b' , 'c', 'd'] )
 
>> [결과]
a    태권도
b    합기도
c    주짓수
d     유도
dtype: object
 
# ------------------------------------------------------------------------------ #

튜플도 리스트와는 차이가 별로 없습니다.

 

---

 

3. Series(시리즈) 데이터 억세스

 

a.

인덱스만 보여주기

fruit.index 결과 >> Index(['apples','oranges','bananas'], dtype='object')

 

b.

데이터만 확인

fruit.values 결과 >> array([10, 6, 3], dtype=int64)

 

c.

데이터 접근 하기

fruit['apples'] 결과 >> 10

변수 대괄호( [ ] ) 안에 억세스할

데이터의 인덱스명을 적어줍니다.

 

fruit[['apples', 'oranges', 'bananas']] 결과 >> apples 10 oranges 6 bananas 3 dtype: int64

선택해야 할 인덱스명이 여러개인 경우

변수 대괄호( [ ] ) 안에 리스트로

묶어서 적어줍니다.

 

fruit[    :  'oranges'] 결과 >> apples    10 oranges    6 dtype: int64

불러오는 데이터의 인덱스에

~ 에서 ~ 까지 순서가 있다면

슬라이싱으로 불러옵니다.

 

fruit[0] 결과 >> 10

컴퓨터가 매기는 순위로

데이터 값을 불러올수 있습니다.

 

fruit[   1 :   ] 결과 >> oranges    6 bananas    3 dtype: int64

컴퓨터가 매기는 순위로

슬라이싱을 할수 있습니다.

 

d. 찾는 인덱스 ~가 있니? 

'apples' in fruit >> True

in 을 사용하면 참과 거짓

True와 False를 알수 있습니다.

 

 

e. 찾는 데이터 ~ 가 있니?

10 in fruit.values >> True

데이터값을 in으로 찾을때는

.values도 함께 써줘야 합니다.

 

---

 

3. 그 밖에 함수들!!

 

a. 데이터의 모양

groceries.shape 결과 >> (4, )

 

b. 데이터의 개수

groceries.size 결과 >> 4

 

c. 데이터의 차원 확인

groceries.ndim 결과 >> 1

 

f. 데이터 타입

groceries.dtype 결과 >> dtype('O') (Object 의 O)