Pandas 기초

Pandas 기초 정리

Series 및 DataFrame 정보

시리즈

Series란? 1차원 값 목록



dict형의 오브젝트를 Series에 넣으면 key를 index로서 표현합니다.

data = {
    "Name":"Jhon",
    "Sex":"male",
    "AGe":22
}
pd.Series(data)
>
Name    Jhon
Sex     male
AGe       22
dtype: object

Numpy array에서 Series 만들기
array = np.array([22,31,42,23])
age_series = pd.Series(array)
age_series

array에 index를 지정하고 index로 호출
``
array = np.array(['John','male',22])
john_series = pd.Series(array,index = ['Name','Sex','Age'])
john_seiies["Name"]

존

john_seiries

이름 존
Sex male
Age 22
dtype: object
``

원래 Numpy array를 가져옵니다.

age_series.values.values 
>array([22, 31, 42, 23])

DataFrame

이미지로서 행렬 그 자체를 테이블로서 취급하는 (행 Series 열 Series)를 조작해 조합한 것이 DataFrame 같은 느낌인가.



위의 그림에서는 열 Series 만 있지만,
행의 시리즈도 처리합니다.

Numpy array에서 작성

ndarray = np.arange(10).reshape(2,5)
ndarray
>
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

pd.DataFrame(ndarray,index = ["index1",'index2'] ,columns = ['a','b','c','d','e' ])
>
         | a | b | c | d | e |
| index1 | 0 | 1 | 2 | 3 | 4 |
| index2 | 5 | 6 | 7 | 8 | 9 |

기본적인 흐름
1 read_csv로로드
2 데이터의 기초 정보를 분석

df = pd.read_csv("dataset/tmdb_5000_movies.csv")
# len()でデータ数確認
len(df) 

목록을 생략하지 않고 표시하고 싶을 때

# colomuの制限をなくす
pd.set_option('display.max_columns',None)

#row（１つ１つのデータ）の制限をなくす　　（※重たくなるので注意）
pd.set_option('display.max_rows',None)

df.describe()
type(df)  #describe自体もDataFrameとして扱える

DataFrame 작업

Series로 돌아온다

df[" カラム名  "]　○　推奨
df.カラム名　　　　 ▲ 非推奨

DataFrame으로 돌아온다

df[["revenue"]]

＃columを複数選択も可能
df[["revenue","original_title","budget"]]

#特定の行のindexを指定し、取り出す
df.iloc[10:13]

# 特定の行のindexを指定し、指定したカラムを取り出す
df.iloc[10:13]["original_title"]

행 및 열 삭제
drop() # 元のDataFrameは変更されない
inplace = True로 원래 DataFrame 변경

＜特定の行をまとめて削除 axis  = 0  （※デフォルトで指定済）＞
df.drop('id', (axis = 0) ,(inplace = True))  

＜指定した列を削除　　axis = 1＞
df.drop('id', axis = 1,(inplace = True))  

df = df.drop(5) #　inplaceよりメジャーな、元のデータを更新する手法！　 同じ変数を使いまわしていく　

dropna() 欠損値を全削除

np.isnan()　nan（欠損値） があるか判定　

fillna()　欠損値を埋める
>fillna(df["runtime"].mean())

필터

フィルターのかけ方
# 例）日本の映画のみ指定したい
j_movie = df[df['original_language'] == 'ja'] #この書き方が基本よく使う


()&()や()|()で複数の条件を入れる
# 例）日本の映画で評価が８以上の作品だけ指定したい。
j_movie = df[(df['original_language'] == 'ja') & (df["vote_average"] >= 8 ) ] 

df[ (df['budget'] == 0 ) | (df['revenue'] == 0 ) ]
→フィルタ　：「予算もしくは売り上げが０」


df[ ~ ((df['budget'] == 0 ) | (df['revenue'] == 0 )) ]
フィルタ　 ：「予算もしくは売り上げが０」ではない（NOT演算〜）

merge() 사용법

인수 how 옵션

df1 = pd.DataFrame({'key':["k0","k1","k2"],
                  'A':["a0","a1","a2"],
                  'B':["b0","b1","b2"]})

df2 = pd.DataFrame({'key':["k0","k1","k2"],
                  'C':["c0","c1","c2"],
                  'D':["d0","d1","d2"]})